ノーマルビュー

Received — 2026年3月31日 Zennのトレンド

あつあつ流!学生団体の組織論

著者: AtsuAtsu
2026年3月31日 14:57
※多大なるポジショントークが含まれます。 なかなか話されることのない、学生団体の特徴や難しさを踏まえた組織論について多大なる偏見と適当な知識でお話したものです。 いつか、まだ若いなぁと思いながら自分で読み返せれば良いと思ってます。 誰かの参考になれば幸いです。 なお、Project Kit vol.2や私のQiitaにもCirKitの運営秘話がありますので、そちらもどうぞ。 https://qiita.com/AtsuAtsu0120/items/1e43584d055632ca8733 https://qiita.com/AtsuAtsu0120/items/57ea8a8dacbb0690ecc2 https://techbookfest.org/product/mNyp9uKLqgc2MUKeLLWfTw

完全自律のコーディングパイプラインを作った

著者: Akatsuki
2026年3月30日 13:06
各社が自律型コーディングエージェントを作り始めている RampはPRの約30%がエージェント経由で作られている。Stripeは週に1000件以上のPRを完全自動で生成・マージしている。Uberもエンジニアリング組織全体でエージェントへのシフトを進めている。 各社とも数億行規模のコードベースや社内インフラとの統合が必要なので内製しているが、やっていること自体はシンプルで、エージェントにコードを書かせて、プログラムで検証して、通るまでループを回す、という構造になっている。これは既存のAIコーディングツールを組み合わせればローカルで再現できる。 この記事では、Claude Code、Cod...

💾

AI時代におけるタスク管理を考える

著者: Taisei Ozaki
2026年3月30日 11:50
こんにちは,松尾研究所の尾崎です.25卒でデータサイエンティストをやっています. 最近,AIエージェントがコードを書き,メールを要約し,会議を記録してくれる時代になりました.Claude Codeを複数同時に走らせたり,AIに調査を任せながら別の作業をしたり——気づけば,自分の仕事のやり方そのものがかなり変わってきています.しかし,そもそも「何をやるか」を管理するタスク管理そのものは,まだ従来のやり方のままという方も多いのではないでしょうか. 本記事では,自分自身のタスク管理環境を紹介しつつ,AI時代に「マルチタスク」の意味がどう変わっていきそうかを考え,AIがタスク管理にどこまで関与で...

💾

OpenClaw × OllamaをMacBook 16GBで動かす - ローカルLLM入門

2026年3月29日 16:51
こんにちは!ブロックチェーンエンジニアの山口夏生です。 ブロックチェーン×AI Agentで自律経済圏を創る開発組織Komlock labでCTOをしています。 ローカルLLMって難しそう...そう思っていませんか? 実は、たった3つのコマンドで動きます。Ollama をインストールして、モデルをプルして、OpenClaw のオンボーディングを実行するだけ。5分後には、完全にローカルで動作するAIアシスタントが手に入ります。 この記事では、「とにかく動かす」ことに特化して、OpenClaw × Ollama の環境構築から実践的な活用パターンまでを解説します。コスト削減、プライバシー保護...

💾

よう若いの。Linuxってのはだな。

著者: Inoue · Takuya
2026年3月30日 01:12
どうしたんですか 例えば20代の若者、アプリケーションエンジニアをしている若者に対して。 飲み会でLinuxってのは本当にいいんだよ。俺の話を聞けよ。って30分くらいLinuxの説明をできたらいいな、って思っていたりする。でも気持ち悪がられる。だから、ここに書くことにした。 難しいんでしょ いや、そうなんよ。むずい。 そもそもなんでLinux使いこなせるようになったらいいのかとか、Windowsだけで困ってませんけど、みたいな話でもある。その気持ちはすごくわかるし、2010年前後くらいのIT環境では、そのうちLinux(ていうかUnix系OS)なんてそのうち絶滅するかなと思ってた...

💾

SDD + TDD + VDDを融合したClaude Codeプラグイン「VSDD Claude Code」を作った話

著者: kaito
2026年3月28日 21:30
はじめに AI開発が当たり前となった現在、開発速度は格段に向上しました。 それでも、根本的な問題は解決されていません。 LLMが生成したコードはテストを通過し、レビューでも問題が見つからない。 「これでいける」と思い、リリースしてから初めて、問題が露呈するというようなケースが多々あります。 例えば、本番環境に出てから初めて仕様との乖離が見つかった、エッジケースが考慮されていない、ハッピーパスしかテストされていない、などのケースがあります。 つまり、LLMが生成したコードの実態は抽象化が過剰で変更に脆いという問題があります。 このような現象を総称して「AIスロップ(AI slop)」と...

💾

❌