コードレビューではもう限界、みたいな話題があるが、そもそも昔からレビューしていたのはコードではなくその裏にある設計や意図だったのではないか。関数の中の1行1行の書き方には昔からそんなに興味がなかったな

AIコードレビューでトークンを燃やしていませんか？🔥 コードを構造グラフ化して、関連ファイルだけ読ませることで、トークンを中央値82倍削減するツールです。 タイトル: tirth8205/code-review-graph URL: 🔥 概要 Tree-sitterでコードベースの構造マップ（グラフ）をローカルに永続化する、ローカルファーストのコードインテリジェンスツールです。AIアシスタントが、リポジトリ全体ではなく文脈的に関連するファイルだけを読んでレビューできるようにします。 ❓ 解決する課題 AIコードレビューツールは、レビューのたびにコードベースの大部分を読み直し、大量のトークンを無駄にします。 ・特に大規模モノレポでは、コンテキストが膨れ上がりコストもレイテンシも悪化します ・変更の影響範囲をスキャンするのに、プロジェクト全体を読む必要がありました 💡 方法論と仕組み 3段階のパイプラインで動きます。 ・パース：Tree-sitterがASTを作り、関数・クラス・import・呼び出し関係を抽出 ・グラフ保存：ノードとエッジをSQLiteに永続化（外部DB不要） ・分析：変更時に影響範囲（blast-radius）分析で、影響する呼び出し元・依存先・テストを辿り最小限の文脈を返す 多言語対応、増分更新は2秒未満、MCP連携（30ツール）、GitHub Action、D3.js可視化を備えます。 📊 実験結果 / 実績 ・トークン効率：38倍〜528倍の削減（6リポジトリで中央値約82倍） ・影響予測のF1スコア：平均0.71 ・CLI例：フル文脈12,921トークン→グラフ文脈762トークン（約94%削減） #コードレビュー# #AIエージェント#

最近話題の Claude Code自身が読んで欲しい場所にコメントをつけてくれる他、行レベルのコメントで修正を促したりできます。 また、二枚目のようなフロー説明で理解を手助けします。 こういうコードリーディング支援ツールが増えそう。

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#

🔍 TL;DR: 汎用AIエージェントのコードレビューにありがちな見落としやズレを、Alibaba社内実績のハイブリッド設計で解決したCLIツールです。 タイトル: alibaba/open-code-review URL: 📌 ポイント ⚙️ 精度が必要な部分はハード制約、判断が必要な部分だけAIに任せる設計 📝 Gitディフから行単位の構造化レビューコメントを生成 🕵️ 未知のコードベース向けにフルファイルスキャンモードも搭載 🛡 NPE・スレッドセーフティ・XSS・SQLインジェクションなど多言語ルール内蔵 🔌 Claude Code、Codex、Cursorなどにプラグインで統合可能 📊 50リポジトリ・200PRのベンチマークでClaude Codeより高いPrecision/F1 💰 トークン消費は比較対象の約1/9 数千人規模の社内運用で鍛えられた精度が、そのままOSSで使えるのは魅力的だと思います。 #コードレビュー# #AIエージェント#

# Palantir Foundryを学ぶ 🚀 ノーコードでは届かない複雑なロジックを、ソフトウェア工学の品質管理ごとデータ基盤に持ち込む。それがCode Repositoriesです。 📌 タイトルと機能のURL タイトル: Code Repositories(Pythonトランスフォーム) URL: 📝 概要 Code Repositoriesは、Foundry内で本番品質のコードを作成・協働するためのWebベースの統合開発環境(IDE)です。基盤にあるGitリポジトリをブラウザのUIから操作でき、コマンドライン無しでチーム開発を進められます。プラットフォーム固有の機能を備え、データエンジニアリングにソフトウェア開発の作法をそのまま適用できます。 🔧 機能の説明 バージョン管理とコラボレーションが中核です。 ・ブランチ作成・コミット・リリースタグ付けといったGit操作をWeb UIから実行できます ・プルリクエスト(PR)でコードレビューを行い、権限は「高度に設定可能」でレビュー必須化などの品質保証を支えます ・IntelliSense、リンティング、エラーチェック、文脈に応じたヘルプダイアログがすべてのリポジトリ種別で利用できます ・Transformsリポジトリでは、Python・Java・SQLでのデータ変換ロジックを記述し、プレビューとデバッグが可能です ・FunctionsリポジトリはオントロジーをネイティブにサポートしTypeScript/Pythonで低レイテンシのビジネスロジックを実装できます 🛠 実践的な使い方 ・PySparkを用いて、数十億行規模の名寄せや複雑な業務ルールをコードで実装します ・PRレビューを必須に設定し、マージ前に第三者の確認とCIチェックを通すことを強制します ・ユニットテストを組み込み、変換ロジックの回帰を防ぎます ・Functionsリポジトリでは、オントロジーのデータ型に基づくオートコンプリートを活かして安全にロジックを記述します ・モデル開発リポジトリで機械学習ワークフローもプラットフォーム内に取り込みます 🎯 ユースケース ・Pipeline Builderでは表現しきれない複雑な名寄せ・業務ルールをPySparkで実装 ・「本番直編集によるデグレ」を、レビュー必須化とブランチ運用で構造的に排除 ・派生KPIや検証ロジックをFunctionsとして実装し、各アプリから再利用 ・MLモデルの学習・推論コードをガバナンス下で管理 ⚠️ 注意点 ・ドキュメントの日本語訳は機械生成で未検証である旨が記載されており、ローカライズ内容には精度上の限界がある可能性があります ・リポジトリ種別(Transforms/Functions/Model)ごとに対応言語や用途が異なるため、目的に合った種別を選ぶ必要があります ・プロコード環境ゆえ、レビュー・CI・テストの運用ルールを組織として整備しないと品質管理の効果が出ません #PalantirFoundry# #DataEngineering#

# Codexの機能と実践的な使い方 🚀 「コードを書くすべての場所に、ひとつのエージェントを」。OpenAI Codexは、生成から理解・レビュー・デバッグまでを丸ごと任せられるAIコーディングエージェントです。 🏷️ タイトル: Codex 基礎 🔗 URL: 📘 概要 Codexは、ソフトウェア開発のためにOpenAIが提供するAIコーディングエージェントです。単なるコード補完ではなく、既存のプロジェクト構成や規約を読み取りながら、自律的にタスクを進めてくれます。ChatGPTのPlus/Pro/Business/Edu/Enterpriseプランに組み込まれています。 ⚙️ 機能の説明 Codexの中心となる能力は大きく5つです。 ・コード生成: 「何を作りたいか」を伝えると、既存の構成や命名規約に合わせてコードを書きます。 ・コードベース理解: 複雑なコードやレガシーコードを読み解き、システムの構造を説明します。 ・コードレビュー: バグ・ロジックの誤り・未処理のエッジケースを洗い出します。 ・デバッグ: 失敗を追跡し、根本原因を診断して、的を絞った修正を提案します。 ・反復作業の自動化: リファクタリング・テスト・マイグレーション・セットアップを代行します。 これらを安全に動かすために、サンドボックスによる実行境界と承認ポリシーという仕組みが土台にあります。 🛠️ 実践的な使い方 Codexは「コードを書くあらゆる場所」で動くのが特徴で、複数の入口が用意されています。 ・CLI: ターミナルで `codex` を起動して対話的に作業 ・IDE拡張: エディタ内からそのまま委任 ・Web / クラウド: ローカルに無いリポジトリのタスクを並列実行 ・GitHub連携: PRに `@/codex review` でレビューを依頼 ・Slack連携: スレッドで `@/codex` にメンションしてタスク起動 まずはCLIで `npm i -g @/openai/codex` から始め、慣れてきたらGitHubやSlackに広げるのが王道です。 💡 ユースケース 未知のリポジトリに参加した初日に「このプロジェクトについて教えて」と尋ねて全体像をつかむ、レビュー前にバグを先に潰してもらう、退屈な一括リファクタリングを丸ごと委任する、といった使い方が現実的です。人間は方針決定とレビューに集中できます。 ⚠️ 注意点 Codexはファイルの読み書きやコマンド実行を伴う自律エージェントです。タスクの前後でGitのチェックポイント（コミット）を作っておくと、いつでも安全に巻き戻せます。認証はChatGPTアカウントが推奨で、APIキー認証では一部機能が制限される場合があります。 #OpenAICodex# #AIコーディング#

AI時代のエンジニアリング組織論 ■ 開発工程のボトルネックはコーディングから製品設計とコードレビューへ移行する リーガルAIのLegoraは、創業18ヶ月でARR1億ドルを突破し評価額56億ドルに達した最速のB2B企業である。CTOのヤコブ・ラウリツェンは、AIツールにより従来のボトルネックだったコーディングのコストは劇的に低下したと語る。現在、開発の真の制限要因は、顧客ニーズを製品設計へ落とし込む作業と、生成されたコードのレビュー工程へ移行している。そのため、同社はPMが顧客との対話に集中できる時間を守り、エンジニアをシステム設計に特化させている。 ■ トークンの消費量競争は開発組織を歪ませる無意味な評価指標である 多くのエンタープライズ企業が陥る失敗が、開発者評価にAIトークン消費量を持ち込むことである。トークン消費を可視化するリーダーボードを作ると、エンジニアは評価のためだけに無意味にトークンを浪費し始める。ラウリツェンはこの「トークンマクシング」を愚策と一蹴し、AI使用量そのものを報酬評価にしてはならないと警告する。組織が評価すべきは開発効率と実際のアウトプットの質であり、デモ等を通じて効率化の工夫を共有し合う環境こそが不可欠である。 ■ 開発者体験に特化した専門チームの設置が組織全体の生産性を最大化する 同社は、わずか80名のエンジニアでAccelやBenchmark、NVIDIA等から8億ドル以上を調達した。現在、Legoraのコードの50%以上はCursorやClaudeなどのAIツールにより生成されている。この開発速度を維持するため、同社は3名の開発者体験（DevEx）専門チームを早期から設置した。彼らは、エンジニア1人あたり最大10個の自律コーディングエージェントを回し、独自のCIレビューボットを開発して全員の開発を支援している。結果としてエンジニア全員が約20%効率化し、新人の即戦力化も劇的に加速した。 ■ 複雑度の低い社内ツールは購入するよりバイブコーディングで自社開発する AI開発において、同社は社内ツールの導入基準として、機能の広さと複雑度の深さという2つの軸を設けている。既存製品を購入するよりも、複雑度が低く自社専用のカスタマイズが必要なシステムは、バイブコーディングで自作する方が安価になった。特に人事管理やオンボーディングシステム、データ移行アプリなどは、AIを使って自立的かつ高速に自社開発することが推奨される。汎用ツールに頼る手間を省き、社内のAIイネーブルメントチームが直接プロトタイプを開発して課題を瞬時に解決している。 ■ 組織を急成長させるためにはエゴのない優秀な人材の密度を高める Legoraが競合を圧倒して超高速成長できた最大の要因は、優秀なAプレイヤークラスのエンジニア密度を極限まで高めたことだ。特に5〜8人規模のスタートアップチームを丸ごと買収するアクハイヤー戦略は、高いチーム開発力を一瞬で取り込む上で効果的だった。この統合を成功させたのは、役職やタイトルへの執着を一切排除する「ローエゴ（低自己愛）」の徹底した採用基準である。ラウリツェンは、最も優れた成果を出せる者が役割を担う機動的な文化を築き、エゴの排除が企業の成長速度を決めると実証している。

# Claude Agent SDKの便利だけど知られていない機能 🌍 コードを変更せずに計画だけ立ててほしい？planモードなら読み取り専用でClaudeが分析・提案します！ Claude Agent SDKのplanモードは、ソースファイルを一切編集せず、読み取り専用ツールだけでコードを探索し、変更計画を立てるモードです。 📌 タイトル：plan モード（読み取り専用のみ実行） 🔗 URL： 🧩 概要 `permission_mode="plan"` を設定すると、Claudeは読み取り専用ツール（Read、Grep、Globなど）と読み取り専用のシェルコマンドだけを使ってコードベースを探索します。Edit、Write、Bashでの書き込み操作は実行されません。要件の明確化が必要な場合は `AskUserQuestion` を使ってユーザーに質問することもあります。コードレビューや変更提案を安全に行いたい場面で最適です。 🛠 使い方 ```python # Python - コードレビュー用のplanモード import asyncio from claude_agent_sdk import query, ClaudeAgentOptions async def main(): async for message in query( prompt="認証モジュールのセキュリティ問題を分析し、改善計画を提案してください", options=ClaudeAgentOptions( permission_mode="plan", # 読み取り専用で分析 ), ): if hasattr(message, "result"): print(message.result) ``` ```typescript // TypeScript for await (const message of query({ prompt: "Analyze security issues in the auth module and propose a fix plan", options: { permissionMode: "plan" // Read-only analysis } })) { if ("result" in message) console.log(message.result); } ``` 🏗 本番システムへの組み込み方 ・プルリクエストの自動レビューで、コードを変更せず問題点と改善案だけを提示します ・新しいコードベースの調査・理解フェーズで安全に探索できます ・変更を実行する前の「計画フェーズ」として、人間が計画を確認してから実行モードに切り替える運用ができます ・`set_permission_mode()` と組み合わせて、計画承認後に `acceptEdits` に切り替えるワークフローが構築できます 💡 ユースケース 📋 コードレビューで変更提案だけを生成し、実際の変更は人間が判断する 🔍 大規模コードベースのアーキテクチャ分析を安全に行う 📝 リファクタリング計画を立てて、チームで合意してから実行する ⚠️ 注意点 ・読み取り専用のシェルコマンドは実行される場合があります ・`AskUserQuestion` が発生する可能性があるため、完全な無人実行にはdontAskモードの方が適しています ・計画結果を実行に移す場合は、新しいセッションまたは権限モードの動的変更が必要です ✨ 「まず計画、次に実行」のワークフローはエンジニアリングの基本です。planモードで安全に分析し、納得してから変更を実行しましょう！ #ClaudeAgentSDK# #AIAgent#