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 ソフトウェア設計
ソフトウェア設計 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
ソフトウェア設計 を含む検索結果
🤔 「AIがコードを書けるようになったら、ソフトウェア設計なんてもう要らないのでは?」多くの人がそう感じ始めています。この記事は、その直感がまったく逆だと教えてくれます。 コーディングは、要件理解・設計・コーディング・検証・サポートという5つの活動のうちの1つに過ぎません。人間の開発者は、設計書が多少あいまいでもチームの暗黙知や経験で補えます。しかしAIコーディングエージェント(AI-SDE)にはそれができません。設計情報が明示的に存在しなければ、既存のコードを再利用すべき場面で気づかず重複コードを生成してしまい、成熟したシステムを修正するたびに複雑さが積み重なっていきます。 さらに興味深いのは、設計の「経済学」自体が変わるという指摘です。これまでのオブジェクト指向やクラス階層は「人間が書くコード量を減らす」ためのものでした。AIによる実装コストがほぼゼロに近づく時代には、複雑な再利用構造を組むより、AIに振る舞いをシンプルに説明できる設計の方が価値を持つようになります。問いは「どう書く量を減らすか」から「AIが実装する前提で、何が最良の設計か」へと変わっていくのです。 Software Design in the Age of AI: Why AI coding makes software design more important AIが速く安くコードを書けるようになるほど、それを支える設計の質こそが問われる時代になりそうです。 #ソフトウェア設計# #AIエージェント#
もっと見る
"Learning Software Architecture" というタイトルの記事から。 ・ソフトウェア設計は、実際のプロジェクトを通じて実践で学ぶのが一番 ・プログラミングにおいてコード以上に重要なのはアーキテクチャ ・アーキテクチャ以上に重要なのは組織の社会的な問題 ・科学(研究に近い)向けのコードが産業界のコードと異なるのは、開発者の知識の差ではない ・これは、3ヶ月後に論文を出す、といったインセンティブ構造の違いによる ・プロジェクトのインセンティブ構造自体を設計できる機会は稀だが、できれば非常に効果的になる ・構造を変えられない場合は、諦めて制約の中で最善を尽くすしかない ・筆者は rust-analyzer の開発において、コントリビューターの層に合わせたアーキテクチャを採用した ・中核部分には優秀な開発者を惹きつけるため、依存関係を減らしてビルドを徹底的に高速化 ・周辺機能には週末だけプログラミングできる層を集めるため、各機能を完全に独立させた ・周辺機能の品質基準も正常系が動けばOKとして、クラッシュが全体に波及しない仕組みを作っておいた (つまり、コントリビューターが取り組みやすい構造を設計に取り入れて、社会構造に対応しようとした) ・ただ、適応を優先して実験的に作ったコードが、そのまま本番運用され続けるリスクもあるが ・なお、ソフトウェア設計の真理が1冊にまとまった本は存在しない ・それでも、おすすめの書籍や講演はいくつかある ・APoSDとか、Software Engineering at Googleとか
もっと見る
光学薄膜設計ソフトウェア「TFCalc」が大型UI刷新
オムロン、AIを活用した設計支援ソフトウェアを提供開始
『ソフトウェア開発者は、エージェントを作る人になっていく』 AIエージェントを使ってコードを書く。その次に来るのは、自社の製品で働くエージェントを設計する仕事だ。LeadDevの記事では、Agentic AI Foundation(AAIF)の幹部がこの変化を予測し、行動の制御や問題の調査まで担える開発者を増やす必要があると述べている。 AIを使いこなすことと、AIに仕事を任せられるように設計することは、違う能力だと思う。何を任せ、何を制限し、失敗したときにどう調べるか。コードを書く速度だけでなく、こうした設計をチームで学ぶことが大事になりそうだ。 以下、詳細です。 ・エージェントを作るためのスキル 同じ入力でも結果が変わりうるシステムを扱い、できることとできないことを制御する。行動を記録し、問題が起きたら実行履歴を追って原因を調べる。記事は、エージェントの利用経験だけでは身につかないスキルに目を向けている。 ・MCPの普及と社内ルール MCP(Model Context Protocol)は、AIを外部のデータやツールにつなぐための共通規格だ。AAIFによると、ChatGPT利用者によるMCPのツール呼び出しは、2026年8月に同年1月の98倍に達した。ただし、呼び出し数の増加だけでは、信頼性や安全性までは分からない。 ・接続した後の管理 ネットで見つけたMCPサーバーを導入するだけでは、安全な運用にはならないと記事は指摘する。組織としてMCPサーバーをどう管理し、どんな制御を加えるかを決める必要がある。エージェントの機能追加と、運用のルールづくりを一緒に進める話だ。 ・エージェント同士の連携 企業がエージェントをサービスとして提供するようになると、組織をまたぐデータへのアクセスや仕事の委任が問題になる。記事は、エージェント間の通信を支えるA2A(Agent2Agent)を紹介する。単体のエージェントだけでなく、他社のエージェントとの連携も視野に入れた議論だ。 ・採用する規格の運営も見る 技術的につながるかだけでなく、その規格が安定しているか、中立的な組織が運営しているか、自社の要望を提案できるかも評価する。記事は、エンジニアリングリーダーに、オープンソースや標準化への参加も促している。これは、標準化を推進するAAIF側の立場からの提言でもある。 読んでいて感じるのは、開発者が学ぶ対象も変わるということだ。エージェントにうまく指示を出すだけでなく、権限や記録、他のシステムとの連携まで含めて設計する。それを個人の試行錯誤で終わらせず、チームの知識として共有できるかが気になる。
もっと見る
# AIエージェントをソフトウェアに組み込むプラクティス # 階層化メモリ 🎯 「全部コンテキストに詰め込む」設計は、ウィンドウ溢れとハルシネーションの永続化を同時に引き起こします。 メモリを3層に分けるだけで、コンテキスト効率と記憶の信頼性を両立できます。 🔥 解決する課題 エージェントが複数ターンに跨がるタスクを扱うとき、すべての情報をコンテキストウィンドウに詰め込む「フラット記憶」では2つの問題が同時に起きます。会話履歴・ユーザ属性・中間結果・外部知識が混在するとウィンドウが溢れ、古い情報から押し出されて文脈が断絶します。さらにLLMが生成した推測をそのまま永続化すると、ハルシネーションが長期記憶に定着し、以降のセッションを汚染し続けます。 💡 提案パターン メモリを作業記憶(ターン内の中間状態)・短期記憶(セッションストア、TTL付き)・長期記憶(ベクトルDB/KVS)の3層に分離します。作業記憶は自由に読み書きし、コンテキストリセットで消えます。短期記憶には信頼度タグを付与し、ユーザ発話由来は高信頼、LLM推測由来は低信頼とマークします。長期記憶への昇格には反復確認やユーザ承認を要求し、ハルシネーションの永続化を防ぎます。failure_costが高い領域ほど昇格閾値を厳しくし、TTLを長めにとって安全側に寄せます。 ✅ 選定条件 使うとき: - 複数セッションにわたって情報を引き継ぐ必要がある - 中間結果の量がコンテキストウィンドウの30%を超える見込みがある - 確定事実と推測の区別が必要で、誤った記憶の波及影響が大きい 使わないとき: - 1ショットで完結しセッション間の引継ぎが不要な場合 - コンテキストウィンドウに全情報が収まる場合 - メモリの書込制御だけが課題で、階層分離自体は不要な場合 ⚠️ 落とし穴 - 作業記憶と短期記憶の境界が曖昧になりがちです。外部ストアへの書込を境界線にし、LLMの内部状態に頼らないでください - 長期記憶のエントリ数が増えると無関係な記憶がコンテキストに混入し、ハルシネーションの原因になります - マルチエージェント構成で各Workerが直接長期記憶に書き込むと整合性が崩れます。長期記憶はSupervisorが一元管理しましょう 🔧 実装方針 - 作業記憶(dict/インメモリ)・短期記憶(Redis等TTL付きセッションストア)・長期記憶(ベクトルDB)の3層を明確に分離し、外部ストアへの書込を境界線とします - recall時はコンテキスト予算内で3層から関連情報を想起し、関連度と信頼度でランク付けして注入量を制御します - 短期→長期への昇格には信頼度スコアの閾値チェックと承認状態の検査を設け、未検証情報の永続化を防ぎます - 記憶種別ごとにTTLを設計し(リアルタイムデータは分単位、ユーザ嗜好は週単位、不変属性は無期限)、failure_costが高いほど短めに設定します #AIエージェント# #ソフトウェアアーキテクチャ#
もっと見る
# AIエージェントをソフトウェアに組み込むプラクティス # 読取自由・書込ゲート 🎯 「全ツール呼び出しに承認を求める」設計は、承認疲れで自壊します。 読取と書込を非対称に扱うだけで、安全性と生産性の両立が実現できます。承認すべき操作に人間の注意を集中させましょう。 🔥 解決する課題 エージェントのツール呼び出しには副作用のある操作とない操作が混在しています。すべてに一律の承認を求めると、読取が大半を占める実運用では承認疲れが発生し、肝心の書込操作の承認が形骸化してしまいます。かといってすべてを自由にすれば、不可逆な書込操作で取り返しのつかない変更が走るリスクが残ります。 💡 提案パターン ツール呼び出しを「読取(検索・取得・参照)」と「書込(作成・更新・削除・送信)」に二分し、読取は自由に許可、書込にだけ認可・検証・承認・監査のゲートを設けます。R/W分類はツール定義時に静的に付与し、LLMの判断には委ねません。書込ゲートの厳格度は可逆性で段階化し、不可逆操作(メール送信・決済)は人間承認必須、可逆操作(下書き保存)はポリシー検証のみとします。これにより承認疲れを劇的に減らしつつ、副作用の安全性を維持できます。 ✅ 選定条件 使うとき: - 読取と書込が混在し、読取が多数を占める - 不可逆な書込操作(メール送信、決済、本番DB変更)が含まれる - 承認疲れを防ぎ、人間のレビュー帯域を高リスク操作に集中させたい 使わないとき: - 読取自体が機密データへのアクセスを含む場合(個人情報検索など)は、読取にも認可が必要 - 全操作が読取専用で書込がそもそも存在しない場合 - 実験環境で全操作が可逆かつ低コストな場合 ⚠️ 落とし穴 - R/W分類をLLMに任せてはいけません。インジェクションで書込ツールが「読取」と判断される経路を作ります - 「読取だが副作用がある」操作(API呼び出し回数カウント、閲覧履歴記録など)を見落とさないでください - 可逆な書込と不可逆な書込を同じ厳格度にすると、承認疲れの問題が再発します 🔧 実装方針 - ツール定義時にtype(read/write)とgate種別(none/auto/human_approval)を静的に付与し、実行時にLLMが分類を変更できない構造にします - 読取パスではメタデータのみをログに記録し、書込パスでは入力検証・ゲート判定・実行・監査ログの全量記録をパイプラインとして実装します - 書込ゲートの厳格度をreversibleフラグで段階化し、不可逆操作にはdry-runの前段必須化も組み合わせます - ゲート判定ロジックはゲートウェイ層のコードで強制し、プロンプトによる制御は一切使用しません #AIエージェント# #ソフトウェアアーキテクチャ#
もっと見る
# AIエージェントをソフトウェアに組み込むプラクティス # 読取自由・書込ゲート 🎯 「全ツール呼び出しに承認を求める」設計は、承認疲れで自壊します。 読取と書込を非対称に扱うだけで、安全性と生産性の両立が実現できます。承認すべき操作に人間の注意を集中させましょう。 🔥 解決する課題 エージェントのツール呼び出しには副作用のある操作とない操作が混在しています。すべてに一律の承認を求めると、読取が大半を占める実運用では承認疲れが発生し、肝心の書込操作の承認が形骸化してしまいます。かといってすべてを自由にすれば、不可逆な書込操作で取り返しのつかない変更が走るリスクが残ります。 💡 提案パターン ツール呼び出しを「読取(検索・取得・参照)」と「書込(作成・更新・削除・送信)」に二分し、読取は自由に許可、書込にだけ認可・検証・承認・監査のゲートを設けます。R/W分類はツール定義時に静的に付与し、LLMの判断には委ねません。書込ゲートの厳格度は可逆性で段階化し、不可逆操作(メール送信・決済)は人間承認必須、可逆操作(下書き保存)はポリシー検証のみとします。これにより承認疲れを劇的に減らしつつ、副作用の安全性を維持できます。 ✅ 選定条件 使うとき: - 読取と書込が混在し、読取が多数を占める - 不可逆な書込操作(メール送信、決済、本番DB変更)が含まれる - 承認疲れを防ぎ、人間のレビュー帯域を高リスク操作に集中させたい 使わないとき: - 読取自体が機密データへのアクセスを含む場合(個人情報検索など)は、読取にも認可が必要 - 全操作が読取専用で書込がそもそも存在しない場合 - 実験環境で全操作が可逆かつ低コストな場合 ⚠️ 落とし穴 - R/W分類をLLMに任せてはいけません。インジェクションで書込ツールが「読取」と判断される経路を作ります - 「読取だが副作用がある」操作(API呼び出し回数カウント、閲覧履歴記録など)を見落とさないでください - 可逆な書込と不可逆な書込を同じ厳格度にすると、承認疲れの問題が再発します 🔧 実装方針 - ツール定義時にtype(read/write)とgate種別(none/auto/human_approval)を静的に付与し、実行時にLLMが分類を変更できない構造にします - 読取パスではメタデータのみをログに記録し、書込パスでは入力検証・ゲート判定・実行・監査ログの全量記録をパイプラインとして実装します - 書込ゲートの厳格度をreversibleフラグで段階化し、不可逆操作にはdry-runの前段必須化も組み合わせます - ゲート判定ロジックはゲートウェイ層のコードで強制し、プロンプトによる制御は一切使用しません #AIエージェント# #ソフトウェアアーキテクチャ#
もっと見る
# AIエージェントをソフトウェアに組み込むプラクティス # Short DB Transaction, Long Agent Session|長セッション・短トランザクション 🎯 LLMの推論中にDBトランザクションを開いたままにしていませんか?数秒〜数十分の待機でコネクションプールが枯渇し、システム全体が止まります。 🔥 解決する課題 従来のWebアプリではリクエスト処理がミリ秒で完結するため、トランザクション=リクエストスコープで問題ありませんでした。しかしAIエージェントのLLM呼び出しは数秒〜数十分に及びます。その間トランザクションを開いたままにすると、コネクションプール枯渇・デッドロック・ロック競合・トランザクションタイムアウトが同時多発します。P99レイテンシがP50の数倍になることもあり、「平均的には問題ない」設計でもテール側で障害が発生します。 💡 提案パターン LLM推論の間はトランザクションもコネクションも保持しません。DB読取を短トランザクションで行いコミット・コネクション返却した後にLLMを呼び出し、推論結果を再び短い独立トランザクションで書き込みます。ステップ間の中間状態は外部ステートストア(Redis、DynamoDB等)に永続化し、クラッシュ後の再開を可能にします。楽観的ロック(versionカラム等)でLLM推論中のデータ競合に対処し、悲観的ロックの長時間保持は避けます。 ✅ 選定条件 使うとき: - エージェントがLLM呼び出しの前後でDB読み書きを行う - LLM呼び出し1回あたりの所要時間が概ね1秒を超える - 同時セッション数がコネクションプールサイズの半分に達しうる 使わないとき: - LLMを使わない従来のCRUD処理 - 単一トランザクションでアトミックに完結しなければならない操作(銀行間送金等) ⚠️ 落とし穴 - 読取と書込の間に他プロセスが同じ行を更新する可能性があります。楽観的ロックを必ず併用してください - コネクションプールサイズは「同時セッション数」ではなく「同時トランザクション実行中のステップ数」で計算します。本パターンにより同時セッション数の10-20%で運用可能です - 不可逆な操作を含むセッションでは、ステートストアにディスク永続化を持つストアを選んでください 🔧 実装方針 - DB読取→コミット→コネクション返却→LLM呼び出し→再取得→結果書込の順で、LLM推論中はトランザクションもコネクションも保持しません - 楽観的ロック(versionカラムやupdated_at)を書込トランザクションに含め、LLM推論中のデータ競合をリトライで解決します - ステップ間の中間状態は外部ステートストア(Redis、DynamoDB、RDB上のセッションテーブル等)に永続化し、クラッシュ後の再開を可能にします - コネクションプールサイズは同時セッション数ではなく同時トランザクション実行中のステップ数で設計します(概ね同時セッション数の10-20%) - 不可逆性が高いセッションではディスク永続化を持つステートストアを選定し、耐久性要件に合わせます #AIエージェント# #ソフトウェアアーキテクチャ#
もっと見る
なんかソフトウェアの保守性とか、どうでもいいんじゃね?という気がしてきてしまった。 10万行のWPFアプリを、Fable 5が1日でReactに移植しきったんよね。テストさえちゃんと維持していれば、「保守できなくなったらきれいな設計で作り直す」で良くね?ってちょっと思ってしまった。
もっと見る