1. はじめに 長いシステムプロンプトや業務ドキュメントを毎回のリクエストへ載せる構成では、input トークンの単価がそのまま運用コストになります。Prompt Cache は同じプレフィックスの再送分を割引単価に振り替える仕組みですが、実際に割引が乗るかどうかは「キャッシュエントリが同じキーとして扱われるか」で決まります。キーが分かれれば、割引ではなく書き込み単価の上乗せだけが残ります。 AWS（Amazon Web Services）は 2026/09/08（米国時間）に OpenAI の GPT-

大御所のアイコンライブラリ Font Awesome の アニメーション機能 は、CSSのクラスを追加するだけで動きを与えられ、お手軽です。動きのオプションも指定が可能です。 このアニメーション機能をGoogleの Material Symbols & Icons に移植してみたいと思い、やってみましたので共有します。 公開されているMaterial Symbols & Iconsと、 Font Awesomeのコード（GitHub） を一部拝借しました。 アニメーションのCSSを取り込む

! 「QAチームに配属されたけど、やっているのはテスト実行だけ」「テスト以外にQAって何するの？」と思ったことはないだろうか。 以前、「テスト＝QA」を卒業する日という記事で、テスト・QC・QAの違いを整理した。 テスト＝測る（今の状態を確認する） QC＝直す（見つけた問題を潰す） QA＝つくる（良いものが生まれる仕組みをつくる） 「QA＝仕組みをつくること」とわかった。じゃあ具体的に何すればいいのか。 自分がQAとして手を動かしてきた中で、テスト実行以外にやってきた活動を全部並べてみる。 たとえ話：勉強

はじめに こんにちは、ZOZOTOWN開発2部Webバックエンドブロックのぐらです。普段はZOZOTOWNのバックエンド開発を担当しています。ZOZOTOWNのリプレイスでは、既存システムの仕様を正確に把握することが欠かせません。私たちはこの分析に AIを活用 してきました。しかし、人間による追加調査がまだまだ必要という課題を抱えていました。本記事では、AIによる既存システムの分析ワークフローを作り直した過程と、そこで得られた知見を紹介します。 目次 はじめに 目次 背景・課題 ZOZOTOWNリプレイス

1. はじめに 生成 AI の利用が広がると、「使った後に請求で気づく」だけではなく、予算到達を検知した後の追加利用をできるだけ早く止める仕組みが必要になります。筆者はこれまで、止める場所を Gateway に置く方法を2通り検証してきました。1つは LLM Gateway（LiteLLM）を自前で構成してユーザー単位の上限を持たせる方法です。 https://zenn.dev/nttdata_tech/articles/0aef5de18fae3c もう1つは Amazon Bedrock AgentC

MyData Japan 2026 2026年7月29日、一橋講堂で開催された MyData Japan 2026 - Revisiting MyData - に参加しました。 MyData Japanは、個人を起点とした持続可能かつ倫理的なデータ活用について議論するカンファレンスです。 2026年のテーマは「Revisiting MyData」です。AIエージェントの台頭や個人情報保護法の改正など、データを取り巻く環境が大きく変わる中で、あらためて「人間中心のデータエコシステムとは何か」を問い直すことが

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、 Claude Code のテストゲートが編集ゼロで12分！？Stop hook が「黙って効かなくなる」まで について書きましたが、あれから個人開発の Python プロジェクトでマルチエージェント運用を続けています。委譲そのものは安定してきました。ただ、そのあいだずっと手を出せずにいた問題が残っていました。 レートリミットです。 サブエージェントを何本も並列で走らせていると、当然トークンの消費は速くなります。そして usage limit

「スキーマ変更は利用の少ない深夜に、フェイルオーバー試験は休日に。」データベースを止めないための調整に、エンジニアの時間が少しずつ削られていく。そんな場面に直面することはありませんか。9/14(月) 14:00 から麻布台ヒルズで開催する 「Amazon Aurora DSQL Day Tokyo」 では、こうした運用調整からエンジニアを解放する分散 SQL データベース Amazon Aurora DSQL について、来日するプロダクトマネージャーと日本のスペシャリスト SA が、技術詳細から適用判断の

NTTドコモビジネスでは、小島克重社長の考え方や経営判断の背景を、対話形式で相談できるAI社長「AIコジー」を開発しています。最初は経営幹部向けのAI社長として提供していましたが、2026年7月にセキュリティを守りながら一般の社員でも使えるように「AIコジー（全社版）」を公開しました。 参考： NTTドコモビジネス、AI社長が営業に助言　システムは外販も検討（日本経済新聞） 参考： 「“社長AI”って意味ある？」→言った本人も手のひら返し　幹部の9割が高評価したNTTドコモビジネスの「AI小島社長」開発録

ローカルで始めた作業が、クラウドへ移っていくことがあります。 ちょっとした変更のつもりが、思ったより大きくなったり、時間がかかったり、あなたが席を離れた後も動き続けたり、当初想定していたよりも広くコードベースに及んだりすることがあります。 ここ数か月で、クラウド実行は Kiro での働き方の中でより大きな位置を占めるようになりました。本日（2026 年 9 月 3 日）、Kiro Web とクラウドセッションが一般提供 (GA)になりました。あわせて、すでに構築済みの Kiro のセットアップをローカルと

1. はじめに エージェントの記憶をエンドユーザー単位で分離するとき、AgentCore Gateway に Memory connector の target を置く構成では、Memory から見える呼び出し元が gateway 実行ロールに集約されます。そのため IAM ポリシーの条件キーで「誰のリクエストか」を絞り込むことができません。前回の記事で、JWT の検証と実行ロールだけの状態では user-a のトークンで user-b の会話本文まで取得でき、実行ロールに namespace 単位の D

1. はじめに エージェントの記憶をテナントやユーザーで分けるとき、分離をどの層で強制するかが設計の分かれ目になります。呼び出し元が IAM プリンシパルなら IAM ポリシーの条件キーで絞り込めますが、エンドユーザーがそれぞれのアイデンティティでエージェントを使う構成では、リクエストを出す IAM プリンシパルが全ユーザーで共通になるため、「誰のリクエストか」を認可へ持ち込む別の手段が必要になります。 AWS（Amazon Web Services）は 2026/08/28 に、Amazon Bedro

1. はじめに Gemini Enterprise（以下、GE）ワークフロービルダーの、”ワークフロー機能”（Workflows、旧Agent Designer V3とも表現）を動かしました。この記事では、実際の画面で確認できたことと、私が作ったワークフロービルダーの一例を紹介します。 まだ触り始めて間もない段階での所感です。そのうえで先に結論を書くと、これは単なるノーコードエージェントの新バージョンではありません。エージェントをワークフロー形式で作り動かすことができる新しい機能として捉えております。 ※

はじめに この記事は、BASEテックブログ夏のブログリレー11日目の記事です。 BASE Dept. Product Divにてバックエンドエンジニアをしている オリバ です。 ショップオーナーの発送領域を担当しており、バックエンドを中心に、フロントエンドやNew Relicなども触っています。 2026年5月、担当する「送り状一括印刷 App」の一部機能をリリースしました。しかし、リリース後に分かったのは、想定していた使われ方をされていないということでした。機能自体は動いていますが、開発チームが想定して

はじめに # 大まかな構成は把握していても、細かい実装には手が回らずぼんやりとしか理解してなかったので、勉強を兼ねてRAG（Retrieval-Augmented Generation）を実装してみました。 今回は、RAGの核となる「ベクトル化」「類似度検索」「コンテキスト注入」を理解することを目的に、フレームワークやVectorDBをあえて使わず、最小構成で動かしてみます。 これらは実運用ではライブラリやVectorDBに置き換える選択肢がありますが、まずは本質を素の形で体感します。 そのうえで、ミステ