AI Workforceのアーキテクチャの変遷のお話興味深かった👀 実行エンジンとか作るのかなり面倒くさいだろうから使う側は整備されてるとありがたいだろうな。 #BetAIDay#

Claude Codeでアーキテクチャ図とかシーケンス図を作るskill「diagram-design」 27種、出力は単体のHTML+SVG 角丸だらけの汎用図を避けて、色とフォントをサイトから寄せられる こういう図作るの大変だからめっちゃ助かるマダガスカル

LLM のアーキテクチャはすでに十分複雑になっているよ、今後はシンプルな要素を組み合わせられるようにしないと、という内容だった。

12/13（水）19:30〜バックエンドアーキテクチャの勉強会に登壇します。 ログラスのアーキテクチャについて話す予定なので興味ある方ぜひいらしてください！オンラインでの開催です。 ★再増枠★ Backend Night 〜アーキテクチャ設計編〜

🏛 要件仕様書を入れると、4+1ビューのアーキテクチャ図から本番品質のドキュメント、ATAM相当の評価レポートまで自動生成。4つの専門エージェントが要件と設計の橋渡しをします。 タイトル: Bridging Requirements and Architecture: Multi-Agent Orchestration with External Knowledge and Hierarchical Memory URL: 📝 概要 MAADは、ソフトウェア要件仕様（SRS）からアーキテクチャ設計までを、役割特化の4エージェントでオーケストレーションするフレームワークです。外部知識（RAG）と3層の階層メモリで、一貫性とトレーサビリティを担保します。 ❓ 解決する課題 アーキテクチャ設計は複雑で知識集約的なため、アーキテクトに大きく依存していました。単一LLMは出力が一貫せず要件カバレッジが不完全で、既存のマルチエージェントもアーキ固有のワークフローや知識統合を欠いていました。 💡 方法論と提案手法 ・Analystが要件（FR/NFR/ASR）を抽出し、Modelerが4+1ビューのUML図へ、Designerが本番品質ドキュメントへ変換します ・EvaluatorがトレーサビリティとATAMベースの分析で各段に品質ゲートを設けます ・ISO/IEC/IEEE 42010などの標準や定番書籍をベクトルDBに埋め込み、クエリごとに上位3件を参照します ・作業記憶・エピソード記憶・意味記憶の3層メモリで、反復的な洗練と知識再利用を支えます 🎯 ユースケース 要件からの素早いアーキテクチャ設計、要件変更に追従する一貫性維持、暗黙知に頼らない知識移転、自動検証によるレビュー負荷削減などに使えます。 📊 実験結果 ・実世界のSRS 10件で、MetaGPTより完全・モジュール性が高く・トレーサブルなアーキテクチャを生成 ・結合度や凝集度など7つのアーキテクチャ指標で評価し、Evaluatorが品質レポートを自動生成 ・評価LLMではGPT-5.2とQwen3.5が多くの設定で他を上回りました ・現役アーキテクト6名が「原則に整合し実開発に適する」と評価しました #SoftwareArchitecture# #AIエージェント#

Amazon S3 に眠ったままのデータ、 動かさずに AI エージェントの基盤へ → Google Cloud の最新データ分析ポートフォリオ SOAP（Semantic and Ontology Agent Platform）アーキテクチャは、データを動かさずにつなぎ、意味と知識の層で AI をグラウンディングします。