■ 目次 目的は少ない人数でリリースの量を上げること 使う側から見た1件の流れ ready を付けると、トリアージが始まる 仕様書が PR で届く 実装も PR で届き、いつも通りレビューしてマージする 迷わないための工夫 構造: 状態ラベルとループ 人の判断の置き場所 承認ゲートは2つに絞る チェックシートは AI が下書きし、人が確定する 安心して任せられる理由 指示・手順で頼むことと、コードで強制することを分ける 迷ったら止まり、どこからでも再開できる 何が変わったか まだ甘いところと、これから こ

本ブログは 2026 年 9 月 3 日に公開された AWS Blog “ Set up OpenAI ChatGPT Codex with LiteLLM on Amazon ECS and Amazon Bedrock ” を翻訳したものです。 OpenAI ChatGPT Codex と LiteLLM を組み合わせることで、生成 AI コーディングエージェントに対してエンタープライズ向けの一元的な制御を実現できます。これらのエージェントは、開発者によるリポジトリの理解、コードの記述、テストの実行、

こんにちは。 AI 事業本部 AI クリエイティブカンパニー BPO 事業部のエンジニアの佐藤 (@ ...

こんにちは。 アプリケーションサービス本部、DevOps担当の兼安です。 今回は、AIとGitのお話をします。 はじめに 発生する現象の内容 現象が発生する技術的な原因 push 時のグローバル設定で被害を軽減する 最終的にはブランチ保護ルールを設定する はじめに 以前から、AIが不意にmainにpushしてしまう現象はありますが、 最近、feature ブランチを切ったつもりが、git push がなぜか保護ブランチ（main）にpushしてしまう現象に連続して遭遇しました。 なので、その現象と原因につ

本ブログは 2026 年 10 月 14 日に公開された AWS Blog “ Penetration testing every deployment with AWS Continuum ” を翻訳したものです。 静的解析 (SAST)、ソフトウェア構成分析 (SCA)、動的スキャナー (DAST) など、CI/CD パイプラインに組み込めるセキュリティツールの多くは、パターンやシグネチャに基づいて 潜在的な 問題にフラグを立てます。フラグが立てられたパターンは調査すべき箇所を示しますが、実際に悪用可

自己紹介とインターン参加理由 自己紹介 はじめまして。日本工学院八王子専門学校 ITスペシャリスト科 AIシステム専攻3年の松本康太郎です。 学校ではAIを用いた機械学習や、Kotlinを使ったモバイルアプリ開発など、幅広い分野の学習に取り組んでいます。 最近は運動不足が気になり、ジムでの筋トレを習慣にしようと心がけています。 なぜ数ある企業からここ（サイオス）のインターンシップを選んだのか サイオスのインターンシップを選んだ理由は大きく2つあります。 1つ目は、 Claude Codeを用いたAI駆動開

Claude Code ぶん回して仕様駆動開発を実践してみた 〜 設計書3.6万行と6つの落とし穴 〜 この記事のポイント 問題提起 背景 前提 システムの全体像 開発体制と Claude Code の使い方 設計時のぶん回し 設計書を Fix してから実装する 依頼は「まず既存の仕組みを調べて」から始める 選択肢は「影響範囲」の列を立てて比べる 決まったことは設計書の冒頭とメモリに残す アーキテクチャ選定で分かったこと 画面設計：Excel と MD3 の方針だけで作る 実装時のぶん回し 実装計画も、人

Databricksへの移行を支援するツールを試してみた 1. はじめに NTTデータの丹羽です。Databricks Championとしても活動しています。 近年、既存のデータウェアハウス（DWH）からDatabricksへのマイグレーションを検討する機会が増えています。 Databricksでは、Teradataなどの既存DWHからDatabricksへの移行を支援するツールとして、Lakebridgeが提供されています。 本記事では、Databricks CLIおよびLakebridgeをセットア

はじめに # Claude Code を利用した個人開発の進め方が、最近一定の形に落ち着いてきました。 何度も作り変えてきたので、いまの形も通過点だと思います。それでも「どうやって Claude Code と開発してるんですか？」と聞かれたときに渡せるものとして、現状の構造をひととおり書き出しておきます。 --> Information この記事は「こう作るべき」という提案ではありません。 あくまで、ぼくはこう回している という記録です。 この記事の構成 # 本記事の構成は以下の通りです。 全体像：開発サ

はじめに # 前回の記事（ EC2スポットインスタンス×vLLMでGPUコストを大幅削減する ）では、時差・価格・中断耐性を加味した「マルチリージョン総合優先度自動選定」を導入し、 g6.xlarge （NVIDIA L4 24GB）を1時間あたり約80〜90円という格安価格でスポット調達する仕組みを構築しました。 これにより、高価なクラウドGPUを個人の手元から「使いたい時だけサッと起動し、終わったら即座に破棄する」エフェメラルな開発スタイルが確立できました。 しかし、第3回までの運用構成には、セキュリ

はじめに こんにちは。グループIT推進本部の Roki です。 AIエージェントにPRレビューを手伝 ...

自己紹介とインターン参加理由 自己紹介 はじめまして日本工学院八王子専門学校の百瀬優太と申します。 普段は国内外問わずサッカー観戦を楽しんでおり、 Jリーグの試合を現地まで観に行くほどのサッカー好きです。学校では、主にKotlinを使ったモバイルアプリを中心に開発しています。 なぜ数ある企業からここ（サイオス）のインターンシップを選んだのか 学校の先生からいくつか紹介を受けた中で、このインターンを選んだのは、 自分の抱えて いた2つの課題を解決できる実習内容 だったからです。 1つ目の課題は 「AIの活用

はじめに デリッシュキッチン開発部でデジタルサイネージの開発を行っている鈴木（ @0muji4_eng ）です。 昨今、Cursor や Claude Code などの自律型 LLM Agent を活用した開発が一般的になりつつあります。「Agent に気持ちよくコードを書かせるためには、アーキテクチャを Agent 向けに整える必要がある」という言説も、見かけるようになりました。 私も、広告配信の案件管理を行うための巨大な React アプリを AI 駆動開発に最適化すべく、全面的なリアーキテクチャを実

■ 目次 はじめに このブログの概要 対象読者と前提知識 1. なぜ、そうなっていたのか？ オンプレミスという前提 Kubernetes導入で得られたもの 残った4つの課題 「境界」と「粒度」 2. 境界をどう引き直したのか？ Namespaceの割り当て先 Tenant境界の導入 セルフサービスでの環境発行 エコシステムのテナント分離 論理的な境界の積み重ね 3. リソースの粒度をどう変えたのか？ k8sリソースの粒度の問題 マニフェスト抽象化OSSの選定 PlatformAppの記述例 拡張性とガード

はじめに # 前回の記事（ 自前vLLMをOpen WebUI経由でVS Code（Cline）に接続！トークンフリーで開発する ）では、オープンソースのWeb UI・APIゲートウェイ「Open WebUI」を採用し、AWS上で動かす自前vLLMサーバーをVS Code拡張機能「Cline」のバックエンドとして直結させました。 前回の検証では「1台のGPUサーバー（ g6.xlarge ）をチーム3〜5人でシェアする」運用モデルを検討し、実用的なコストパフォーマンスが得られることを確認しました。しかし、