FullstackSE_IT知見

20年以上の実務経験を持つフルスタックエンジニア / システムエンジニア in Tokyo
Full-Stack Systems Engineer based in Tokyo with 20+ years of development experience

[FullstackSE_IT知見 @fullstack_se]

することは可能です！今後の多言語アップデートや、有志による日本語最適化モデルの登場に期待が高まります。 #MisoOne #音声AI #AIニュース

[FullstackSE_IT知見 @fullstack_se]

超リアルな音声AI「Miso One」は日本語で使える？現時点では英語中心のモデルとして公開されており、日本語へのネイティブ対応は明記されていません。ただし、完全オープンソース（オープンウェイト）としてHugging Faceで公開されているため、開発者が日本語データで微調整（ファインチューニング）

[FullstackSE_IT知見 @fullstack_se]

DGX Spark、開発者にとって本質的なのは「128GBの統合メモリ」。VRAMスワップなしで70Bモデルのファインチューニング、200Bモデルの推論がローカルで完結。PyTorchもTRT-LLMも動く。クラウドAPIコストを気にせず実験できる環境が約4,000ドルで手に入る時代になった。

[FullstackSE_IT知見 @fullstack_se]

chrome-devtools-cli は、既存ChromeにChrome DevTools Protocolで直接接続するRust製CLI。

このCLIは「1 command in, 1 result out」で、ブラウザ操作をかなり軽くできる。
https://t.co/pC9jQOedpM

[FullstackSE_IT知見 @fullstack_se]

TypeScriptでもNode.jsのworker_threadsを使えば、重い処理をメインスレッドから分離できます。

new Worker(new URL(import.meta.url))で自分自身をWorkerとして起動し、parentPort.postMessage()で結果を返す最小サンプル。

非同期・並列処理の理解にちょうどいい。

[FullstackSE_IT知見 @fullstack_se]

コーディング 2022 vs 2027 #vibecoding #ai #LLM

[FullstackSE_IT知見 @fullstack_se]

【TS】どっち使う？Type vs Interface 徹底比較！
#TypeScript #プログラミング学習 #エンジニア #フロントエンド #JavaScript

[FullstackSE_IT知見 @fullstack_se]

保存して使える超短縮版tmux コマンド　#tmux #cheatsheet

[FullstackSE_IT知見 @fullstack_se]

【最強の並列化】asyncio と ProcessPoolExecutor の魔合体！ ⚡ #Python #非同期処理 #マルチプロセス #エンジニア #高速化

[FullstackSE_IT知見 @fullstack_se]

iPhoneでもローカルで実用的なLLMが動く時代、ついに来た。
“AIはクラウドで使うもの” という前提が変わり始めてる。
・オフラインでも使える
・応答が速い
・プライバシー面でも強い
・持ち歩ける開発環境に近づく

[FullstackSE_IT知見 @fullstack_se]

チェックポイント設計などに現れる
AIエージェント時代の競争力は、モデル選定よりも環境設計の質に移っていく

[FullstackSE_IT知見 @fullstack_se]

Harness Engineeringとは、AIエージェントが動く環境全体を設計する考え方
重要なのは「どう指示するか」ではなく、どう制御し、どう引き継ぎ、どう回復させるか
プロンプトはお願いだが、ハーネスは機械的に強制できる
実務では、CLAUDE.md、コマンド定義、進捗ログ、リンター、CI、　⇓

[FullstackSE_IT知見 @fullstack_se]

🤖 AIエージェント構築の8ステップ
①目的・スコープ定義
②システムプロンプト設計
③LLM選択
④ツール統合（API・MCP）
⑤メモリ設計（ベクターDB・RAG）
⑥オーケストレーション（ReAct）
⑦UI構築
⑧テスト・評価
各ステップが連鎖しており、一つも省けない。
最初の「目的定義」が最重要

[FullstackSE_IT知見 @fullstack_se]

Supabase をローカル開発で使うときは、次の5点を押さえるとかなり安定します。

CLI でローカル Supabase を起動する
DB変更は Migration で管理する
初期データは seed.sql に分ける
アプリはローカルの URL / key に接続する
最終的には Migration ベースでリモートへ反映する

[FullstackSE_IT知見 @fullstack_se]

OmniCoder-9B、かなり気になる。9Bの小型モデルなのに、ツール使用・ターミナル操作・多段階推論までこなす“実務寄り”なコーディングエージェント。Qwen3.5-9Bからの乗り換え先として有力そう。16GB級GPUでも実用圏なのは魅力。ただし日本語は弱めで、英語前提で使うのがよさそう。

[FullstackSE_IT知見 @fullstack_se]

PythonのデコレータだけでMCPサーバーが作れるフレームワーク。FastAPIがWeb開発を変えたように、MCPサーバー開発を激変させてます
✅ @mcp.tool を書くだけで自動スキーマ生成
✅ Tool / Resource / Prompt の3本柱
✅ Claude Desktopとの連携もすぐできる
✅ 毎日100万DL超のデファクトスタンダード

[FullstackSE_IT知見 @fullstack_se]

AIコーディング向けの AGENTS.md / CLAUDE.md は、置けば効くわけではないらしい。ETH Zurichの研究では、LLM生成のコンテキストファイルは成功率を平均3%下げ、コストは20%以上増加。人手作成は平均4%改善。但し万能ではなく、抽象論より「特殊な手順・独自ルール・業務制約」など非自明な情報に絞る!

[FullstackSE_IT知見 @fullstack_se]

Gitの main と origin/main の違い

main → ローカルブランチ
origin/main → リモート main の状態を記録したローカル参照

つまり origin/main はリモートブランチではなく「最後に fetch したときのリモート状態のキャッシュ」。

git fetch → origin/main 更新

[FullstackSE_IT知見 @fullstack_se]

LINEで受け取ったメッセージをNotionに自動投稿するシステムを作りました📝

【構成】
LINE Webhook → API Gateway → Lambda → Notion API

【特徴】
✅ テキストはそのままNotionブロックに
✅ 画像はS3保存→署名付きURL→Notion File Upload APIで取り込み
✅ AWS SAMでインフラ管理

[FullstackSE_IT知見 @fullstack_se]

結果としてメモリ消費を最小限に抑えつつ、ストリーム的な処理が可能になります。大規模データ処理やログ解析で特に威力を発揮します。

[FullstackSE_IT知見 @fullstack_se]

Pythonのジェネレータがメモリ効率に優れている理由は、「必要になるまで値を作らない」から。リストのように全要素を一度にメモリへ展開せず、yieldで1つずつ生成・処理します。大量データや無限シーケンスでも、保持するのは現在の状態だけ。