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 システム設計
システム設計 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
システム設計 を含む検索結果
Googleドライブのようなシステム設計、非機能要件がそのままUXに直結する。同期が遅い、通信量が無駄に多いだけでユーザーは離れる。データ絶対保護の信頼性と高可用性を担保しつつ、このUXのシビアな要求に応える設計、バックエンドエンジニアとして学びになる。
もっと見る
【ポケモン】『ポケットモンスター』複雑化するバトルを支えるシステム設計と運用事例。カギとなるのは構造化と拡張性【CEDEC2026】 1000種を超えるポケモン、900以上の技、300種を上回る特性が複雑に絡み合うバトルを処理するシステム、肝となる構造化と拡張性の確保を解説
もっと見る
TL;DR: プロンプトインジェクションを「モデルの賢さ」ではなく「システム設計」で防ぐ手法CaMeLです。AgentDojoで77%のタスクを、証明可能なセキュリティ付きで解決しました。 タイトル: Defeating Prompt Injections by Design URL: ポイント ・🧠 Privileged LLMは計画だけを書き、信頼できないデータは一切見ません ・🔒 Quarantined LLMは非信頼データを構造化するだけで、ツールは持ちません ・🏷️ 全ての値に出所と読み手のcapabilityを付与します ・📜 ツール呼び出し前にPythonのセキュリティポリシーで検査します ・📊 Claude 3.5 Sonnetで攻撃成功は0件。次点の防御は8件でした ・⚖️ 有用性は84%から77%へ。トークンは約2.8倍に増えます ・🕳️ 例外や時間などのサイドチャネルは課題として残ります 信頼できないモデルの周りに安全なシステムを作るという発想が、エージェントの本番運用で重要になりそうです。 #プロンプトインジェクション# #AIエージェント#
もっと見る
◥◣宇宙業界で働く社員の1日に密着🚀◢◤ 川崎重工の宇宙システム設計部のお仕事に密着! 自動車業界から転職し、 宇宙飛行士の命を守る"宇宙のエアコン"を作るエンジニアの仕事とは? 異業種出身者の活躍が光る職場環境にもご注目ください🌏 【本編動画URL】 #密着わたしの働くWAY# シリーズ #川崎重工#
もっと見る
ご紹介ありがとうございます!✨ 大切なデータを手元で管理する選択肢として、UGREEN NASync DH4300 Plusを取り上げていただきました。 UGOS Pro本体は、システム設計にPHPを使用していない点も特長のひとつです。 データの守り方やNAS選びが気になる方は、ぜひご覧ください👇 #UGREEN# #UgreenNAS# #データ保護# #PHP#
もっと見る
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。
もっと見る
開発をしていると思うのは、開発自体の意思決定はそこまで難しくなく、設計・実装・テスト評価といったプロセスを AI を使って高速で回せるようになったということです。 しかし、運用フェーズに入ると判断が少し複雑になり、かつ重くなっていきます。本当に AI だけで運用まで自律的に回そうとすると、かなり細かい指示やシステム設計をする必要があり、この判断が人間(私)にとっては非常に重くなってきているのが現状です。 そして最近分かったこととして、運用まで含めた「あるべき姿」を提示させて、現状とのギャップからそれらをすべて実装するように指示しても、意外とこれが成り立たないということが判明しました。 ここは今、最も Human in the Loop、ないし Human on the Loop の中で力を入れているところです。
もっと見る
🔄Loop Engineeringとはなにか? もう「AIにプロンプトを打つ」作業は終わりにしませんか?これからは、エージェントを自律的に回す仕組みそのものを設計する時代です。AIコーディングのパラダイムシフトの正体に迫ります。 💡 1. プロンプトからシステム設計への転換 従来のAIコーディング(AI-assisted Coding)は、人間がループの「中心」にいました。 👨‍💻 これまでのアプローチ: 人間がコンテキストを考え、プロンプトを打ち、AIの出力を読み、手元でテストを実行し、エラーが出たら再度プロンプトを打つ。AIは「高機能な関数」や「道具」であり、制御の主体は常に人間です。 🔄 ループエンジニアリング: 人間はループの「外側」に出て、システム全体のデザイナー(作者)になります。仕事の検知、AIへのコンテキスト注入、出力の自動テスト、進捗の記録、次のステップの判断という一連のライフサイクルを小さなプログラムに実行させます。 ここで重要なのは、AIモデルがシステムにおける「サブルーチン(部品)」へと降格し、代わりに環境(テストスイートやリポジトリの状態)からのフィードバックをループ処理する構造へ進化したという点です。 ⚙️ 2. ループを駆動する5つのコアコンポーネント+1つの記憶 抽象的な概念を動くシステムに落とし込むため、ループは以下のコンポーネントに分解されて設計されます。 ① ⚡ 自動化(Automations) ループの心臓部であり、発火トリガーと停止条件を定義します。 ツール(Claude CodeやCodexなど)では、単に定期実行する /loop だけでなく、明確な終了条件(例:「すべてのテストがパスするまで」)を満たすまでAIを回し続ける /goal コマンドなどがこれに該当します。条件が達成されるか、ハードストップ(予算や上限回数)に達するまで回り続けます。 ② 🌳 ワークツリー(Worktrees) 複数のAIエージェントが並列で動く場合、同じディレクトリで作業するとファイルの衝突(コンフリクト)が発生します。これを防ぐため、Gitの worktree 機能を使い、エージェントごとに独立した作業ディレクトリとブランチを隔離して自動生成します。機械的な衝突を回避し、並列性を担保する基盤です。 ③ 🧠 スキル(Skills) リポジトリのルールやコンテキストをカプセル化したものです。 通常、AIは実行ごとに前回の文脈を忘れますが、SKILL.md のようなファイルに「このプロジェクトのビルド手順」「命名規則」「過去の障害から得た注意点」を明文化しておくことで、AIは毎実行時にそれを読み込み、プロジェクト固有のシニアエンジニアのような振る舞いを固定化できます。 ④ 🔌 プラグイン/コネクタ(Connectors) filesystem(ローカルファイル)しか見えないAIを、本物の開発環境につなぐ架け橋です。 Model Context Protocol(MCP)などをベースに、GitHub(PR作成やIssue取得)、Linear/Jira(チケット更新)、Slack(人間への通知)、Sentry(エラーログの取得)と接続します。これにより、AIが「修正案を出す」だけでなく「Issueを読んで、コードを直し、PRを送り、Slackに報告する」というエンドツーエンドの行動が可能になります。 ⑤ 🤖 サブエージェント(Sub-agents) 役割を分担された独立したAIインスタンスです。「コードを書く役割(Maker)」と「コードを検証・レビューする役割(Checker)」を完全に分離します。 ➕ 💾 記憶:状態ファイル(State File) 地味ですが、ループの成否を分ける最も重要な要素です。STATE.md やJSONファイル、あるいは外部のチケット管理システムに「現在どのブランチが進行中で、何が完了し、次に何をすべきか」を永続化します。「エージェントは忘れるが、リポジトリは忘れない」という原則に従い、昨日の続きを今日のループが再開できるようにします。 🕰️ 3. なぜ「ただのcron(定期実行)」ではないのか? 懐疑派から「1975年に発明されたcronジョブのリブランド(名前の付け替え)に過ぎないのではないか」という指摘があります。これは半分正解で、半分は間違いです。 スケジュールやトリガーのレイヤーは確かにcronそのものです。しかし、従来のcronは「固定されたスクリプトを機械的に実行するだけ」でした。 ループエンジニアリングが異なるのは、ループの真ん中に「状況を動的に判断する意思決定者(LLM)」がいる点です。 テストが落ちたとき、どのファイルをどう修正すべきか、コンテキストをどう組み立て直すかという分岐は、ハードコードされた if/else ではなく、AIの推論によって動的に決定されます。工学的な面白さは、この「崖から落ちるかもしれない不確実な意思決定者」の周りを、いかに硬牢な自動テストやガードレールで固めるかというシステムデザインにあります。 ⚠️ 4. コストと運用リスクの現実 熱狂的な議論で無視されがちなのが、経済性とセキュリティの現実です。 💸 膨大なトークン消費(コスト) コード生成自体は安価になりましたが、ループを回すと「コンテキストの再読み込み」「リトライの繰り返し」「探索パターンの実行」により、トークン消費量が爆発的に増加します。 実際に、米Uberではエンジニア1人あたり月1,500ドルの上限を設けたにもかかわらず、年間のAI予算をわずか4ヶ月で使い切った事例があります。「最大反復回数」「金額上限」「進捗ゼロ検知による強制終了」の3つのガードレール(ハードストップ)の設計が不可欠です。 🛡️ 攻撃面の拡大(セキュリティ) 無人で動くループは、無人で動く攻撃面(アタックサフェース)になります。AIコーディングツールに起因するCVE(脆弱性)が多数確認されており、コマンドインジェクションやSSRF、XSSのリスクがあります。また、外部から取り込んだ「スキル」の説明文がプロンプトインジェクションの経路になり、デバッグログ経由で認証情報(資格情報)が漏洩するケースも監査で報告されています。 🧩 理解の負債(Comprehension Debt) AIが高速でコードを書き、テストが通ってマージされ続けると、リポジトリ内のコードベースと「人間の理解度」の距離がどんどん離れていきます。これを「理解の負債」と呼びます。最も高くつくのはトークンの請求書ではなく、「チームの誰も読んだことがなく、構造を理解していないシステム」をある日突然人間がデバッグしなければならなくなるコストです。 🛠️ 5. 実践:4条件テストと最小実用ループ(MVL)の構築 ループエンジニアリングを実務に導入する際は、厳格な仕分けとステップが必要です。 📋 導入のための4条件テスト 1. タスクが繰り返されるか?(週1回未満なら、手動プロンプトや使い捨てスクリプトの方が早い) 2. 検証が完全に自動化されているか?(テスト、型チェック、Linter、ビルドが悪い出力を100%機械的に弾けるか。これがないと人間がレビューの椅子に縛り付けられる) 3. トークン予算が無駄を吸収できるか?(従量課金で予算に余裕がない場合は無謀) 4. エージェントが環境を操作する道具を持っているか?(ログ確認や再現環境など) 🚀 最小実用ループ(MVL)から始める手順 最初から複雑なマルチエージェントを組むとシステムは確実に崩壊します。以下の順番でボトムアップに構築します。 1. 手動実行の確実化: 1回の手動プロンプトと環境操作で、タスクが完全に完了することを確認する。 2. スキルの文書化: その際のコンテキストや制約を SKILL.md にまとめる。 3. ループのラップとゲート配置: AIが書いたものを自動テスト(ゲート)にかけ、失敗したらAIに戻すという1サイクルを組む。 4. スケジューリング: 最後にそれをcronやイベントトリガーで自動化する。 🎯 レバレッジの支点は「コードを書くこと」から「コードを書く仕組みを定義し、検証すること」へ移動しました。人間は、AIが自分の宿題を甘く採点しないよう、冷徹な「検証ゲート」を設計するエンジニアであり続ける必要があります。
もっと見る
\鳥取から、宇宙開発の最前線へ/ ✅宇宙に関わる仕事がしたい ✅新先端の技術に触れてみたい。 ✅自分の専門知識がどこまで通用するか試したい。 そんな工学系学生のための、特別なインターンシップが誕生しました! 月面探査ローバーの開発、人工衛星データ✕AIの解析、宇宙機(スペースクラフト)のシステム設計など、宇宙スタートアップ企業のリアルな研究開発業務に挑戦できます✨ さらに今回は、有償型インターンシップ! プロの技術者から直接学びながら、自分の手で未来の技術をつくる経験へ。 専門知識を、宇宙開発の現場で活かしてみませんか? 【開催概要】 📅実施時期:2026年夏 👩‍🎓対象:鳥取大学・公立鳥取環境大学・米子工業高等専門学校(4年生以上) 💡対象分野:工学系学生 📍実施場所:鳥取県内・各受入企業 【募集コース】 🚀COURSE 01 株式会社amulapo 「鳥取砂丘を月面に変える!次世代ローバー実証開発」 🚀COURSE 02 株式会社スペースシフト 「衛星データ✕AIで未来を読み解く」 🚀COURSE 03 株式会社たすく 「次世代宇宙システム開発・実証」 詳細はこちら
もっと見る
毎秒数万件のツイートを捌くID生成の裏側のXのSnowflakeアプローチはIDをビット単位で分割管理する。符号1、時間41、データセンター5、マシン5、シーケンス12。12bitのシーケンス番号がミリ秒内の衝突を防ぐ。シンプルで無駄のない分散設計の教科書。 #システム設計面接#
もっと見る