こんにちは。 アプリケーションサービス部、DevOps担当の兼安です。 今回はKiro IDEの話で、簡単な感想記事です。 はじめに 最近のKiro IDE 想定していた技術検証の流れ 設計を自分で書いていないので指示が適当になっている 欲が出て余計な要件を入れてしまっている 自分も間違える、AIも間違える はじめに 先日ベクトルデータベースの技術検証記事を書いたのですが、この時の技術検証はKiro IDEをフル活用して書いています。 blog.serverworks.co.jp 検証用コードはこちらです

目次 はじめに AIの発展と開発スピードの変化 PRレビューの負荷 レビューに要する時間の増加 レビューの何が負荷なのか レビュー負荷への対処 仕組みでの対処 Claude Code plugin を活用したレビューの効率化 エージェント構成の概要 レビュー結果の出力イメージ 仕組み 課題 おわりに はじめに こんにちは。 開発本部開発1部トモニテ開発部所属の庄司( @ktanonymous )です。 最近では、AI の性能向上や開発フレームワークの進化による開発スピードの向上に伴い、 これまで以上に大量

はじめに Jenkins Pipelineは、ビルド・テスト・デプロイといった一連の作業を Jenkinsfileとしてコード化（Pipeline as Code） する仕組みです。 作業手順を人の手からコードへ移すことで、次のようなメリットが得られます。 再現性：誰が実行しても同じ結果になる レビュー可能：Jenkinsfileをコードレビューできる 変更履歴が残る：いつ・誰が・何を変えたか追跡できる 運用の自動化：手作業のミスや抜け漏れを減らせる しかし、Jenkinsfileは単なるスクリプトではあ

はじめに こんにちは。AmebaLIFE事業本部エンジニアのsatominです。 この記事では、ビジ ...

キャリアプロダクト開発部の森 ＠jiskanulo です。 私ごとですが今年で45歳、WEBサービスの開発歴は20年以上になります。世間的にはベテランエンジニアとかシニアエンジニアとかと称される類だと自認しています。 そんな私ですが2026年1月に基本情報技術者試験を受験して合格しました。 この記事は、ベテランエンジニアが基本情報技術者試験をスキル棚卸しツールとして活用した体験と、受験しなくても使えるセルフチェックの方法を紹介します。 www.ipa.go.jp 受験の動機 結果 得意と苦手が可視化された

インシデント発生時の根本原因分析は、クラウドアプリケーション運用において最も時間がかかり、ストレスの大きい作業の一つです。エンジニアは複数のサービスにまたがるテレメトリデータを迅速に相関づけ、デプロイ履歴を確認し、複雑なアプリケーションの依存関係を把握しなければなりません。しかもそのすべてを、サービス復旧というプレッシャーの中で行う必要があります。AWS DevOps Agent は、運用チームに自律的な調査能力をもたらすことでこのパラダイムを変革し、平均復旧時間 (MTTR) を数時間から数分に短縮しま

はじめに こんにちは、クラウドエースの木村です。 Google Cloud の Vertex AI に、完全マネージドで自己チューニング型のベクトルデータベース Vector Search 2.0 が登場し、従来の 1.0（旧称: Matching Engine）とは異なるアーキテクチャで運用が大きく簡略化されました。 この記事では、Vector Search 2.0 の概要と 1.0 との違いに触れたうえで、ハイブリッド検索（セマンティック検索 + テキスト検索を RRF（Reciprocal Rank

1. はじめに 弊社では入社一年目のエンジニアは全三期のOJTを通して部署を渡り歩き、業務や会社について知見を深めていくという制度があります。 OJTについての詳細は、私の同期が入社一年目の経験を基に記事を書いていますので、是非こちらをご覧ください！ ニフティでの新卒一年目について そのOJTの第三期で、新システムへの移行に伴い旧システムの運用が停止したため、対象システムが動作していた環境を廃棄するための作業を行いました。 この記事では、システムの廃止で苦労した点、意識した点、学びを共有したいと思います。

Elastic Inference Service (EIS) を使った「ベクトル検索」と「生成AIによる回答（RAG）」について、全2回にわたって解説します。 第2回となる今回は「実践編」として、EIS を通じてモデルを呼び出し、「ベクトル検索」と「生成AIによる回答（RAG）」を実際に動かしてみます。 目次 前提条件 テストデータ、各種スクリプト 検索データのアップロード インデックスとパイプラインの作成 1. インデックスの作成 2. マッピングの定義 3. エイリアスの作成 4. インジェストパイ

Elastic Inference Service (EIS) を使った「ベクトル検索」と「生成AIによる回答（RAG）」について、全2回にわたって解説します。 第1回となる今回は「準備編」として、環境構築からクラウド連携までを詳しく説明します。 目次 Elastic Inference Service (EIS) とは？ 本連載で実現できること システム構成イメージ 動作確認環境 サンプルコード ベクトル検索のための準備作業 1. 環境変数の準備 2. コンテナの起動 3. Elastic Cloud

こんにちは。ワンキャリアでデータエンジニアリングチームに所属している塚田（github：@carbscountry）です。 本記事では、AWS 上の RDS（PostgreSQL）の更新差分を GCP の Datastream で取得し、BigQuery へリアルタイム連携した取り組みについて紹介します。

こんにちは。香西です。 今回は、生成AI（Claude Code や GitHub Copilot など）と MCP（Model Context Protocol）を組み合わせて、AIに自由度が高く人間にもわかりやすいシステム構成図を .drawio.svg 形式で描かせるためのツール「 mcp-drawio-svg 」を作成し、OSSとして公開しました。 この記事では、開発に至った背景や、既存の作図ツール（Mermaidなど）が抱えていた課題、そして本ツールを使った実際の作図フローについて解説します。

チームで GitHub Copilot code review を全PRに自動で入れるようにし、去年12月ごろから数か月運用してきました。 狙いはシンプルで、レビュアーが見る前にPRの質を上げて、人によるレビューの時間を減らすことです。 実際にやったこと自体は、全PRで自動レビューを入れる設定と、 copilot-instructions の整備が中心です。この記事では、その設定そのものよりも、今どんな流れで運用しているのかと、実際にどうよかったのかを書きます。 チームとしての課題 自分たちのチームで大き

本記事は 年度末の振り返りウィーク 2日目の記事です。 🌸 1日目 ▶▶ 本記事 ▶▶ 3日目 📅 はじめに 構築した構成 ポイント①WAFの関連付けはus-east-1で作成する ポイント②リポジトリ接続時のアクセストークン ポイント③シークレットをビルドで使う おわりに はじめに こんにちは！振り返りウィーク2日目担当の山本です！ みなさんアプリやウェブサイト構築にAmplifyを使ったことはあるでしょうか？ Amplifyは、GitHubやBitbucketなどのGitリポジトリと連携することで、

はじめに こんにちは！サイオステクノロジーのなーがです。前回はGoogle CloudのVertex AIをAzureから使用するための手順ということで主にインフラ関連の内容を書きましたが、今回はAIコーディングエージェントの開発プロセスを強化するフレームワーク「obra/superpowers」について書こうと思います。 AIエージェントは本当に便利なのですが、使い込んでいると「あれ、テスト書かずにいきなり実装してる…」「原因調査なしにとりあえずパッチを当てようとしてる…」という場面に気づくことがありま