mabui@フルスタックコアラ

フリーランスエンジニア9年目｜Go / AWS / Terraform｜AIを"使う"で終わらせず、検証可能な形で開発に組み込むのが関心。作ったものや技術記事を発信します。

[mabui@フルスタックコアラ @mabui_x]

📝 解説記事: https://t.co/8QuJXE9W5n
📦 コード: https://t.co/rVR1jIwTRR

コアが外部APIなしで完結する方針は、この連載でずっと同じです。

[mabui@フルスタックコアラ @mabui_x]

指摘に「なぜダメか」の根拠（出典）を添える RAG。

APIキーや埋め込みモデルが無くても動く構成にした話を書きました👇

[mabui@フルスタックコアラ @mabui_x]

表記揺れに強い埋め込み検索（コサイン類似度）も用意して、`OPENAI_API_KEY` がある時だけ差し替え。

「既定は無料でオフライン、必要な人だけ課金で精度を上げる」二段構えにしています。

[mabui@フルスタックコアラ @mabui_x]

📕 本（¥500 / 最初の2章は無料） https://t.co/HX3pGGxbct🛠 llm-cite（OSS） https://t.co/pszl09Wz2i

[mabui@フルスタックコアラ @mabui_x]

「ググる」の中身が変わってきた。検索結果より先にAIの要約が出て、リンクを踏まずに終わる。

そこで要るのが「AIに引用される」ための最適化＝GEO/LLMO。でも出回っている情報はマーケ寄りばかり。

エンジニア向けの技術本を書きました👇

[mabui@フルスタックコアラ @mabui_x]

肝は「測る」。言及シェアやハルシネーションを precision / recall で評価する。

そのための小さなOSSツール llm-cite も作りました。APIキー無しのオフラインで動いて、判定ロジックを自己テストできる。

[mabui@フルスタックコアラ @mabui_x]

中身は小手先の最適化ではなく、裏側の話。

・生成AIはどう答えの根拠を選ぶのか（RAG・埋め込み・リランキング） ・「引用されているか」をどう測るのか ・そのデータ収集と集計をどう実装するか
検索とデータ処理の道具でGEOを捉え直す。

[mabui@フルスタックコアラ @mabui_x]

📝 解説記事: https://t.co/iJYFLYbiRF
📦 コード: https://t.co/UOJkYWW6YD

「静的リテラルしか見ない」割り切りと、その境界も正直に書いてます。

[mabui@フルスタックコアラ @mabui_x]

Terraform の `.tf` を、terraform を実行せずにソースだけで解析する。

「変数に化けた値で誤検知しない」ための静的解析の話を書きました👇

[mabui@フルスタックコアラ @mabui_x]

ハマったのは Known フラグの短絡評価の順番。エラー時に値を触ると NilVal 絡みで panic する。`&&` の順序で回避しました。

評価できない式（IAMの `jsonencode` 等）は、生ソースを残してフォールバック。

[mabui@フルスタックコアラ @mabui_x]

📝 解説記事: https://t.co/YTAN7wgFRa
📦 コード: https://t.co/UOJkYWW6YD

確実にやれる部分はコードで、LLMは"人が読んで嬉しい文言"に絞る。この線引きの話です。

[mabui@フルスタックコアラ @mabui_x]

LLMを使ったツールで一番困るのは「毎回結果が変わって、テストできない」こと。

自作の iac-guard でここをどう解決したか、設計の話を書きました👇

[mabui@フルスタックコアラ @mabui_x]

Analyzer インターフェースで差し替え式にして、既定はオフラインの Mock。LLMがこけても既定値で返す（fail-soft）。

ただし黙って縮退はさせず、失敗はログに出す。ここは握りつぶしてハマった実話つきで書いてます。

[mabui@フルスタックコアラ @mabui_x]

コードは公開、go install で試せます。

📦 https://t.co/UOJkYWW6YD
📝 解説記事: https://t.co/RuRE8BER6j

「AIを使ってます」で終わらせず、ちゃんとテストできる形にこだわって作りました。

[mabui@フルスタックコアラ @mabui_x]

Terraform を読んで、コスト/セキュリティ問題を「根拠・修正案・概算削減額つき」で指摘するツール iac-guard を Go で作りました🛡️

tfsec/checkov があるのに、なぜ自分で作ったのか。linter が"苦手"な部分を AI で補う設計を、このスレッドで解説します👇

[mabui@フルスタックコアラ @mabui_x]

こだわったのは、"AIっぽさ" を数字で確かめられるようにすること。

わざと紛らわしい"正常"リソース（全開放だが :443、社内レンジのみの SSH 等）を混ぜた fixture で precision/recall を毎回測定。誤検知ゼロを CI で守っています。

[mabui@フルスタックコアラ @mabui_x]

linter は「何かおかしい」は教えてくれる。でも "なぜ問題か・どう直すか・このインスタンスは過大か等の判断・根拠" は苦手。

そこを LLM で補いつつ、検出コアは決定論的（オフライン・テスト可能）に保つ。両者をインターフェースで分離しました。