おはようございます。FMラジオ「zenncast」、パーソナリティのマイクです。
今日は2026年6月2日、火曜日の朝7時をまわったところです。今朝も、開発者のみなさんと一緒に、Zennのトレンド記事をゆるっと、でも中身はしっかりめで追いかけていきたいと思います。これから、今日のZennトレンドから気になる記事を5本、ご紹介していきますね。

さて、今日紹介する記事は全部で5本です。テーマとしては、自作データベース、Obsidianでの知識管理、AIによるテスト自動化、株・仮想通貨トレードボット、そして「臭うコード検出器」という、なかなかクセの強いラインナップになっております。朝から濃いですよ。

まず1本目。
タイトルは「自作データベース入門の入門：好きなプログラミング言語でSQLiteライクなDBを作ろう！」。
これはね、「データベースって結局どう動いてるの？」っていう素朴な疑問に、実装を通して答えにいくタイプの記事です。元ネタはC言語でSQLiteっぽいDBを作る有名チュートリアルなんですが、それを紹介しつつ、「自分の好きな言語でやってみようよ」というスタンスになってます。
作るのは、insertとselectしかできない、固定スキーマの最小構成のCLIデータベース。でも中身の構造はしっかりしていて、REPLでコマンドを受けて、パーサで解釈して、テーブルのデータ構造に落として、それをPagerというコンポーネントでディスクとメモリのあいだをやりとりしながら、B+Treeのインデックスで高速に検索する、という、SQLiteをシンプルにしたミニ版アーキテクチャをなぞる形になっています。
特に面白いのがPagerとB+Treeの部分。Pagerは4096バイトのページ単位でキャッシュと永続化を行っていて、「なぜDBはページという単位を使うのか」とか、「メモリとディスクをどうやって橋渡ししてるのか」が体感できます。B+Treeのほうは、LeafノードとInternalノードをページ単位で管理して、二分探索でO(log N)の挿入と検索、そして全件走査を実現する仕組みを実装していきます。
記事としては、「まず一番小さいDBを作ってみて、あとは自分の興味で機能を足していく実験場にしよう」というメッセージで締められていて、「勉強のための作品」っていうより、「長く遊べるおもちゃを自分で作る」感じがいいんですよね。DBの中身をちゃんと理解したい人、OSやストレージ周りが好きな人には、かなり刺さる内容だと思います。

。。。。

続いて2本目。
タイトルは「Obsidian × arscontexta — 育つ知識システムを Claude Code で自動化する」。
これは、メモをとるのはいいんだけど「書きっぱなしで育たない問題」、ありますよね、というところから始まります。Obsidianにアイデアは溜まっていくけど、リンクが貼られずに孤立ノートが大量発生する、振り返るタイミングもバラバラで、だんだん罪悪感だけが溜まっていく…そんな状況を、Claude Code用のプラグイン「arscontexta」を使って、自動で「育つ知識システム」に変えていった話です。
キーワードは「キャプチャ→振り返り→つなげる→確かめる」というパイプライン。雑に書いたメモを、後からAIが構造化してくれたり、Wikilinkを自動で付けてくれたり、孤立ノートを検出してくれたり、古いノートを再び表舞台に連れ戻してくれたりします。vaultのルートに置くCLAUDE.mdというファイルを、ルールの単一の情報源にしていて、「このボルトはこういう思想・方針で運用します」というのを明文化しておくのもポイント。
さらに面白いのが、CoworkのScheduled機能と組み合わせて、日次のメンテナンスを完全自動化しているところです。毎日決まった時間に、/validateでノートの整合性をチェックしたり、/graph orphansで孤立ノートを洗い出したり、/revisitで古いノートをピックアップしたり。人間が「よしメンテしよう」と気合を入れなくても、勝手にノートグラフが手入れされていくイメージですね。
結果として、「ちゃんと整理できてない…」というストレスとか、「このメモもう二度と見ないんだろうな」という罪悪感がかなり軽くなった、というのが筆者の実感。最終的には、この「育つノート」たちを、アプリ開発やSNS投稿などのアウトプットに循環させていく構想まで描かれていて、「AIを知識の庭師にする」という感じの記事になっています。

。。。。

3本目。
タイトルは「テスト計画・分析・設計・実装・実行・レポートまでを通しで自動実行するAI開発&公開」。
これは、テストをやっている人なら「耳が痛い…」となる話から始まります。いきなりテストケース作成から入ると、抜け漏れや、実は不要なテストが大量発生しがち、というやつですね。この記事では、その問題に対して、テスト計画から分析、設計、テストケース作成、テストコード実装、実行、レポートまで、全部をAIスキル群で自動化しちゃおう、というチャレンジが紹介されています。
特徴的なのは、各工程ごとにちゃんと中間成果物を出して、レビューと修正を挟みつつ進めること。それぞれのリスク、テストアプローチ、分析結果、設計、テストケースがIDで紐づいていて、「このテストケースはどのリスクから生まれたのか」がたどれるトレーサビリティを確立している点がポイントです。
テストケースも、「コードベース用」「e2e自動テスト用」「人間が手でやるテスト用」に分けていて、コードベースとe2eはAIがテストコードを書いて、自動で実行までやってくれる。e2eについてはPlaywrightを使って、未実装テストケースの切り出しや、実行結果、発見されたissue一覧、HTMLレポートの出力まで一気通貫で回すようになっています。
人間は何をするかというと、「質問待ちケース」への回答や、人間用テストの実行、そして結果の確認ですね。「このテストって本当に必要なの？」とか、「この仕様変更の影響範囲どこ？」みたいな問いに対しても、リスクとアプローチからたどれるので、見通しがよくなる。サンプルアプリや仕様、実際の成果物も公開されているので、「AIをテストプロセスに本気で組み込みたい」というチームには、かなり実践的なリファレンスになりそうな記事になっています。

。。。。

4本目。
タイトルは「Claude Codeに株・仮想通貨botを300個作らせて見えてきたこと」。
これは、投資とAI、両方好きな人にはたまらない内容ですね。筆者は、Claude Codeと自作のbot群、J-Quants、日本株・仮想通貨の各種データ、さらに論文やWeb情報を組み合わせて、株・仮想通貨のトレードボットを約300個、自動生成・検証したそうです。数字のインパクトがすごい。
バックテストでは一応プラスになった戦略が約200個。ただ、そこからちゃんと掘り下げて「本当に運用に耐えうるか？」を見ていくと、OKを出せたのは20個。そして実際に運用を始められたのは、最終的に5個だけだったという話です。ここから見えてくるのは、「大量に戦略を生成するのはAIが得意だけど、そこから本当に使えるものを選ぶフィルタリング作業が、人間側のボトルネックになる」という現実ですね。
検証の過程では、リークやデータスヌーピング、疑似データの自動生成、日本株のショート制約を誤って扱う、といった、アルゴトレードならではの落とし穴がたくさん見つかっています。また、単純なテクニカル指標だけとか、バリュー指標単体では、なかなか安定したエッジにはならない、というのも身をもって確認されたと。
運用に乗せるまでのプロセスもきっちりしていて、READMEで戦略の管理をしたり、戦略の命名ルールを整えたり、別モデルによるCodex監査をかけたり、人力での再バックテストを必須にしたりと、「AIが出してきたものをそのまま信じないための仕組み」を用意しているのが印象的です。結論としては、「AIは強力なアイデア生成エンジンではあるけれど、最終判断と実運用の責任はやっぱり人間にある」という、かなり現実的なバランス感覚の記事になっています。

。。。。

そして5本目。
タイトルは「Claude Codeのために「臭うコード検出器」を開発し、Hooksに設定してみた話」。
これは、AIコーディングが当たり前になってきた今っぽい課題、「レビューの負荷が増えすぎ問題」に対する一つの解決策です。記事では、構文木解析を使ったカスタムLintルールと、Claude CodeのHooks機能を組み合わせて、「明確にNGな実装」と「CIでは落としづらいけど、基本やめてほしい“臭うコード”」を機械的にあぶり出す仕組みを作った事例が紹介されています。
たとえばLaravel標準Logger禁止みたいな、ルールがはっきりしているものは、PHPStanのカスタムルールとしてCIで落とす。一方で、「UseCase層からModel直読はちょっとイヤだな」とか、「useEffectの中でsetState連発は危ないよね」、「Validationでmax抜けてない？」、「Migrationこれ将来つらくなるやつでは？」、「assertStatus(500)って本当にいる？」みたいな、グレー寄りだけど気になるパターンは、専用コマンドとStop Hookで検出して、「修正必須ではないけど、もう一回考えてみて」というメッセージをClaude Codeに返します。
面白いのは、これによって「人間がレビューする前に、AI自身が自分の差分をセルフチェックする」流れができているところです。構文木で拾えないような設計系のナレッジは、CLAUDE.mdやClaude Code Rules、SKILLとして落とし込んでいって、過去のレビュー記録から新しいルールを生成するSKILLまで作っている。つまり、「何度も出る指摘は、ルール化して再発を止める」というサイクルを、AI側に持たせているわけですね。
最終的には、人間のPRレビューもちゃんと残しながら、ReviewDogで「レビュワーへのヒント」を自動コメントさせるなど、静的解析・Hook・ドキュメント・スキルを役割分担して組み合わせるのが有効だ、というまとめです。AIを「コードを書く人」としてだけじゃなく、「事前チェック係」としてもう一役持たせるアプローチは、今後いろんな現場で広まりそうだなと感じました。

。。。。

さて、そろそろお別れの時間です。
今日は、
・SQLiteライクな自作DBでPagerやB+Treeの仕組みを体感しよう、というデータベース入門記事。
・ObsidianとClaude Codeで、「育つ知識システム」を自動化するarscontextaの話。
・テスト計画からレポートまで一気通貫でAIにやらせる、テストプロセス自動化の取り組み。
・Claude Codeに株・仮想通貨botを300個作らせて、最後に残ったのは5個だった、という現実的な検証記。
・そして、構文木解析とHooksで「臭うコード検出器」をつくり、AIにセルフチェックさせる仕組み。
この5本をご紹介しました。

もっと詳しく読みたい方は、番組のショーノートに記事情報を載せておきますので、ぜひそちらから元記事もチェックしてみてください。
「zenncast」では、番組の感想や、「こんなテーマを取り上げてほしい」といったリクエストもお待ちしています。あなたの開発現場での悩みや工夫も、ぜひ教えてください。

それでは、今朝はこのへんで。
お相手はマイクでした。また次回の「zenncast」でお会いしましょう。いってらっしゃい！