タグ: #software-engineering
GPU・LLM・MLOps・Kubernetes、そしてマインドセット · 17 件
AIコードレビューは実際に使い物になるのか — 測定された証拠が語る精度と偽陽性
AIコードレビューツールのマーケティング文句には「PRの80%に人間のコメントが不要」といった数字があふれていますが、精度と偽陽性率をあわせて公開しているところはほとんどありません。公開されている測定値を集めてみると、方向はおおむね一致します — オープンソースのPRでAIレビューコメントが実際のコード変更につながった割合はツールによって0.9〜19.2%で、人間のコメントの60%に大きく及びませんでした(Ganら、GitHub Act
2026-07-17 · 47 分で読めます #ai#code-review#static-analysis#evaluation#software-engineeringForward Deployed Engineerのクラフト — 要件の発掘、ドメインモデリング、そして「採用」への最適化
前回の記事は、FDEに必要な知識の地図 — Linux・ネットワーク・Kubernetes・DB・セキュリティ — を整理しました。その地図はドアを開けてくれるだけで、顧客のビル内に入った後に実際に何をするのかは教えてくれません。この記事はその「動詞」についてです。Palantir自身が書いたDelta・Deployment Strategistの役割ドキュメント、The Pragmatic Engineerの取材、そして現在公開中のA
2026-07-15 · 20 分で読めます #career#fde#solutions-engineering#software-engineering#palantirコード生成が安くなるとき値上がりするスキル — 減価するものと増価するもの
コード生成が安く豊富になると、価値は消えるのではなく移動します — ボトルネックが残っている側へ。いまそのボトルネックは検証・判断・統合です。Jason Wei の「検証の非対称性」、DORA 2025(スループットは上がったのにデプロイの不安定性は上がり続ける)、LinearB の810万PR分析(AIが作ったPRはレビューを4.6倍長く待つ)、Stack Overflow 2025(開発者の66%が「ほぼ正しいが完全ではない」コード
2026-07-12 · 27 分で読めます #career#software-engineering#ai#skills#code-reviewAI は本当に開発者を速くするのか — 測定された数字が語ること
二つのランダム化比較試験が正反対の答えを出しました。一方は AI を使った開発者が 55.8% 速かったと言い、もう一方は 19% 遅かったと言います。ところが後者の数字を出した METR は、2026年2月に続報を公表し、2025年の結果の上に「現在の AI モデルの影響をもはや反映していない」という警告バナーを自ら掲げました。それで話が消えるのではなく、むしろ鋭くなります — 続報の実験ですら、参加者の自己選択バイアスに足を取られて
2026-07-12 · 38 分で読めます #career#ai#productivity#software-engineering#developer-experienceAI コーディングツールとうまく働くための5つの習慣
同じツールが、ある実験では 55.8% の得を、別の実験では 19% の損を生みました。符号を変えたのはツールではなく使い方です。METR、GitHub Copilot の RCT、Stack Overflow の調査、そして Anthropic のエージェント設計文書から引き出した5つの習慣 — タスク選択、レビュー予算、機械的ガードレール、コンテキスト設計、そして自己計測。それぞれが、2週間で反証できる1行のルールで終わります。
2026-07-12 · 20 分で読めます #ai#productivity#software-engineering#developer-experience何を深く学び、何を流すか — AI が何でも答えてくれる時代の学習戦略
AI が 3 秒でほぼ何でも答えてくれる時代に、何を深く学び、何を流すべきか。認知心理学の答えは愉快ではありません。記憶を作るのは情報を見る行為ではなく、自分で引き出す行為です。Roediger と Karpicke の実験では、文章を平均 14.2 回読んだ群は一週間後に 40% しか覚えておらず、3.4 回しか読まずに自分で想起した群は 61% を覚えていました。しかも、覚えていなかった側のほうが自信を持っていたのです。想起を AI
2026-07-12 · 25 分で読めます #career#learning#ai#software-engineeringシニアからスタッフへ — エンジニアの成長で本当に評価されるもの
もっと多く、もっと速く書けば昇進すると信じているエンジニアは少なくありません。しかし公開されているエンジニアリング・ラダーを実際に開いてみると — Dropbox、CircleCI、Rent the Runway — どこにも「アウトプット量」という軸は存在しません。あるのはスコープ、協業の到達範囲、インパクトのレバーです。この記事では、Will Larsonによるスタッフエンジニアの4つのアーキタイプ(Tech Lead、Archit
2026-07-12 · 22 分で読めます #career#software-engineering#growth#staff-engineer2026年の開発者採用市場 — データが語ること、語らないこと
体感は最悪なのに、BLS は今後10年で15%成長を予測しています。どちらも本当です。Indeed の求人指数の生データ(2020年2月=100、2022年2月に233.87の高値、2026年6月は72.51)、layoffs.fyi(2026年7月中旬までに120,936人)、BLS の2024–34年見通し、若手の16%減少を報告した Stanford 論文、そしてその数字は認めつつ原因を真っ向から否定する EIG レポートを直接取
2026-07-12 · 18 分で読めます #career#job-market#software-engineering#hiringコーディングベンチマークはエージェント時代とズレている — リーダーボードがエージェントを誤って比べる三つの理由
Tessl のチームが 2026 年 6 月に arXiv へ投稿したポジション論文は、今日のコーディングベンチマークがエージェント型のソフトウェアエンジニアリングと根本的にズレていると主張します。ベンチマークは個々のモデルを測るために作られたのに、私たちはそれで、モデル・ハーネス・コンテキスト・環境・フィードバックが絡み合ったシステム全体を比べているからです。論文は三つの具体的なズレ — モデルとハーネスをひとまとめにする点数、単一正
2026-07-11 · 11 分で読めます #ai#agents#evaluation#software-engineering#coding-benchmarksForward Deployed Engineer(FDE)を目指す — 本当に必要なソフトウェア知識の地図
Forward Deployed Engineer(FDE)はPalantirが生み出した職種で、エンジニアが顧客企業に直接入り込み、製品を彼らの実環境にデプロイ・統合する役割です。最近はOpenAIやAnthropicといったAI企業が、自社モデルを顧客インフラに載せるためにこの職種を大量に採用し、再び注目を集めています。この記事はFDEを目指す人のために、役割の実像(実際のソースに基づく)と本当に重要なソフトウェア知識 — Linu
2026-07-11 · 11 分で読めます #career#fde#software-engineering#palantir#solutions-engineeringレガシーコードと向き合う — 怖くて古い、テストのないコードを恐れずに変える方法
レガシーコードとは、テストがないコードであり、触るのが怖いコードだ。そして誰もがいつかそれを引き継ぐ。安全に変えるにはテストが要るが、テストを足すにはコードを変える必要があるというジレンマ、現在の振る舞いが bug でもそれを固定する characterization test、書き直さずにテストを差し込む seam、sprout と wrap、strangler fig パターン、そして AI agent がここでどう助けどう壊すかま
2026-05-14 · 46 分で読めます #legacy-code#refactoring#characterization-tests#strangler-fig#technical-debtAIが書いたコードをレビューする方法: エージェント出力のための検証規律と『AIスロップ』のフィルタリング
AIがコードを書く時代、ボトルネックはレビューに移った。人間のPRをレビューすることとエージェント出力をレビューすることは別のスキルだ。AIコードが特有に間違える方法、ハルシネーションAPIや意味のないテストをフィルタする検証ループ、型からテストから人間へという順序、『AIスロップ』の正体とフィルタリングまで — コピーして使えるチェックリストとともに整理する。
2026-05-14 · 35 分で読めます #code-review#ai-generated-code#verification#ai-slop#quality体系的デバッグ — 推測ではなく推論でバグを捕まえる
デバッグの大半は訓練されていない推測だ。再現・分離・仮説・検証・修正・確認というコアループ、git bisect と二分探索、スタックトレースを正しく読む方法、heisenbug や race condition のような難しいバグ、そして AI エージェントとデバッグする方法まで。推論でバグを捕まえる技術をまとめる。
2026-05-14 · 35 分で読めます #debugging#methodology#engineering-craft#git-bisect#observability不慣れなコードベースに素早く適応する: 新しく入った人のスキル
転職、チーム異動、引き継いだサービス — 私たちは繰り返し「新しく入った人」になります。適応(ramp-up)は才能ではなく、学べるスキルです。まず動かす、エントリーポイントを探す、詳細より形を先に読む、1つの本物のリクエストを最後まで追う、テストをドキュメントとして読む、ツールを使う、小さな変更を早めにする、メンタルマップを描く、何を誰に聞くか、そして AI agent と一緒に適応する — コピーして使えるチェックリストとともに整理
2026-05-14 · 40 分で読めます #onboarding#codebase#learning#newcomer#developer-craft開発者の次のキャリアは『Builder』 — 『エンジニア』が沈む時代、何を準備すべきか (2026)
Meta の PM は自らを『AI builder』と呼び、LinkedIn は『full stack builder』プログラムを開講し、Walmart の『agent builder』ポジションは非開発職の社員が埋めた。Anthropic Claude Code の制作者は『コーディングは事実上解かれた問題であり、ソフトウェアエンジニアという肩書きは消える』と語る。GeekNews と Hacker News を掘り起こして整理した
2026-05-14 · 22 分で読めます #career#builder#ai-era#developer-career#vibe-codingレビューしやすい Pull Request の書き方: 小さな PR、良い説明、Stacked PR でレビュアーを速くする
PR のレビュー遅延は作成者がコントロールします。小さな PR が勝つ理由、「1 PR = 1 アイデア」の原則、最も重要な成果物である PR 説明、読める diff の作り方、Stacked PR、セルフレビュー、レビューフィードバックへの良い返し方、そして AI 時代の PR 作成まで — コピーして使える PR 説明テンプレートとともにまとめます。
2026-05-14 · 39 分で読めます #pull-request#code-review#git#stacked-prs#collaboration巨大ソフトウェアはどのように開発・管理・維持されるのか？— SWアップデートシステムまで
数百万行のコード、数千人の開発者が参加する巨大ソフトウェアはどのように開発され、アップデートされ、維持されるのか？アーキテクチャ、デプロイ、自動アップデートシステムまで深く掘り下げます。
2026-04-11 · 12 分で読めます #devops#software-engineering#architecture#update-system#large-scale