Cline を使い始めて2ヶ月ぐらい経った。 自分の直感として、Cline は真のイノベーションの入口であり、そして開けてはいけないパンドラの箱でもあったと思う。 ここでいう Cline は Cline型コーディングエージェントであり、広義には Devin / Cursor や Copilot Agent 等を含む話。だが、後述するように Cline でしか見えない世界がある。 その先の未来に、プログラマとしての自分はフルベットする、という話をする。 私たちが知っているプログラミングの終焉 大事なことは次の記事に全部書いてある。まずこれを読んでほしい。 (Google翻訳) Steve Yegge 氏は、置き換えられるのはジュニアおよび中級レベルのプログラマーではなく、新しいプログラミング ツールやパラダイムを受け入れず過去に固執するプログラマーであると指摘しています。 <略> これはプロ
オライリーメディアの創立者ティム・オライリー氏が、同社のブログに「The End of Programming as We Know It」（私たちが知っているプログラミングの終焉）という記事を公開しました。 その冒頭には次のように書いてあります。 There’s a lot of chatter in the media that software developers will soon lose their jobs to AI. I don’t buy it. メディアでは、ソフトウェア開発者は近いうちにAIのせいで職を失うだろうという話が盛んに流れている。しかし私はそうは思いません。 生成AIの進化は、人間がタスクを与える都自律的にプログラミングを行ったりテストを実行したりするほどの領域に達しつつあり、それを実現するサービスとして「Devin」や「GitHub Copilot A
AIによるコーディングアシスタント、コーディングエージェント、アプリケーション自動生成サービスまとめ（2025年3月版） アプリケーション開発の生産性向上において、AIによるプログラミング支援サービスは欠かせないものになろうとしています。 そして市場にはプログラマが入力するコードの補完からコードやテストの自動生成、アプリケーションそのものの自動生成までさまざまなツールやサービスが登場しています。 ここでは多数のツールについてそれぞれの主な機能や目的が分かりやすいように、「コーディングアシスタント」「コーディングエージェント」「アプリケーション自動生成／Text to App」の3つに分類して紹介しましょう。 もしもここで紹介されていないプログラマ向けのAIツールなどがありましたら、X/Twitterやブックマークのコメントなどで教えてください。 AIが、人間のプログラマが書くコードの補完や
はじめに こんにちは！モノタロウ CTO-Office 所属の市原です。AI駆動開発チームのリーダーを務めています。 近年、生成AI技術は目覚ましい進化を遂げ、ソフトウェア開発の世界にも大きな変化をもたらしています。 モノタロウでは、「AIを活用して生産性を非連続に向上する」ことを目指してAI駆動開発への取り組みを積極的に進めています。 来月5月7日には、AI駆動開発カンファレンスにて、CTO 普川、プラットフォームエンジニアリング部門長 香川、私市原で登壇します。モノタロウでの取り組みについて、詳しくお話しさせていただく予定です。 本記事では、カンファレンスに先駆けて、モノタロウがAI駆動開発にどのように取り組んでいるのか、概要をご紹介したいと思います。 はじめに モノタロウのAI駆動開発推進体制 活用・検証中のAIツール セキュリティへの配慮について 生成AIを活用したレガシーシステム
🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training.
We’re on a journey to advance and democratize artificial intelligence through open source and open science. 本記事では、現在のコーディングエージェントの自律性をSAEの自動運転レベルのアナロジーに当てはめます。巷で呼ばれている名称を参考に、「エディタ型」「CLI型」「自律型」という３つのタイプを示すキーワードを用意しました。 エディタ型（GitHub Copilot, Cursor）自動運転レベル： レベル2（部分自動化）開発者の関与： 常に監視し、いつでも介入可能。リアルタイムに差分確認・承認・修正動作環境： エディタ内重視する価値： 安全性 - 全ての変更を制御可能CLI型（Claude Code, Codex CLI）自動運転レベル： レベル3（条件付き自動化）開発者の関与：
こんにちは、食べログのアワード予約チームに所属するジュニアエンジニアの南野です。弊社では業務への AI 導入が進んでおり、開発のあり方が変わりつつあります。本記事では、実務で試行錯誤を行なった上で私が API 開発のリードタイムを削減させた AI 連携開発フローについてご紹介します。 今回の開発では、強力な助っ人として、役割の異なる 2 種類の AI が活躍してくれました。 開発環境で利用できたのが、こちらの AI たちです。 コーディングアシスタント: コーディングをサポートしてくれる AI です。今回、この役割は Cursor を使用しました 自律型 AI: 実装を自律的にこなしてくれる AI です。こちらでは Devin を使用しました 本記事では、これら AI たちとどのように連携してタスクを遂行したかについて詳述します。 API 開発のこれから - コーディングアシスタントでは越
はじめに こんにちは、モノタロウ、CTO-Office AI駆動開発チームの市原です。 このブログは、2025年8月23日に開催された「Cursor Meetup Osaka」で発表した内容を再構成したものです。 モノタロウでは2023年からAI駆動開発に積極的に取り組んでおり、GitHub Copilot、Cline、Devin、そしてCursorと、様々なツールを導入してきました。 その過程で得られた知見、特に「AIツールを配るだけでは生産性は上がらない」という現実と、それをどう乗り越えようとしているかについて共有させていただきます。 Cursor Meetup Osaka - connpass この記事は、2025/7/2に公開した、Clineを200人で試してみた - モノタロウのAI駆動開発実践記 の続編でもあります。 tech-blog.monotaro.com モノタロウのA
1. はじめに 2. AIコーディングのその先へ。開発プロセス全体にAIを導入する 2.1 プロセスを"AI"に置き換えるのではなく、"AI"前提のプロセスに作り変える 2.2 開発フェーズ以外の課題がたくさんある 3. マネジメントの知見蓄積とワークフロー化 3.1 ワークフロー化を避けるべきケース 4. エンジニアが開発に集中してもらうためにできること 4.1 類推見積もりによる超概算見積もり 4.2 コードベースからの仕様自動抽出 4.3 投資工数を分析し、開発業務に集中できているか確認 5. まとめ：AIを活用した開発組織マネジメント 1. はじめに こんにちは。DMM.comでプラットフォーム開発本部の副本部長をしている石垣です。 プラットフォーム開発本部では、AX戦略を進めています。 developersblog.dmm.com developersblog.dmm.com 今
Cursor/Clineを使う上で重要なこととして、LLMのコンテキストウインドウを意識しないと 1. 逐一指示をして対応するものの「Lost in Middle」現象でうまく指示が通らなくなる 2. 良いパフォーマンスが出せていないのでルールを無秩序に追加する 3. 「Lost in Middle」は解消されるがその結果早い段階でタスクのコンテキストウィンドウをはみ出す 4. Cursor/Clineがループしたり性能が落ちるのを確認する 6. 結果現状のAIの性能、判断に対して幻滅しAIを使うのをやめてしまう というようなことが起こります。 そのためにもコンテキストウィンドウを意識することは非常に大事です。 以前のバイアスに関する記事を読んでいただいた人向け 前回は人間側の問題を提示しました 今回は人間側の問題ではなく、LLM側の問題になるのと ある程度実際に出ている結果からの判断にな
はじめに 弊社エスマットでのファームウェア開発において、しばらく悩まされていた課題だった技術ドキュメントの整備を AI エージェントの Devin に任せてみました。 結果として、人手で 4 週間と見積もられた作業が、わずか 6 時間のレビュー作業で完了。合計で 1 万行を超える Markdown ドキュメントが作成され、ファームウェアの理解促進と AI コーディング精度の向上という目標を実現できそうなところまできました。 この記事では、Devin を活用したドキュメント整備の具体的なアプローチと、実際の運用で得られたノウハウを共有します。 背景：散在・陳腐化したファームウェアドキュメントの課題 ドキュメントの現状と課題 弊社製品であるスマートマットのファームウェアは、元々外注先で開発されたものを引き継いで開発を続けていました。外注先から引き継いだ時点で体系的なドキュメントは無かったようで
1. はじめに 2. 制約 3. トライアル成果 発見1. 技術負債の特定とリファクタリング実装の半自動化 発見2. イベントストーミングで設計した画像をもとにドメインモデルと制約の実装 発見3. 指示範囲を明確に絞れば、人より格段に早い 発見4. 開発者の学習効率を上げる Devin or Cline？ 4. 25年3月時点での課題 5. 投資対効果と組織スケールの変化 AIツールの投資対効果 AIツールによって変化した組織スケールの方法 今後の展望 1. はじめに こんにちは。DMM.comでプラットフォーム開発本部の副本部長をしている石垣です。 今回は当社で実施したAIエージェント「Devin」と「Cline」の導入検証の結果について共有したいと思います。 DMMグループのクリエイター組織は、現在1,200名近くのメンバーを抱え、エンジニアだけでも1,000名近くのメンバーがいる組織
2025.04.24 Thu. SmartHR AI tech talk#2 ── コード生成×AI 現場のリアル で登壇した際のスライドです
最近Ubieにジョインした新人AIのDevin君が凄すぎて椅子から転げ落ちた😂 例えばテストコードを依頼する例。テスト実例・ルールと共にSlack上から作業を依頼した結果・・・ ・自動でPRを作成 ・CIがパスするまで修正を繰り返す ・PR上・Slack上・Devin上から修正依頼できる… pic.twitter.com/RrXgbwiTsE — 鹿野 壮 Takeshi Kano (@tonkotsuboy_com) December 25, 2024 ↑こういうことしてくれるAIエージェントね 個人で使うには価格が高い。まず使い始めるのに500ドル(7.5万円)払わないといけなくて、この500ドルはデポジットみたいなもんなのね。 この500ドルで250ACU(1ACUは15分の作業で消費)がチャージされるから60時間以上作業すると追加で従量課金しないといけない 1ドル150円として、
ソフトウェア開発の現場では、AIを活用した開発支援ツールへの注目が年々高まっています。 （たぶん）1年ほど前はCursorを使っているエンジニアも今ほどは少なく、OpenAI DevDayでデモを行なったOpenAIのエンジニアがCursorをエディタとして利用していたことが話題になったのを覚えています。 そして、2024年12月についにリリースされた「Devin」は、AIチームメイトの名の通り、まるでチームの一員として自律的に動く点が特徴とされています。 https://devin.ai/ 弊社も検証のためにDevinをトライアルしていますが、新人エンジニアを育成するように少しずつタスクを与え、フィードバックを繰り返していくうちに、Devinがどんどん機能してくれるようになる――そんな“育成ゲーム”のような手応えを感じています。 本記事では、月500ドルという導入コストを見合う形で活用す
DevinとCursorを比較してみてわかった、マルチタスクエンジニアにはDevinこそが救世主である理由 はじめに こんにちは。Ubieでプロダクト開発エンジニア兼社内入稿システムのPOをしている、えんぴつと申します。 「完全自律型AIソフトウェアエンジニア」Devinと、次世代AIコードエディタCursor。どちらも大きく注目されていますが、「実際どう使い分けるの？」「スクラムや日常業務に組み込むには？」と悩む方も多いのではないでしょうか。 私自身の業務内容としては、 プロダクトの実装 Epicの立案やPBIの起票 レビュー対応・ドキュメント整備 採用関連やチーム外のステークホルダーとのアライン という感じで開発以外のタスクもなにかと抱えています。 まとまった時間を取りづらいため、Devinのようにスキマ時間を使って開発タスクを進められる仕組みは本当にありがたいです。一方、Cursor
こんにちは、ジェネラティブエージェンツの西見です。 「完全自律型AIエンジニア」という触れ込みと、その印象的なティザー動画で一躍有名になったDevinが、2024年12月10日にGAしました。 www.cognition.ai それからしばらく経ったこともあって、X上でもチラホラと日本企業におけるDevin採用報告が聞こえてくるようになり、「こんなタスクには使えた😆」「簡単なタスクにハマり続けて使えない、金もったいない😭」といったポストがよく見られるようになりました。 正直なところ、月500ドルは高いなぁ・・・*1なんて思っていたのですが、弊社も多分に漏れず猫の手も借りたい状況なのもあって、2025年1月22日からDevin（猫の手）を採用してみました。それからちょうど1ヶ月が経ったので、弊社の開発状況にどんな変化があったのかを振り返って、レポートしてみたいと思います。 GitHubア
2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、GitHub上のリポジトリを自動的に解析し、ドキュメントを生成してくれるオープンソースAIツール「DeepWiki」を取り上げます。 ▲DeepWikiのトップページ DeepWikiはAIデベロッパーツール「Devin」の開発チーム「Cognition AI」によって開発された無料サービスです。 主な機能は、GitHubリポジトリのコードを読み取り、リポジトリ全体の解説ドキュメントページを生成することです。自然言語での説明だけでなく、アーキテクチャ図やシーケンス図
はじめに 本記事では、Devinがdelyの開発現場にもたらした変化を実例を元に紹介します。 Devin 導入の背景 AI 活用で dely 全体の生産性を底上げしたい 人がやること／AI に任せることを切り分け、ムダな工数を削減 Devin で解決したかった課題 権限変更リクエスト急増によるエンジニア工数の肥大 ドキュメント陳腐化で最新情報が追いづらい 機能仕様の質問がエンジニアに集中しボトルネック化 以降のセクションで、Devin がこれらの課題をどう解決したかを説明していきます。 1. 非エンジニアからの依頼対応の工数削減 delyではTerraformを用いてGitHub、AWS、GCPの権限管理をIaC（Infrastructure as Code）として運用しています。従来、権限変更のリクエストはエンジニアがPRを作成して都度対応していました。しかし、非エンジニアからのリクエス
自律型AIソフトウェアエンジニア「Devin」登場。Readmeを読んで環境構築、Print文を使ってデバッグなど AIスタートアップのCognitionが自律型のAIソフトウェアエンジニア「Devin」を発表した。Devinは人間と同様にコードエディタやコンソール、Webブラウザを用いて情報を参照し、コーディングやデバッグ作業を自律的に行える能力を持つようだ。 AIスタートアップのCognitionは、自律型のAIソフトウェアエンジニア「Devin」を発表しました。 Devinは人間が課題を与えると、自律的に情報を参照し、コーディングやデバッグ、デプロイを行い、システム構築を実現するAIソフトウェアエンジニアだと説明されています。 Today we're excited to introduce Devin, the first AI software engineer. Devin i
こんにちは。LayerX AI・LLM事業部のエンジニア、Osukeです。普段は Ai Workforce のプロダクト開発に従事しています。 getaiworkforce.com 当事業部では、開発現場で役立つさまざまなAIツールを取り入れており、今回ご紹介するのはそのひとつ、Devin です。 Devinとは Devinは2024年12月に正式リリースされたエージェント型プロダクトで、GitHubやSlackなど、普段使い慣れたツールと連携して、まるでAIエンジニアがサポートしてくれるかのように開発タスクを自律的にこなします。 Slack上で指示を与えるだけで、Task PlanningからPR作成を実施してくれます。コードベース全体の整合性を考慮しながら作業を進めてくれるため、開発現場のコンテキストを想像以上に考慮しながらコード生成など行なってくれるのが特徴的です。 背景 私たちのプ
はじめに2024年、AIの進化は目覚ましく、特にソフトウェア開発の分野では革命的な変化が起きていると考えています。 CursorやClineも皆が注目している技術だと考えていますが僕個人として注目しているのが自律型AIソフトウェアエンジニア「Devin」です。 人間や機械からの指示に基づいて計画から実装、デバッグ、デプロイまでできるのが魅力的です。 しかしあんまり運用する際の知見がインターネットやX（Twitter）上に落ちていないので僕がしっかり書いておこうと思った次第です。 「Devinは使えない」と言っている人も居ますが、僕は「Devinは運用に使える」と非常に思っているので運用に使うための知識を書いていこうと思います。 ではここからが本編です Devinの得意なこと・苦手なことを理解するDevinの基本的な位置づけDevinを効果的に活用するための最も重要なポイントは、Devinを
Devinにお願いしてソースコードからドキュメントを生成してもらえると面白そうなので実験してみた。Devin Wiki や Deep Wiki もあるんだけど、それとは別に自分で指示を出してコントロールできるのもいいかなという気持ち。 どうせ作るなら自分がドキュメントを読みたいやつがいいなぁと思って、ecspresso が好きだから、ecspressoのソースコードからドキュメントを生成してみることにした。 軽い気持ちでやってみたら、思ってたより苦戦した。すごくいい感じにできたわけじゃないので「この記事をめちゃ信じる！」んじゃなくて「へー、ちょっと参考にしとこっか」くらいが良いと思う。 勢いで書かないと書き終わらなさそうだったので、勢いでざーっと書いた。ので長い。 できあがったもの できあがったものを最初に書いておく。わりと気に入ってる。ただ、生成するたびに色々変わるので、雰囲気で参照する
こんにちは、id:kouki_dan です。先日、はてラボに1つサービスをリリースしました。 labo.hatenastaff.com これを作り始めたとき、ちょうど社内では検証用にDevinが使えるようになっていました。検証の用途はエンジニアに任されていたので、ゼロからプロダクトを作る検証として、これを全部Devinで作ったら面白いんじゃないかな？と思いつきました。そして、人間コミット禁止縛りで作り始めて、リリースまで、人間が１コミットもすることなく完成させることができました。トップコントリビューターはもちろんDevin。グラフに人がいるのは、マージコミットがカウントされているからだと思います！ もちろん、まるっきり全てを任せたわけではなく、タスクの分割などは適宜人間が行っています。ただ、コードはDevinが全て生成しています。唯一、GitHubのリポジトリ作成と最初のコミットだけは、D
はじめまして！ Devinを導入して昨日から社内で試験的に利用し始めたのですが、すごすぎて1日中Devinと会話し続けてガチ恋沼ハマりしてしまった、コクヨ開発エンジニアの伊藤と申します。 このすごさを少しでもみなさんに共有したく、記事を書くことにしました！ 自立型ソフトウェアエンジニアリングAIのDevinの紹介の記事になります！ Devinって？Devin（デビン）とは、AIスタートアップCognition社が開発した完全自律型のソフトウェアエンジニアリングAIです。 従来のテキスト対話型の生成AIとは異なり、指示をもとに自律的に一連のソフトウェア開発作業をこなしてくれるAIエージェントです。 Devinの推しポイント語らせてください！1日中触れ合って感じたDevinのすごさを事例を交えていくつか紹介します！ 判断が必要なときに指示を仰いでくれる！「detektのバージョンアップを行う」
https://aiau.connpass.com/event/357271/
チューニング チューニングにあたっては、大きく以下の3点を重視しました。また、これらを管理するための「プロンプト」と「Knowledge」の使い分けも工夫しています（後述します）。 レビュー時のお作法を守らせる（AIは細かい作業に分解することが苦手な場合が多いため、ファイル単位でのチェックや処理の追い方といった手順をインプットしています） Railsアプリケーションにおける理想的な設計パターンをレビュー時に定着させる グロービス特有のドメイン知識・運用ルールを活用させる これらの観点で情報整理を行うことにより、「一般的に望ましい設計や実装方法」だけでなく、「自社特有の事情を反映した指摘」を自然に提示できるようになります。 また、知識の初期構築に多くの時間を割くことなく、実際に使いながらDevinにフィードバックを行い徐々に精度を高めていけるため、最初は小さく始めることを意識しました。 Kn
Devinとは、ソフトウェア開発におけるタスクを自動化・効率化してくれるAIエージェントです。2024年12月に正式リリースされました。 私が所属しているUbieにも先日導入されました。様々な作業ができますが、あるリポジトリで不足しているテストを書いてもらったところ、その便利さに感動して椅子から転げ落ちました。 本記事では、Devinの実際の使い方と、利用する上でのポイントを紹介します。 1. テストの作成をSlackで依頼する Slackで「これこれのテストを書いてほしい」と依頼すると、Devinがテストコードを生成し、GitHubに新しいPRを作ってくれます。 依頼例は次のとおりです。 こんにちは、 @Devin 以下の仕事をして - ubie-inc/リポジトリ名 repo にアクセスして - （テスト対象のパス） のテストを書いて - 次のテストの書き方を参考にして - foo/i
Devin.aiを試す 長くなってきたので切り出した Devin.aiを試す2024 2025-01-02 Session Usage Limitについて Devin went to sleep due to session usage limits. Limitをだいぶ超えてから止まるようだw 追記 説明を読むとセッション単位のように読めますが、最後のユーザーの発言以降で使用できる ACUs の上限 (by teramoto) あ、そうなんだ、どうりで超えてるものもあるなぁと思った Devin観察日記 3日目｜Daiki Teramoto nishio 「さて、いよいよ金銭感覚が麻痺して参りました。一歩先の未来を生きるためのコストとして受け入れつつも、たまに冷静になる瞬間が恐ろしいです。」 あーあー聞こえないーー(1ヶ月のトークンを1週間で使い切っておかわりした人) nishio 冗談は
こんにちは。ファインディでソフトウェアエンジニアをしている栁沢（@nipe0324a）です。 ファインディでは、25年1月末から転職開発チームにDevinがジョインし、現在2ヶ月ほど一緒に働いています。 Devinのアウトプットとして、プルリクエストのマージ数は「2ヶ月で197件」、「1日あたり平均5.2件」とバリバリ開発をしてもらっています。 過去2ヶ月のDevinのマージ済みプルリク数の推移 Devinの2ヶ月の費用としても約30万（$2,000 = 1,000 ACUs）ほどで、比較的簡易なタスクかつ一部サポートは必要でしたが十分なアウトプットを得ることができました。 今回の記事では、Devinに効果的にアウトプットを出してもらうために 試して上手くいったところ 上手くいかなかったところ 具体的なTips などをご紹介できればと思います。 ちなみに、ファインディ内でのDevinの利用
この記事は、人間が書きAIが推敲した文書になります 現在、App Store の Review 待ちの時間を利用して記事にまとめている。 iOS、Android アプリをそれぞれネイティブで開発する上で使い分けが決まってきた。 現在課金している or 無料プランで使用しているツール 以下のようなものがある。（スポンサー表記も含めて）. Devin (Cognition AIからライセンス提供いただいている) Claude Code (Claude Code Max Plan を契約している、 Credit を気軽に受け取ったりもしている) ChatGPT (現在はPlus Plan である、主にCodex CLI目的で使用している) Cursor (20ドルプラン) GitHub Copilot (会社が契約しているものを個人でも使用できるようになっているため、利用している) 各ツールの使
レビュー精度：対象PRへの指摘のうち、正しかった指摘割合の平均 再現率：Devinの良い指摘を再現した割合 レビュー内容の精度やコストから、予想以上にDevinのレビュー精度を上回っていることがわかります。 また、レビューの速度についても、Devinと同等 / ほとんどの場合、Devinよりも高速でした。（ローカル環境がそのまま使えるため、環境セットアップの時間が省略されているのもポイントですね） 定量その2 サイクルタイム レビュー精度という数値のみを追いかけてしまうと、「指摘は鋭いがレスポンスが遅い」といった数値ハック・局所最適に陥るリスクがあります。 開発フロー全体の健全性 を測るために、2 つ目の軸としてサイクルタイム という健康指標を導入しています。これから組織で展開する際に、精度にのみ注目し他を見落とすことがないよう、合わせて指標を追っていきます。 計測には technuma
Devin は生成AIを活用した新しいエンジニアAIエージェントで、今後のエンジニアの開発に大きな影響を与える可能性があると思います。個人的にDevin関連の資料をストックしていたので、Devinについての理解を深めるためにおすすめの資料を日本語と英語で紹介します。 ※今後、適宜追加していくかも(´・ω・｀) 2/17 追記 日本語でおすすめ 1. ざっくり知りたい人向け まずこれを読むと全体像が把握できると思います。 手前味噌ですが、自分の記事も。長くないので、サクッと最初の導入やDevinを活用するうえでのポイントがわかると思います。 料金やオプトアウト（データが学習に使われるか否か）など、Devinを社内で使う際の稟議に必要そうな情報がまとまっていてありがたい。※2/17追加 Devinに任せるタスクを「自律度」という観点で推奨・非推奨の事例を説明している。ちょっとしたUI修正であれ
@dyoshikawaです。 先月、社長にお願いしてZennチームに試験的にDevinを導入することができました。 導入して約1ヶ月ほど経ったので、Devin含むAIコーディングエージェントの活用や課題、そして生成AI時代におけるエンジニアの役割について思うところを書いてみようと思います。 Devinとは 自律性の高いAIコーディングエージェントです。Cognition社（Devin開発元）いわく「最初のAIソフトウェアエンジニア」。 AIモデルが独立した動作環境（Linuxサーバ）、コーディングエディタ（VSCode。拡張機能も入れられる）、ブラウザを持っており、それらを自由に操作する権限を与えられていることが新規性だと思っています。 かなり話題になっており、Zennにも毎日のようにDevinに関する記事が執筆されています。 Devinに懐疑的な見方もある （特に海外の一部ユーザーの間な
本記事では2025年に特に注目を集めた、5つのAI駆動開発ツールの導入背景や活用事例を、Findy Toolsにお寄せ頂いた69社・82件のレビュー記事を元にまとめました。気になった事例については、各レビュー記事で詳細をご覧いただけます。ツール選定や更なる活用のアイディアとしてご参照いただければ幸いです。 ※ 各ツールの導入企業の声は、Findy Toolsにレビューが投稿された時点の情報になります。予めご了承ください GitHub CopilotGitHub Copilotは、GitHub上のリポジトリ全体を学習したコンテキストに基づき、インラインでのコード補完やチャット回答を行う事が特徴です。2025年のアップデートでは「自動モデル選択（Auto model selection）」機能が導入され、タスクの難易度に応じて最適なモデルが自動で割り当てられます。 VS Code、Visual
freee PSIRT( Product Security Incident Response Team ) のhikaeです。freeeでも自律型AI AgentのDevin*1を雇用しています。 今回はPSIRTの業務の一つである Dependabot対応におけるDevinの活用事例（Devindabot）… ライブラリの脆弱性対策にAIを活用して、開発ライフサイクル全体にいい影響が出た話 をご紹介します。 Dependabot対応 ... ライブラリの脆弱性対策 ライブラリアップデートの辛さ フローを見直し負担を下げる DependabotがPull Requestを作る流れ 1. GitHub Advisory Database · GitHub に脆弱性情報が追加される 2. Dependabotがリポジトリごとの依存グラフを定期的に更新する。もし脆弱性による影響がある場合はアラ
2025年3月26日のAI駆動開発勉強会 臨時回【Devin Meetup Japan #1】の登壇資料です https://aid.connpass.com/event/347052/
業務でDevinを利用してすごく気に入ったので、個人用途でも使いたくなりました。 ただ個人支出で$500/月は正直無理なので、OSSのOpenHands（旧OpenDevin）に目をつけました。 しかしながらSonnet 3.7（3.5）で使った結果、逆に「実は本家Devinって安いんじゃないか？」となったのでやったことと所感を書いておきます。 OpenHandsについて OpenHandsは、エンジニアリングタスクを支援するオープンソースのAIエージェントです。Devinのオープンソース実装として知られており（以前はOpenDevinという名称でした）、様々な開発作業をサポートしてくれます。 特に新規プロジェクトの立ち上げや、既存コードベースへの機能追加、リファクタリングなどできるとしており、例えば、新しいReactコンポーネントの作成や、GitHubアクションの追加、バグ修正など、幅広
こんにちは。 1月21日、Devin Reviewという仕組みがDevinに実装されました。 自分は普段の業務でPRレビューを数多く行うのですが、そんな自分にとって、とてもありがたい機能だと感じ、ぜひ紹介したいと思ったので、記事を書きます。 課題 この記事を少し前に読み、自分も深く共感しました。普段プロダクト開発チームでレビュアーを担当していますが、AIによってアウトプット量が著しく増えた影響で、コードレビューにかかる時間が非常に増え、脳のリソースを使う割合が増えました。 自分は毎日最低5個程度のPRをレビューするので、まさにレビュー疲れを体験している一人です。 そしてこの課題感はCognitionも感じていたようで、以下の記事でもAIによって増えたアウトプット量によってレビューが停滞（stagnation）するということについて言及しています。 皆さんの感覚としても、生成AIが現場に浸透
ちなみに来月は利用量がかなり増えそうな見込みがすでに立っており、Devinの上限を超えそうな状況に頭を抱えています。 定性面について（AIサマリー） おすすめの使い方 おすすめの使い方についてアンケート結果をAIサマリー丸っとかけた結果について以下に共有したいと思います。最初はSlackから呼び出す使い方が多かったですが、レビューに組み込むであったりPOやQAのみなさんが使い始めてから活用事例としては多く出てきた印象があります。 1. コードレビュー・PR関連の活用 DevinはコードレビューやPR作成で特に役立つとの意見が多く見られました。 「コードレビューでは特に効果を発揮している印象です。小規模なリファクタはスムーズに行えるため、かなりありがたいですね…！」 「PRレビューでは非常に有用だと感じています。確認すべき観点を knowledge に蓄積することで、確認漏れや同じミスを防げ
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く