uents

ソフトウェアエンジニア/クラウドシステム開発/データ分析/元組込み系。最近は先行技術開発/PoC実装/Platform Engineering。子どもはポケモンの世界大会出場(2025 Anaheim)。※発言は個人のものです

[uents @uents]

いいでしょと証明しやすい環境になりつつあるのではと思う

[uents @uents]

最近のX界隈の言説とは逆でAIエージェントが登場してから自分自身は圧倒的にコードを書く量が増えてて幸。同じ生産速度ならドメインに近い人がコードを書いた方が絶対に速くて(今までも速かったんだけど)、さらにAIエージェントのおかげで自分のタスクをスケールさせやすくなって内製の方が

[uents @uents]

これすごくわかる
大抵の実装は書き出す前から頭の中でできている

[naoya @naoya_ito]

僕は方々で話しているんだけど、プログラミングというのは思っているよりもずっと身体的能力で、同じような問題を何度も繰り返し解いていると、小課題は認知エネルギーを使わずに解けるようになって、空いたエネルギーでより大きな問題に意識を向けられるようになる、そういうものだと思っている

[きしだൠ(K1S) @kis]

コーディング、賢い人が書いたコードほど、無駄がなくスマートでそこにあるのが当たり前のように自然でそれ以外考えれないようなコードが書かれるので、人間が見てわかんないコードはあまり優れてない可能性がある。
世の中にはなぜか最高効率で動くよくわからないコードもあるけど、それはかなりレア

[uents @uents]

GitHub Copilotも従量制へ。モデル乗数も上がりすぎ、と思ったけど損益考えたらあれが正常なのかも？OpenAIもAnthropicも長期的には同じ流れでは。個人の趣味で使うには高価だから法人ユースがメインにはなって行くかな…

[uents @uents]

探索フェーズ・実装フェーズのどちらに振るかでも結構書く内容は変わる。世の中は後者が多いと思うけど
シンプルで満足行くものができたからよし

[uents @uents]

LLMに内在してるからほとんど要らねて言われちゃった笑 まあハーネス含めてエージェント側に取り込まれて行くんだろうな

[uents @uents]

@osm そうなんよ。結局独自の方向性の箇所だけに落ちた。要件/契約/制約とかはAGENTS.mdに書かずとも他のドキュメントはあるから要らんよね？と問いながら削って削って規範だけ残してる。
あとは自社の行動基準をぶつけたりして「それAIの責務じゃないです」と言わたりと中々楽しかったわ

[uents @uents]

LLMに内在してるからほとんど要らねて言われちゃった笑 まあハーネス含めてエージェント側に取り込まれて行くんだろうな

[uents @uents]

AGENTS.md 作業ステップや規約を書くよりもエージェントの行動規範を書く方がいいような気がしてるけど気のせいかな
そういった規範はLLMが学習する過程で内在するのかもしれないけど

[uents @uents]

要件や価値は要件定義、Howは設計書・使用し、定型作業はskillsやサブエージェント、規約は契約やインストラクションへ、となるのでAGENTS.mdにそれらを書くのは二重管理。
となるとAGENTS.mdに書くべきはprincipalsになると思うんよな

[uents @uents]

AGENTS.md 作業ステップや規約を書くよりもエージェントの行動規範を書く方がいいような気がしてるけど気のせいかな
そういった規範はLLMが学習する過程で内在するのかもしれないけど

[uents @uents]

「自分でやった方が早い」もまずは1周回ることが結構大事

[uents @uents]

「AIに実装を任せて人間は責任を負う」も「1周回って自分でやった方が早い」もどっちも正しい。大規模開発や開発委託ではあるある。どうすれば品質を担保したまま開発がスケールするかは常に考えるし、作ってもらったけど何か思ってたのと違うとかも

[uents @uents]

@copinemickmack 職種や職務内容もあると思いますけど業務に必要な情報がどれだけIT基盤上にあるのかはかなり大きいのかなと。
個人的にはリモートの方が効率がよいですが、何より人伝でないと分からなかった事がある程度以上に自力で調べれるようになったことが大きいです…

[uents @uents]

どれも興味深かったけどML実験運用にGitHub Copilotを活用してイテレーションの質と量を向上させる話おもしろかった。実験結果にメタ情報を付与して再利用生を高めたりいい知見が多かった
#GitHubCopilotDevDays #SBTechNight

[uents @uents]

そう思う。考え方の原点は変わらないしAIは必ずしも銀の弾丸ではない

[やねうら王 @yaneuraou]

AIに巨大なプログラムを書かせているとき、本質的なのは「AIが1秒あたり何行書けるか」ではない。実際に効いてくるのは、コード量が増えるにつれて、開発オーバーヘッドがどうスケールするかである。

AIが素で単位時間あたり一定量aのコードを書けるとしても、実開発ではコンパイル、テスト、デバッグ、調査、影響範囲の確認といったオーバーヘッドが必ず乗る。問題は、そのオーバーヘッドがその時点tでのコード全体量C(t)に対してどう増えるかだ。

単純化すると、以下の二つのケースがある。

1. オーバーヘッドが C にほぼ比例するケース
2. オーバーヘッドが log C 程度に抑えられるケース

コンパイル時間は、フルビルドだと1.に近い。
原因の切り分けが二分探索的に進められる種類のデバッグでは、2.に近い。

1.と2.のケースにおいてC(t)が時間tに対してどのように増加するか計算してみたのが添付図だ。

結論としては、
1.は、C(t)は√tに比例するので、コードを10倍にしようと思うと100倍の時間が必要。
2.は、C(t)はtに対してかなり直線に近い増え方をする。
である。

言うまでもなく1.と2.とは雲泥の差である。ソフトウェア工学のかなりの部分は、1.の世界をいかに2.に近づけるかという試みだったとも言える。

コードを書くときの認知的・構造的オーバーヘッドも、放っておけば前者に寄りやすい。しかし、モジュール分割、関数分割、クラス分割、依存の局所化、テスト単位の分離をきちんと行えば、そのコストを後者に近づけられる。そうなるようにプログラミング言語やモジュール機構、テスト手法、設計原則は発展してきたわけであり、マイクロサービスやクリーンアーキテクチャも、その文脈で理解できる。

AI時代になると、この問題はむしろ先鋭化する。AIはコードそのものを書く速度が高いぶん、設計や検証のオーバーヘッドの悪さが、以前よりはっきり露呈するからだ。

設計が悪く、影響範囲が広く、テスト単位が粗く、どこが壊れたのかを絞れない構造になっていると、1.に近づく。すると、せっかくの生成速度がオーバーヘッドに食われる。

だから、今後AIで巨大なプログラムを開発するエンジニアに強く求められるのは、単にプロンプトがうまいことではない。

システムを分割し、影響範囲を閉じ込め、検証単位を細かく設計して、開発全体のスケーリング則そのものを改善する能力だと思う。

[uents @uents]

最近これが嫌すぎてOIDCフェデレーションに切り替えた。Secrets and variablesで設定、というリプも見たけど永続キーを渡すこと自体最早いけてない気がしている

[Moedora＠SoloDev準備中 @app_saikou]

バイブコーダーが絶対に守るべきこと

・GitHubにAPIキーを載せない

以外になんかある？

#個人開発

[uents @uents]

@shibuya1973 政治とは長期投資でありその一時の判断が10年20年先の未来を決めることもあると思っています。現状を知らずそんなもんかと思ってしまっている市民が多いことが残念ですし子ども達の未来を考えるととても不安です。
市議の皆さまがよい仕事をされているのが救いです。これからも期待しております

[uents @uents]

@ebiebi_pg grp→グループ
chk→チェック
ctl→コントロール
mng→管理

mngはmgr派やmgmt派もいる気がします

[小崎 資広 (KOSAKI Motohiro) @kosaki55tea]

えっとここからオタク早口の話になるんですけど、Linux kernel hackerもgithubは使うんですよね。https://t.co/MLOGzmWNXyの帯域が狭いのでgithubからgit cloneしたあとでupstream情報を書き換えてリポジトリセットアップをするんです。まあそんなことしてもgithubに緑タイルは生えないのはそう