📚 すべての記事
全 60 件 ／ 4 ページ目（全 5 ページ）
品質ゲート編：doc-reviewer、テスト品質チェック、受入テスト
ステアリング駆動開発の 5 段品質ゲート。doc-reviewer / design-reviewer の 2 段レビュー、型別テスト網羅性チェック、implementation-validator の 7 観点、Stryker.NET によるミューテーションテスト、Evidence Gate、pre-push 統合ゲートまでを CTS-EC の運用で解説します。
Web サイト構築の技術選定ガイド：CTS での採用基準フロー
HP・コーポレートサイト・ナレッジベース・動的 SaaS を新規構築する際の技術選定基準。Astro / Next.js / Angular + .NET / microCMS / WordPress / STUDIO を 5 軸で評価し、S3 + CloudFront + WAF による AWS ホスティングと GitLab CI/CD を含めた CTS の採用基準フローを解説する。
開発手法ガイド：モノレポ編 — AI に渡すコンテキストを設計する
AI 駆動開発でモノレポ戦略が重要な理由。Nx / Turborepo / pnpm workspaces の 2025 年比較と、AI に渡すコンテキスト範囲を設計するためのリポジトリ構造。
L2TP から Tailscale へ ― 開発者のためのリモートデスクトップ乗り換えガイド
L2TP/IPsec VPN は PSK 脆弱性・NAT 越えの弱さ・モダン OS のサポート縮小により新規採用非推奨。WireGuard ベースの Tailscale へ乗り換えれば、二重 NAT 環境でもポート開放なしで RDP・SSH・Docker まで扱える開発環境が手に入る実践ガイド。
CTS-EC 共通商品マスタ — AS/400 の商品データを AI で統合・マルチモール展開する仕組み
AS/400 の JAN・品番データから SKU を自動展開し、AI カテゴリマッピング・カラー紐付け・画像管理を統合。Yahoo・楽天・Shopify へのマルチモール出品を省力化する CTS-EC の技術基盤を解説。
AS/400 を使い続けながら B2C に参入する — CTS のサービスで変わる代理店ビジネス
AS/400 を捨てずに CTS-EC・CTS-LOGI と AI を組み合わせて B2C EC に参入する方法。商品登録の自動化、配送基盤の構築、マルチモール展開まで、代理店のコスト障壁を劇的に下げるアプローチを解説します。
Gemini API モデル移行ガイド：2.5 → 3 への備え
Google Vertex AI の Gemini 2.5 モデル廃止スケジュールと Gemini 3 への移行戦略。料金変動、思考シグネチャ対応、Provisioned Throughput の更新手順など、実務で必要な準備をまとめます。
開発手法ガイド：アトミックデザイン編 — AI に粒度を指定して UI を量産する
AI 駆動開発でアトミックデザインが効く理由。2025 年は「Design Tokens + Atomic」が主流。AI に Atom / Molecule と粒度を指定することで、影響範囲の閉じた UI を高速に量産できる。
Terraform IaC 実践ガイド：準備編 — WIF キーレス認証・bootstrap・Secret Manager 設計
Terraform でインフラを構築する前に必要な準備事項。クラウドアカウント設計、WIF キーレス認証の attribute 設計、サービスアカウントの役割分離、bootstrap（鶏と卵）問題、Secret Manager での変数集約、State 管理、組織ポリシー対応まで、失敗しないための事前設計を実プロジェクトの落とし穴つきで解説する。Terraform IaC 実践ガイド第 2 回。
開発手法ガイド：CES アプローチ編 — AI に長期トランザクションを任せる設計
AI 駆動開発で CES（Command-Event-Saga）が必要な理由。集約・サービスを跨ぐ長期トランザクションを明示的にモデリングすることで、AI が成功/失敗シナリオを自動で認識できる。
開発手法ガイド：イベントソーシング編 — AI にバグ再現と What-if を任せる
AI 駆動開発でイベントソーシングが効く理由。状態ではなくイベント列を真実とすることで、AI にバグ再現・仕様復元・What-if 分析を任せられる。イベント DB（Event Store）の選び方も解説。
開発手法ガイド：CQRS 編 — AI に複雑クエリを任せても壊れない設計
AI 駆動開発で CQRS（コマンド・クエリ責務分離）が必要な理由。書き込みモデルと読み取りモデルを分離することで、AI に複雑な画面クエリを任せてもドメインロジックが汚染されない。