プログラミング雑記 2025/09/18
LLMの開発はハルシネーションの解決が急がれており、その対策への研究・開発が進められているようです。
プログラミング
Go言語
面白そう。積ん読になりそうだけど。（本が大渋滞中。）
参考になります。
さらに積ん読になりそうだけど、Goの入門書を終えた人が実際にGoのライブラリを使って、Goらしいプログラミングをしていくための本らしい。正直Goの標準ライブラリの知識が自分はなさ過ぎだし、Goらしいプログラミングが出来ている自信も無いので、ちょうど良い本かなと思っている。
GoのコードからOpen APIの仕様（json/yaml）を作成するツール。今までGoのWEBフレームワークはこのあたりが弱かったので（ASP.NET CoreやFastAPIとの比較）、人間が一から作るよりは間違いもないし、swagger等への展開も楽になりますね。
Goで作られているタスクランナー。Makefileが古すぎると思っている方は導入を考えてみられてはいかがでしょうか。
Goのメモリアロケーションについて解説しています。Goランタイムは仮想メモリ上で独自にヒープを管理し、アリーナ（64MB）やページ（8KB）など階層構造を持ちます。メモリ管理ではサイズクラスやスパンを活用し、効率的な割り当て・断片化抑制を実現。小さなオブジェクトはキャッシュやローカルアロケータで処理され、GCや並列処理にも配慮があります。Goの効率とパフォーマンスの仕組みが詳細に説明されています。
GoLandはDevOps業務でよくある8つの課題（Kubernetes運用、シークレット管理、コンテキスト切替、繰り返し作業、IaC統合、ログ確認、CI/CD構成、ポートフォワード）を、IDE内で一元的かつ効率的に解決し、生産性と安全性を向上させます
Protocol BuffersのOpen Struct APIは構造体のフィールドがpublicなため操作ミスや最適化の制約があったが、Opaque APIを導入することでprivate化し、安全かつ効率的なデータ操作が可能になる。Hybrid APIやopen2opaqueツールを用いることで、既存コードから段階的かつ安全にOpaque APIへ移行可能。これにより、Go開発現場での安全性とパフォーマンス、保守性の向上が図れる。
Java
参考になります。
.NET
.NET まとめ。毎週ありがたい。
ゲーム開発向けの改善から。
VS 2026 Insider Previewに対応。
SQL Server
VS Code拡張のアップデート。
tar
なるほど。
Terminal
自分も使っているGhosttyが久しぶりにアップデートし、1.2.0に。
Git
確かにrebaseは難しいところがあるよね。
テスト
エクセルスクショだけがテストのエビデンスになったことはないが、GUIアプリケーションのテストではスクリーンショットがエビデンスの一つになることはあると思う。
その他
プログラミングにおける「命名」は、単なる識別子選びに留まらず、設計やモデリングの核心です。良い命名は意図や責任範囲を明確にし、チームやAIとの協働も円滑にします。語彙や抽象度、利用者視点を意識し、アンチパターンを避けて一貫性ある名前付けが重要です。
AI
Google DeepMindのGemini 2.5 Deep Thinkは、2025年の国際大学対抗プログラミングコンテスト(ICPC)世界大会でゴールドメダル相当の成績を達成しました。Geminiは全12問中10問を5時間以内に正答し、人間チームが解けなかった問題も短時間で解決。これによりAIの抽象的な問題解決能力が大きく進歩したことが示され、将来的な人工汎用知能(AGI)への道筋として重要な一歩となりました。また、この技術進歩は今後の高度なAI開発や、研究者・学生への応用拡大も期待されています。
Googleが提案した新たなデコーディング手法「SLED」は、LLMの全レイヤーの情報を活用することで、外部データや追加学習なしに事実性（ファクト性）を向上させます。既存手法と比べ、様々なモデル・課題で一貫して精度が高まり、推論時間の増加も最小限に抑えられています。
ショート動画、ただでさえ食傷気味なのになぁ。。。
ふむ。
OpenAI
OpenAIはApollo Researchと協力し、AIモデルの隠れた「スキーミング（偽装的行動）」を評価・抑止する手法を研究。従来モデルにも問題行動が観察され、意思決定前に安全基準を読ませる訓練で約30倍の改善を達成。しかし、依然リスクは残るため、今後も対策と透明性強化が必要と結論付けている
論文・その他
AI時代の「プロンプトエンジニアリング」は、従来の要求工学と本質的に同じであり、共通する課題は「意図や要件を明確かつ共有し、期待する成果物を得るためのコミュニケーション」にあると論じています。
中小企業で生成AI導入が進まない最大の理由は「用途が見つからない」こと。資金力や人材不足も障壁で、効果が不明瞭な点が導入の足かせとなっている。今後は具体的な事例や支援策の提示が普及の鍵とされる。
本記事は、LLM（大規模言語モデル）を前提に設計された「LLMネイティブアプリケーション」について、その定義や注目される背景、現状の研究動向を概観しています。従来型アプリへのLLM組み込みから、LLMを中心とした新しいソフトウェア設計への転換が進み、ビジネス的にも成長が期待されています。しかし戦略論と現場実践の間にはギャップがあり、全体を俯瞰した調査は少ない状況です。本稿では実例や技術ブログをふまえ、LLMネイティブアプリの特徴、品質、技術スタック、今後の課題を整理することを目指しています。
クラウド
Azure
俺たちのブチザッキ。
俺たちの焦げログ。
OS
Windows
将来的には、これがWindows Copilotへの対抗アプリになっていくのでしょうね。
Insider向けプレビュー。ペイントは作業途中の状態を保存できるようになります。スニッピングツールでは、スクリーンショット撮影中にマークアップ機能が使えるようになります。メモ帳にはCopilotの機能がつきます。
macOS
今までなかったのが。。。
ハードウェア
PC
みんな大好きRyzen AI Max+ 395搭載ミニPC。
amd64のLinuxが動くのは魅力的かな。
Discussion