おはようございます!「zenncast」、MCのマイクです。11月21日、土曜日、朝7時になりました。週末の朝、皆さんいかがお過ごしでしょうか。今日もZennでトレンドになっている記事から、気になる話題をお届けします。
今日ご紹介するのは5本です。サーバのセキュリティ対策から、AI向けルールの管理、データ指標の統一、AI時代のテスト設計、そしてTypeScriptの型生成まで。開発の現場で役立つ工夫を、一緒に見ていきましょう!
....
まず1本目は、パッチ適用を前提に、攻撃を届きにくくして、侵入されたあとの被害も抑える、二段構えのセキュリティ対策です。
大事なのは、これがパッチの代わりではない、ということです。更新までの時間を稼ぎ、緊急対応の負担を減らすために、守りを重ねておこうという考え方なんですね。
まず、サーバの前にクラウドWAFを置きます。不審な通信を検査したり、リクエスト数を制限したりするほか、HTTP通信をいったん受け直すことで、サーバが危険な通信を直接処理する機会も減らします。ただし、WAFを迂回してサーバに直接アクセスできてしまっては困りますよね。直接アクセスを遮断する設定も、セットで必要です。
続いて、侵入後の被害を抑える対策です。nginxコンテナは管理者権限を使わずに動かし、ファイルは読み取り専用にします。書き込みを許すのは、必要な一時領域だけ。さらに、外向きの通信も接続先を限定して、侵入後の活動を妨げます。
そして、社内ツールや管理画面には、サーバに届く前の段階で社員認証を追加します。アプリ自体のログイン画面だけに頼らず、未認証のアクセスを前段で止めるわけです。
入口で止める工夫と、中に入られても自由に動かせない工夫。更新を進めながら、この両方を整えておくことがポイントですね。
....
続いて2本目は、CLAUDE.mdやSKILL.mdに書くルールを、どう整理して検査するか、という話題です。
ルールが増えてくると、「これは必須なのか、推奨なのか」「何が例外なのか」「ほかのルールと矛盾していないか」が、だんだん分かりにくくなりますよね。
そこで筆者が試しているのが、データの関係を記述する構文、Turtleです。ルールの強さに加えて、例外や、そのルールを設けた理由もまとめて管理し、自動検査できるようにしています。
この方法では、用語の打ち間違いや、例外が参照する先の抜けを検出できます。また、同じ文で書かれた内容が、一方では必須、もう一方では禁止になっている、といった矛盾も見つけられます。
ただし、万能ではありません。言い換えられた文章同士の矛盾までは見つけられず、記述する文章量も増えます。
Claude Haikuを使った実験では、例外を守りやすくなる結果が見られたそうです。ただ、その効果を広く一般化するには、まだ検証が足りないとのこと。
筆者が、多数のルールを扱う際にTurtleを選ぶ理由として重視しているのは、AIの従いやすさ以上に、人が読みやすいことと、検査を自動化できることです。AIへの指示も、人が保守するルール集として整えていく。そんな視点が参考になりますね。
....
3本目は、SQL、BI、AIで同じ数字を扱うための、指標定義の連携についてです。
この記事では、dbt v1で書いた売上などの指標を、Apache Ossie経由でSnowflakeへ、そして独自の変換でLightdashへ取り込んでいます。検証では、SQL、BI、AIで同じ数字が得られたそうです。
ただ、AIに正しい指標を選んでもらうには、計算式をそろえるだけでは足りません。指標の意味や、どう使い分けるのかも、descriptionに書くことが重要です。その説明はSnowflakeまで引き継がれますが、質問そのものの曖昧さまではなくならない、という点も押さえておきたいですね。
また、Lightdashではテーブル同士の結合が引き継がれないため、別途設定が必要です。現時点で、すべてを一元管理できるわけではありません。
対応していない指標にも注意が必要です。累積集計や、別テーブルの条件で絞り込む指標は未対応。特にSnowflakeへの変換では、「直近7日」の指標が、全期間の合計に変わってしまう場合があります。
これは数字を見る側には気づきにくい違いですよね。公開前に、こうした警告をエラーとして検出する対策が必要だとされています。
運用としては、定義の変更はdbt側で行い、Snowflakeへの再公開と、Lightdashへの再反映を、それぞれ実行します。同じ数字を届ける仕組みに近づけつつ、変換の制約と反映の手順も、きちんと管理することが大切なんですね。
....
続いて4本目は、AIで開発が速くなる時代の、品質を守る仕組みについてです。
AIによって変更を作る速度が上がると、人が変更内容を読んで、動作を確かめるだけでは、品質を守りきれなくなります。
筆者は学習サービスの開発で、演習データからテストを自動生成する仕組みや、変更に関係するテストだけを動かす仕組みを、課題に応じて整えてきたそうです。確認する量に対応しながら、必要なテストを効率よく動かす工夫ですね。
ここで大切なのは、AIに毎回ルールを守らせようとするのではなく、守るべきことを仕組みにする、という考え方です。
そのために、最初からシステムの中心部分をテストしやすく設計する。そして、利用者に約束する動きを、テストとして残しておきます。
一方で、仕組みを作れば、人の判断がいらなくなるわけではありません。必要に応じて設計を見直す判断は、人が担うべきだと述べられています。
速く作るためのAIと、安心して変更するための仕組み。その両方を育てていくことが大事なんですね。
....
最後、5本目は、TypeScript 7.1のContent Mapperを使った型生成の話題です。
Content Mapperを使うと、型の生成コマンドを手動で実行する必要がなくなります。設定やコードの変更に合わせて型を更新できるため、古い型が残ってしまう問題を防げる、というものです。
仕組みとしては、ライブラリに独自拡張子の空ファイルを置き、その読み込みをきっかけに、利用者のコードから型を作ります。作った型は、既存の型に項目を追加する「宣言マージ」という仕組みで反映します。
利用するには、tsconfig.jsonの設定に加え、実行時に外部コードの実行を許可するrunExternalCodeオプションの指定が必要です。エディタ側で使うTypeScriptも、7.1にそろえます。
ただし、ここで作れるのは、型チェック用の情報だけです。実行時のコードも必要な場合は、別の読み込み処理を用意しなければなりません。
また、処理が重いと、編集時の型チェックが遅くなる点にも注意が必要です。さらに、APIはまだ正式版ではありません。
手動で型を生成するひと手間を減らせる一方で、生成できるものの範囲や、編集時の性能、APIの状況を確かめながら活用したいですね。
....
さて、今日の「zenncast」は、5本の記事をご紹介しました。
攻撃の入口と侵入後の両方を守るセキュリティ対策。Turtleを使ったAI向けルールの管理と自動検査。SQL、BI、AIで数字をそろえる指標連携。AI時代の品質を支えるテストの仕組み。そして、TypeScript 7.1のContent Mapperによる型生成のお話でした。
詳しい内容はショーノートに書いてありますので、気になった記事をぜひチェックしてみてください。
番組の感想もお待ちしています。「この話題が気になった」「自分の現場ではこうしている」など、皆さんの声を聞かせてもらえるとうれしいです。
この番組はSpotifyやApple Podcast、YouTubeなどで毎日配信しています。気に入っていただけたら、登録や高評価で応援してもらえるとうれしいです!
それでは、次回も皆さんにお会いできるのを楽しみにしています。素敵な土曜日をお過ごしください。お相手はマイクでした。またお会いしましょう!