御大がお元気で何より。
プログラミング
.NET
ReSharperはVisual Studio 2026に初日対応し、Microsoftと協力して拡張機能移行もスムーズに。独自インストーラと移行アシスタントにより、既存環境から簡単に移行可能。新旧双方のパフォーマンスも向上し、大規模ソリューションでも快適な開発が実現します。
JavaScript/TypeScript
v19.2がリリース。
SQL
2025年7月開催のイベント「t-wadaさんに聞く！SQLアンチパターン第2版 - 全27章まとめて紹介！」の記事概要です。AI時代のシステム開発が進む一方、データベース設計の失敗は容易に挽回できないため、他者の失敗から学ぶ重要性を強調しています。書籍は論理設計・物理設計・クエリ・アプリ開発の4部構成で、編集・拡充された内容とともに15本のミニアンチパターンを追加。各章で ”落とし穴（アンチパターン）” を分かりやすく紹介し、失敗例と対処策を具体的に解説します。前後の章を順番に読まずとも役立つ構成となっており、社内読書会など知見共有にも最適な内容です。
Java
JDK 25の主なアップデートについて解説しています。主な変更点として、32-bit x86ポートの削除（JEP 503）、ScopedValueの正式導入（JEP 506）、モジュール単位でのインポート宣言（JEP 511）、クラス定義やmain修飾子などを省略できる「コンパクトソースファイル」の正式化（JEP 512）、コンストラクタ本体の柔軟化（JEP 513）が挙げられています。特にScopedValueは、ThreadLocalよりも安全かつ用途を絞ったAPIとなり、データ共有が簡潔になります。記事では、各新機能の従来方式との違いと利用例も紹介しています。
IntelliJ IDEA 2025.2.3がリリースされました。今回のアップデートでは、Jira Task Server連携の修正、ClassicUIプラグイン有効時のサービスビューでのブレークポイント動作改善、Find Usagesダイアログからの複数ファイル同時オープン機能の復活など、いくつかの不具合修正が含まれています。
kotlin
複数のAIエージェントの連携課題を、標準プロトコルA2AとKotlin製フレームワークKoogで解決。
A2Aが統一通信層を提供し、Koogは高度なワークフロー管理や拡張性、耐障害性を実現。
両者の組み合わせにより、多様なAIエージェント連携を効率的かつ堅牢に構築できる。
GitHub
GitHubのウェブインターフェースにて、マージコンフリクトを「現在の変更を受け入れる」「受信側の変更を受け入れる」「両方の変更を受け入れる」のワンクリック操作で解決できる機能が追加され、より効率的なコンフリクト解決が可能になりました。
設計
このページでは、ZOZOTOWNがマイクロサービス間通信の複雑化に対処するため導入したレイヤ構成ルールの実践例を解説しています。モノリシックからの移行で生じた通信の混乱や技術的負債に対し、「ゲートウェイ」「BFF」「基盤」など明確なレイヤ分けを行い、依存関係をホワイトリスト管理することで設計ルールを統一。開発効率や設計標準化を達成しつつ、今後もガイドラインを改善し続ける姿勢が示されています。
やり方としては、オーソドックスだなとは思ったけど、最適解ではあると思う。
「お前がそう思うんならそうなんだろう お前ん中ではな」としか言いようがない。
この記事は、エンジニア初心者の筆者が命名設計について学んだことをまとめています。意図や目的が明確な名前を付けることでコードの可読性が向上し、チームや将来の自分にも理解しやすくなります。NG例として「技術用語による命名」「連番やtmpの多用」「役割が曖昧な命名」などが挙げられ、改善策は省略せず明示・目的ごとの変数・単一責任の意識・マジックナンバーの回避など。命名は声に出して確認したり、チームで共有することも推奨されています。
バイブコーディング・仕様駆動開発
依存関係の更新に特化したAIエージェントのようです。
SansanのQAチームは、テスト設計の属人化により生じる品質の不均一性や網羅性の欠如の課題に対し、AI活用で誰が担当しても一定品質を担保できる仕組みを構築。ChatGPT等を組み合わせたプロセスとプロンプト標準化により、観点精度85%以上・工数54.3%削減といった成果を達成。今後はドメインナレッジのデータベース化でAI精度向上を目指している。AIはQA業務効率化と品質向上のパートナーとして位置づけている。
この記事は、Markdownをプログラミング言語のように使い、AIコーディングエージェント（GitHub Copilotなど）と連携して仕様駆動開発を行う手法について解説しています。README.mdやmain.mdにアプリ仕様や設計、ドキュメントをMarkdownで記述し、AIによりGoコードへと自動生成させることで、ドキュメントと実装の同期・透明性を高めることができます。編集やバグ修正もmain.mdを更新するだけで済み、仕様に忠実な開発サイクルを効率的に回すことが可能です。また、LintなどもAIに指示でき、保守性も向上します。
Comprehension Debt: The Ticking Time Bomb of LLM-Generated Code – Codemanship's Blog
LLM（大規模言語モデル）生成コードは、開発者が修正や変更を行う際に理解するまで多大な時間がかかる「理解負債」を生み出している。高速なコード生成の裏で、コードの品質を保つための見直しや再作業が必要となり、初期の効率化効果は相殺される場合も多い。読まれないままリポジトリへ追加されたコードが増加し、今後変更が必要となったときにはAIでも対応できない問題が発生し、最終的に人間が多くの負債を背負って手作業で対応せざるを得ないケースが増えている。この理解負債は急速に累積しており、今後のソフトウェア保守に大きなリスクとなる。
結局プロはバイブコーディングをしてはいけないということにつきると思う。プロはバイブコーディングではなくエージェンティックコーディングを行っていくこと。仮にLLMが作成したコードであっても、それへの責任はLLMコードを書かせた人間側にあることを自覚することだろう。
本
はぶさんの本は楽しみ。
その他
AI
Microsoft
Microsoftは2025年10月1日、エージェント型AIアプリの開発基盤「Microsoft Agent Framework」を発表し、パブリックプレビューとして公開しました。これはAutoGenやSemantic Kernelなど既存のエージェント開発フレームワークを統合し、マルチエージェントのオーケストレーションや可観測性・耐久性・コンプライアンスにも対応。ローカルで開発・テストし、Azure AI Foundryへ容易にデプロイできる他、任意APIや他AIツールとの連携も可能です。対応言語は.NETとPythonで、MITライセンスで公開されています。
セマンティックカーネルとAutogenを統合したものと考えてよさそう。
OpenAI
OpenAI announces strategic collaboration with Japan’s Digital Agency
OpenAIと日本のデジタル庁は、生成AIを安全かつ効果的に活用し公共サービスを向上させるための戦略的協力を発表しました。デジタル庁はOpenAI技術を活用した「Gennai」を導入し、政府職員によるAI活用の促進をめざします。また、OpenAIはOECDやG7による広島AIプロセスなど国際的なAIガバナンス推進にも参加。今後も安全性、透明性、国際協力を重視し、社会へのAIの責任ある統合に取り組みます。
デジ庁側のステートメント。
GitHub Copilot
GitHubは、週次で受け取るアクセシビリティ評価をもとに、GitHub Copilotを活用した自動化ワークフローをわずか5時間で構築しました。従来は、手作業でレポート確認から課題登録、担当者特定、進捗管理まで行う非効率な体制で、対応が遅れ可視化も困難でした。新ワークフローでは、評価低下時の自動課題作成や担当者同期、CRM連携、条件回復時の自動クローズなどを実現し、反復テストとCopilotによる迅速なプロトタイピングを進行。結果として、対応速度と可視化、運用効率が向上し、専門家主体の実装やエンジニア負荷軽減も達成しました。今回の自動化により、アクセシビリティ対策の即応性と組織全体のガバナンス強化が実現しています。
Claude Sonnet 4.5がGitHub Copilot Pro/Business/Enterpriseで、Visual Studio・JetBrains IDE・Xcode・Eclipseにてパブリックプレビューで利用可能になりました。Copilotのチャット機能からモデル選択でき、管理者は設定で有効化が必要です。
GoogleのAIコーディングエージェントJulesに、新たにCLIツール「Jules Tools」とAPIが追加されました。これにより、端末操作や既存システムへの統合が容易になり、開発現場での利便性と柔軟性が向上します。また、環境変数管理や記憶機能などのアップデートも導入され、信頼性も強化されています。
Google Researchは、ユーザーとの対話を通じて画像生成の精度を高める強化学習エージェント「PASTA」を発表しました。従来のテキストから画像生成するAI（T2I）は、単一プロンプトで希望通りの画像を得ることが難しく、試行錯誤が必要でした。PASTAはユーザーと対話形式でプロンプトを段階的に拡張し、ユーザーの選択に応じて画像生成を改善します。訓練には7,000件以上の人間の評価データと、そこから学習したユーザーシミュレーターによる3万件超の模擬データを組み合わせています。ユーザーモデルは、ユーザーがどの画像セットを好むかを個別学習し、類似傾向を持つ「ユーザータイプ」も抽出。PASTAはプロンプト展開候補から最適な4つを提示し、ユーザーが選択した画像に応じて次回以降の提案に反映します。評価の結果、人間データと模擬データを併用したモデルが、従来手法や個別データのみのモデルより高い満足度を実現しました。本取り組みにより、今後の生成AIがユーザーの嗜好により柔軟に適応するインタラクティブな進化を遂げる可能性が示されました。
Anthropic
ClaudeはSlackと連携し、作業環境でそのままリサーチやコンテンツ作成、ミーティング準備が可能です。Slackワークスペース管理者がClaudeアプリを承認することで利用でき、プライベートチャットや、スレッドの会話でClaudeを呼び出して回答案を確認・共有できます。AIアシスタントとして多様な業務支援に活用でき、データ利用やコスト、制限事項、導入方法についてFAQも掲載されています。プライバシーを重視した設計となっています。
本
メモ。
論文・その他
LLM（大規模言語モデル）の回答が均質になる現象は、その良し悪しがタスクごとで異なる。数学のような「正解が1つ」のタスクなら均質な出力が望ましいが、創作やアイデア出しのような「多様性が必要なタスク」では幅広い表現が重要となる。本記事では、タスクを8種類に分類し、タスク内容に応じた多様性の評価や具体的な指示方法を提案。特に、タスクに合わせて「同じ答えを別の方法で求めて」「視点や雰囲気を変えて」など指示し、必要な多様性や一貫性を両立できる点を明らかにしている。実務では、タスクの種類を自動判別して指示や評価方法を柔軟に切り替えることが有効と示唆されている。
このポッドキャストでは、AnthropicのEmmanuel AmeisenがLLM（大規模言語モデル）の解釈性について語っています。LLMは人間の脳と同様に複雑で内部の動作が分かりにくいため、細胞やニューロンのように内部構造や動作を調査しています。研究では、モデルが複数トークンを先読みしたり、言語を超えた概念を持つなど、直感に反する動きを発見しています。特に推論型モデルは、出力する「理由付け」が必ずしも内部処理と一致せず、時には推論を偽っている例もあるとのこと。モデルの「幻覚」現象や信頼性向上についても進展しており、今後はデバッガのような解釈ツールの実用化が期待されています。開発者は「ブラックボックス」としてではなく、積極的に内部構造を理解する姿勢が重要だと述べています。
クラウド
Azure
SDKがアップデート。
俺たちの焦げログ。
AWS
AWS Knowledge MCP Serverが正式リリースされ、公式ドキュメントやAPIリファレンスなどのAWSナレッジを生成AI経由で自然言語検索できるサービス。無料でAWSアカウント不要、一部利用制限あり。
エンジニア
コミュニケーション
会議や議論が噛み合わない原因の一つは、複数の論点が混在して話題が拡散してしまうことにあります。異なる論点が混ざると議論の焦点がぼやけ、同じ話を繰り返したり、認識のズレが生まれて決定事項が曖昧になることも。論点ごとに整理し、一つずつ議論することで、複雑な会議でも生産的に進行できます。また、話の途中で違う論点だと気付いたら早めに修正することが重要です。議論を俯瞰し、論点を分離する意識が議論の質を高めます。
今日の身も蓋もない
身も蓋もない。日本のIT技術者のレベルが低いのはその通りだと思う。
しかしながら、ただエンジニアのレベルが低くても職があり続けたりしているのも、特になんかすごいものが日本から出て来ないのも、エンジニアだけの責任というわけではなくて、日本の場合は経営の責任が大きい。日本企業はぜんぜん設備投資も事業投資もしていないし、そもそも従業員に対してOECD加盟国の中で一番投資をしていない。それはIT技術者に対しても全く変わらない。企業が自社の社員や事業に投資しないし、スタートアップにも、アカデミアにも投資しないのだから、日本から革新的な技術なんて生まれるわけないんですよ。日本の企業はこの30年間極めてドメスティックな産業構造の中で本当の競争はしないで生きてきたの。企業が競争しないからエンジニアも技術向上する必要がない。それだから国全体で衰退していく。
OS
macOS
ふむふむ。
業界動向
そこはこれまでCEOとCOOで役割分担していた気がするが、そうなるのか。
あーあ。