# Codexの機能と実践的な使い方 ⚙️ PRが開かれた瞬間にレビュー、毎朝定期レポート——Codexをワークフローの1ステップとして動かせば、CI上で自動化が完結します。 🏷️ タイトル: Actions実行 (Codex GitHub Action) 🔗 URL: 📘 概要 Codex GitHub Action(`openai/codex-action@v1`)は、GitHub ActionsのワークフローからCodexを実行するための公式アクションです。Codex CLIのインストール、API認証の設定、`codex exec` の実行までを内部で行い、コードレビューや品質ゲート、定期レポートをCI上で完結させます。 ⚙️ 機能の説明 事前にOpenAIのキーをGitHubシークレット(例: `OPENAI_API_KEY`)として登録し、アクション実行前にコードをチェックアウトします。主な入力(inputs)は次の通りです。 ・`prompt` / `prompt-file`: 指示を直書きするか、リポジトリ内のプロンプトファイルを指定します(どちらか一方)。 ・`model` / `effort`: 使用モデルと作業の強度を指定します。 ・`sandbox`: `read-only` / `workspace-write` / `danger-full-access` でファイル・ネットワーク権限を制御します。 ・`codex-args`: 追加のCLIフラグをJSON配列またはシェル文字列で渡します。 ・`output-file`: 最終メッセージをファイル保存し、アーティファクト化できます。 権限制御の `safety-strategy` は既定が `drop-sudo`(sudoを不可逆に剥奪)。ほかに `unprivileged-user` と、Windowsで指定が必要な `unsafe` があります。実行結果は `final-message` 出力から取り出せます。 🛠️ 実践的な使い方 PR作成・更新時にレビューを走らせる最小ワークフローは、`pull_request` トリガのジョブで `actions/checkout@v5` の後に `openai/codex-action@v1` を呼び、`openai-api-key`・`prompt-file`・`output-file` を渡すだけです。 結果のPRコメント投稿は、後続ジョブで `final-message` 出力を `actions/github-script` に渡して行います(`pull-requests: write` 権限が必要)。 💡 ユースケース `pull_request` トリガでレビューや品質ゲート、`schedule`(cron)で定期レポート生成、`workflow_dispatch` で手動実行、`issue_comment` でコメント起点の自動化、といった用途に使えます。 ⚠️ 注意点 `prompt` と `prompt-file` は同時指定不可です。PRのタイトルやコメントを取り込む場合はプロンプトインジェクションに注意し、信頼できるイベント・明示的承認に限定しましょう。`safety-strategy` は `drop-sudo` か非特権ユーザーを維持し、アクションはジョブの最後に置いて状態の継承を防ぎます。`drop-sudo` 後は書き込み権限の付与(例: `chmod -R g+rwX`)が必要になる場合があります。 #Codex# #GitHubActions#

GitHub Copilot app のcanvasって要は 「エージェントにこんな情報をインタラクティブに渡せると嬉しいな」という部分をUI操作も絡めて実現可能になる って機能だと言うとわかりやすそう 例えばそれはチケットだったり、iOSアプリのエミュレータだったりGitHub Actionsだったり

えー、少しちゃんとGitHub Actionsを組んだリポジトリで作業してみたらどうなるだろうと試した結果、 2日で約90%の無料枠を消費する結果となりました笑

⚡ 人間なら気にもしなかったプッシュの遅さが、エージェントにとっては律速になる。GitHubがGitインフラを作り直している理由は、そこにあります。 数字が変化の規模を物語っています。GitHubの月間Gitイベントは2025年9月の2,182億から2026年8月には4,733億へと倍増し、9月単月のコミットは73.8億で前年の5倍を超えました。プッシュは6.9億から33.5億へと4.9倍、プルリクエストのマージもほぼ4倍、GitHub Actionsの実行は32.6億回に達しています。開発者とエージェントが同じリポジトリで同時に手を動かす時代が、すでに実測値として現れている状態です。 ここで浮かび上がったのが、現在のアーキテクチャが抱える構造的な緊張でした。既定で5台のファイルサーバーにフルコピーを置き、クォーラムで整合性を取る設計は10億のリポジトリを支えてきた実績があります。ただしこの方式では耐久性とスケールが結合しており、読み取り負荷を吸収しようとレプリカを足すと、すべてのレプリカがすべてのプッシュに参加するため書き込みまで遅くなってしまいます。CIやコードスキャンが同じブランチ先端を毎分数千回取りにくる現状では、この結合がそのまま天井になります。 そこで打たれた手が、協調の最小化とストレージ・コンピュートの分離でした。協調が要るのはリファレンスの更新だけと割り切り、オブジェクト保存や検証は並列化。コンパクションとGCは処理経路から外して専用ワーカーへ逃がします。正本はAzure Blob Storageに置き、その手前に軽量なワーカーがキャッシュ層として立つ構成です。これなら読み取りはキャッシュで吸収でき、耐久性レプリカを増やさずに済みます。ワーカーを1台失ってもそれは単なるキャッシュミスに格下げされ、代わりはすぐ立ち上がります。内部ベンチマークでは書き込みスループットが最大35倍とのことです。 ブランチ保護も監査ログもレビュー要件もそのまま維持される、という点も明記されています。 タイトル: Building Git infrastructure for agent-scale development URL: #Git# #インフラ#

# Claude Codeの機能と実践的な使い方 🚀 PRやIssueで「@/claude」とメンションするだけで、修正・実装・レビューが自動で走る。Claude CodeはCIの中で動くAI同僚になります。 📌 タイトルと機能のURL タイトル: GitHub Actions URL: 📝 概要 Claude Code GitHub Actionsは、Claude CodeをGitHubワークフローに統合する公式アクションです。任意のPRやIssueで「@/claude」とメンションすると、Claudeがコードを分析してプルリクエストを作成したり、機能を実装したり、バグを修正したりします。Claude Agent SDKの上に構築されており、定型作業の自動化に向いています。 🔧 機能の説明 ・コメント内の「@/claude」メンションに応答するインタラクティブモードと、プロンプトを与えて即実行する自動化モードを、設定に応じて自動判別します。 ・リポジトリルートのCLAUDE.mdを尊重し、プロジェクト標準やコードパターンに沿って動作します。 ・コードはGitHubのランナー上で実行され、デフォルトでSonnetを使用します（Opus 4.8も指定可能）。 ・直接Claude APIに加え、Amazon BedrockやGoogle Vertex AIでの利用にも対応します。 🛠 実践的な使い方 ・最も簡単な導入は、ターミナルでclaudeを起動し「/install-github-app」を実行する方法です。GitHubアプリとシークレットの設定をガイドしてくれます（リポジトリ管理者権限が必要）。 ・手動セットアップでは、Claude GitHubアプリ（ ・アクションは「anthropics/claude-code-action@v1」を使用します。「prompt」で指示を、「claude_args」でCLI引数を渡せます。 ・claude_argsの例: --max-turns 5 / --model claude-sonnet-4-6 / --mcp-config /path/to/config.json ・コメント例: 「@/claude implement this feature based on the issue description」「@/claude fix the TypeError in the user dashboard component」 🎯 ユースケース ・IssueにメンションしてそのままPRを自動作成し、要件をコードに落とし込む。 ・PR上で「@/claude このセキュリティ問題をレビューして」と定型レビューを依頼する。 ・schedule（cron）トリガーで、前日のコミットやオープンIssueの日次サマリーを自動生成する。 ・code-reviewプラグインを組み込み、PRの更新ごとにスキルを自動実行する。 ⚠️ 注意点 ・APIキーは絶対にリポジトリに直接コミットせず、必ずGitHub Secrets（secrets.ANTHROPIC_API_KEY）で参照してください。 ・GitHub Actionsの実行時間とAPIトークンの両方でコストが発生します。--max-turnsやタイムアウトで暴走を防ぎましょう。 ・反応しない場合は、コメントが「/claude」ではなく「@/claude」になっているか、アプリ導入とシークレット設定を確認します。 ・v1.0はベータから破壊的変更があり、mode削除・direct_prompt→prompt・各CLIオプションのclaude_args移行が必要です。 #ClaudeCode# #CICD#

「CI/CDのYAML、もう手で書きたくない」——その願いを叶えにきた研究です⚙️ 自然言語の説明から、リポジトリに合ったパイプラインを自動生成します。 タイトル: AutoPipelineAI: Context-Aware CI/CD Pipeline Generation from Natural Language URL: ⚙️ 概要 本研究は、自然言語の説明からCI/CDパイプライン構成を自動生成するシステム「AutoPipelineAI」を提案しています。LLMを活用し、リポジトリの構造を解析したうえで、GitHub ActionsやGitLab CI/CD向けのプラットフォーム固有スクリプトを生成し、検証とフィードバックで品質を担保します。 ❓ 解決する課題 現代の開発では、テストやデプロイを自動化するCI/CDパイプラインが欠かせませんが、その設定は難しく時間のかかる作業です。 ・GitHub ActionsやGitLab CI/CDなど、プラットフォームごとに異なる構文を理解する必要があります ・その複雑さが設定ミスや生産性の低下を招きます ・特にDevOps経験の浅い開発者にとっては、大きな参入障壁になっていました 💡 方法論と提案手法 AutoPipelineAIは、3つの主要コンポーネントで構成されます。 ・リポジトリ認識型の解析：プロジェクト構造を分析し、どんな言語・依存・構成かという文脈を理解します ・LLMによる変換：開発者の自然言語による意図を、対象プラットフォーム固有の構成へ翻訳します ・自動検証とフィードバック：生成したパイプラインの正確さと使いやすさを確認し、必要に応じて修正します 単に文章をYAMLに変換するのではなく、リポジトリの文脈を取り込んでターゲット環境に合った構成を作る点が「Context-Aware（文脈認識）」たる所以です。 🌍 ユースケース / 実験結果 評価は、実務に直結する観点で行われました。 ・precision（精度）指標 ・構成の妥当性（configuration validity） ・手作業に対する労力削減（effort reduction） これらを通じて、「リポジトリ認識・自然言語駆動のCI/CD生成が、実用的で有望なパラダイムである」という初期的な証拠が示されました。DevOps専任がいない小規模チームのオンボーディングコストを下げる効果が期待されます。 #CICD# #DevOps#