登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 コーディング
コーディング コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
コーディング を含む検索結果
コーディングエージェントを20セッションくらい並列で動かしてソフトウェア開発してたらソフトウェアテストが律速要素になってきた。コーディングは早いけど、ローカル端末でのテスト実行はどんなに頑張ってもCPUとメモリがボトルネックになる。特にシナリオテストやE2E。効率的なテスト実行戦略を作らねば。
もっと見る
コーディングやWebの仕様を理解していないデザイナーがいる限り、コーダーの仕事はなくなることはない気がする。 なぜなら、自分で作ったデザインからAIでうまく出力できないから。 そして、そのコードでは責任を持って納品することができないから。 逆にいうとコーディングを理解しているデザイナーは、自分でコードを書かず構築する時代に。
もっと見る
コーディングエージェント(コードを書いて実行しながら作業を進めるAI)にロボットを任せられるのかを、1,156タスク・47機種のロボットで測る試験「Embodied First Exam」が出た( Berkeleyなどの共同研究だ。 エージェントは動かし方を自分で選ぶ。動作を直接送る、制御プログラムを書く、方策(状況から動作を決める学習済みモデル)を学習する、の3通りだ。 肝は、同じタスクを条件を変えて解かせること。「Privileged」はシミュレータの全状態が読め、何度でもやり直せる。「Standard」は実機に近く、見えるのはカメラなどのセンサーの値だけで、原則リセット(初期状態に戻すこと)もできない。「Realtime」では考えている間も世界が止まらない。 難しい456タスクで8つのエージェントを比べると、最強のGPT-6 Astra(Codex上)でもStandardの成功率は34%。両方の条件がある391タスクでは、Privilegedの77%に対しStandardは30%まで落ちる。 何が差を生むのか。GPT-6 AstraのStandardに機能を足す追加実験では、28%だった成功率が、物体の正確な状態を見せると45%、無制限のリセットを許すと53%、両方で68%になった。正確な情報より、やり直せることが効く。Standardでは特に精密さが要る段階で失敗が増え、8エージェントの集計では組み立て段階の失敗率がPrivilegedの34%から80%に上がる。 モデル以外の要素も大きい。GPT-6 AstraはCodexで34%、Claude Codeでは22%。ハーネス(モデルにツールや文脈管理を提供する実行環境)を替えるだけで最大12ポイント動く。上位3エージェントは解けるテストが一部ずれていて、3つ合わせるとStandardの48%を解く。1体に深く考えさせるだけでなく、違うエージェントを並べる幅の使い方にも余地がありそうだ。 注意点もある。各テストの試行は1回だけで、実力と偶然のぶれを分けられない。失敗段階の判定の大半と難問の選別には、GPT-6 Astraと同系列のモデルを使っている。結果はすべてシミュレーションで、実機は電流イライラ棒1タスクのデモにとどまる。シミュレーションの成績が実機をどこまで予測するかは未検証だ。 センサーだけで一発で決める力には、まだ伸びしろが大きい。一方で、やり直しの仕組みやハーネス、エージェントの組み合わせで埋まる部分もありそうで、小さなチームが工夫できるのはむしろそこかもしれない。
もっと見る
コーディングエージェントに「コード専用の検索エンジン」を持たせる、という発想のAPIが公開されました。一般的な検索と違い、公式ドキュメントだけを対象にしているのがポイントです。 タイトル: Context7 Search: A Grounding API for Coding Agents URL: 📝 概要 1回のGETリクエストで質問を送るだけで、Context7が適切なライブラリを自動選択し最適なコード片を返す新しいSearch APIです。 ❗ 解決する課題 一般的な検索エンジンはコード検索時に古い情報や不正確な情報が混ざりやすく、従来のContext7も1ライブラリずつしか検索できない制約がありました。 ⚙️ 方法論 公式ドキュメント・製品サイト・APIリファレンスなど一次情報源のみを対象にし、インデックス化前にマルウェアやプロンプトインジェクションをスキャン。各結果にライブラリIDとソースURLを付与して出典を明示します。 🔧 ユースケース 「Next.jsのルートハンドラーからOpenAIレスポンスをストリーミングするには?」のような1つの質問で、複数ライブラリのコード片をまとめて取得可能。IDEプラグインやコードレビューボットへの組み込みも想定されています。 💰 料金 Freeプランは月1,000コールまで、Proプランはユーザーあたり月5,000コールまで、それ以降は1,000コールあたり10ドルです。 #AIエージェント# #開発者ツール#
もっと見る
コーディングエージェントの「ハーネス」って、計画機能もツール設計も文脈管理も、実はモデルの強さ次第で最適解が真逆になるんです。176通りの実験でそれを丁寧に検証した論文です。 タイトル: An Empirical Study of Harness Design for Coding Agents URL: 🧠 注目ポイント1: 文脈管理は資源が少ないほど効く 32kトークンのウィンドウでは、文脈管理ありと管理なしでSWE-Benchの成功率差が35.7ポイントにも達しました。しかも複雑なリコール機構はほぼ使われず、精度にも寄与しないことが判明しています。 📋 注目ポイント2: 計画機能の効果はモデルの強さで真逆になる 弱いモデル(30B)は計画を与えると成功率が+11.6ポイント向上しました。編集を試さず終了してしまう割合も69%から28%に激減しています。逆に強いモデル(550B)は計画なしでも十分で、計画を入れるとコストが約30%下がりました。 🔧 注目ポイント3: ツール設計もモデル・タスク次第 弱いモデルは専用ツール一式が必要ですが、強いモデルはbashコマンドだけの方が高性能かつ低コストになるケースが目立ちました。同じモデルでもタスクの種類によって最適解が逆転することもあります。 自分たちのモデルとタスクに合わせて、ハーネスの各要素を個別にチューニングする発想が大事だと実感しました。 #コーディングエージェント# #LLM#
もっと見る
コーディングエージェントがチームのコラボレーションを阻害されている、という分析。 ・AIエージェントは人間同士の協働を促進する新しいチームメイトとして期待されている ・ただ、2,361のGitHubリポジトリと25,264件のPRを分析した結果、実態は逆であることがわかった ・70%のプロジェクトにおいて、エージェントを活用しているコントリビューターは2割未満 ・さらに、エージェントが生成したPRの79%は、同じ開発者が単独でレビューと修正を行っている ・ツールの導入によってプロセスが個人化し、かえって開発者が孤立している ・同僚の代わりにAIに相談する開発者が増えた ・こうなると、経験の浅いジュニアエンジニアは、AIの提案の誤りに気づけないリスクが増えてくる ・組織はAIによる生産性向上を個人の責任にせず、チーム全体で取り組むのが良い ・デイリースタンドアップやQ&Aチャンネルなど、ノウハウを共有する場が重要になる ・今後はコードレビューよりも、設計やリスク評価など上流工程での知識共有が主軸になるだろう
もっと見る
コーディングエージェントが普及して、「手で速く書ける人が一番強い」という前提が崩れてきた。AIツールを使いこなす求人は1年で約340%増、一方で純粋な実装職は減少傾向。これからは「自分で書く力」より「エージェントを束ねる力」が効いてくる。
もっと見る
コーディングエージェントは「どのモデルが賢いか」で選ばれがちだけど、それだと半分しか見てない。同じClaude Opusでも、ある器では77%、別の器では93%とスコアが激変した実測がある。モデルじゃなく、それを動かす器の差で結果が変わるんだ。
もっと見る
コーディングエージェントは1タスクで数十回もAPIを叩くので、誰にも気づかれず週に数千ドル溶かしてしまう——LangChainがこの「支出の予測不能性」を社内でどう潰したかの話です💸 鍵は予算管理をオブザーバビリティと同じ場所に統合することでした。 タイトル: How LangChain Made Coding Agent Spend Predictable URL: 💸 概要 LangSmithに統合した「LLM Gateway」で、全社のモデル支出を分単位で俯瞰し、予算を中央集権的に管理する仕組みです。外付けプロキシではなく、既存のトレース・評価・ユーザー管理と同じ基盤の上に乗せた点が特徴です。 ❓ 解決する課題 モデル利用が一部チームから全社に拡大し、プレミアムモデルの値上げも重なってコストが急増。 ・コーディングエージェントは1タスクで数十回のAPI呼び出しを発生させます ・個々の開発者が気づかぬうちに週数千ドルを使い、月末まで誰も気づけませんでした 💡 方法論と提案手法 予算を多階層で設定できます。 ・組織/ワークスペース/ユーザー/APIキーの単位で上限を設定 ・月次・週次・日次・時間単位の既定ウィンドウを全従業員に適用し、高負荷プロジェクトには例外を許可 ・Claude Code・Codex・LangChain Deep Agents経由のエージェントをカバー ・MDMで配布し各自のセットアップを不要に ・実行はトレースされユーザーとAPIキーに紐づき、超過時は該当トレースを評価データで診断できます 🌍 ユースケース チーム単位で上限を設定しつつ、サプライズ請求の不安なくエージェント利用を許可できます。月末の請求ショックを、リアルタイム監視に置き換えるのが実用的な価値です。 📊 教訓と成果 ・モデル価格は静的な表ではすぐ陳腐化するため、キャッシュやティア差を含め動的に扱う必要がありました ・CursorやClaude DesktopはきれいにルーティングできずGateway捕捉分と提供側設定の差分を計測して補正 ・ハードリミットだけでは業務が止まるため、早期警告アラートと監査可能な増額申請に進化 ・社内展開以降、LLMコストは予算内に収まっています #コーディングエージェント# #LLMOps#
もっと見る
AIコーディングによる開発のブラックボックス化を防ぐには?株式会社Serverless Operationsが「AI時代のチーム開発...