#
915
2026/11/21
今日のトレンド

GitHub機能とAIテストの時代

おはようございます! zenncast、マイクです。11月22日、日曜日、朝7時になりました。日曜日の朝、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を、楽しく、じっくりご紹介していきます。

今日は全部で5本です。GitHubの新機能から、AI時代のテスト、レシートの文字認識、そして本番インフラの移行まで。開発の現場で役立つ話題がそろっていますよ。

....

まず1本目は、GitHubの新機能「Issue Artifact」を紹介する記事です。

これは、HTMLやMarkdownのファイルをIssueに添付して、専用のパネルで表示できる機能です。たとえば、AIに作ってもらった図解やデザイン案。それを確認するために別のサービスへ移動するのではなく、GitHubの中で、そのまま見たり共有したりできるんですね。議論の材料がIssueにまとまるので、チームでの相談やレビューも進めやすくなりそうです。

添付はブラウザからでも、ghコマンドからでも可能です。HTMLやMarkdownだけでなく、ログなどのテキストファイルにも対応しています。

表示については、HTML、CSS、SVGが使えて、一部の操作やアニメーションにも対応しています。ただし、JavaScriptは動きません。また、別ファイルとして置いた画像を、相対パスで読み込むこともできないそうです。普段のWebページをそのまま持ってくれば全部動く、というわけではない点は押さえておきたいですね。

現在は一般向けの試験公開段階です。特定のAIツールに限定されず、どのツールで生成した資料でもIssueにまとめて共有できる。ここが大きな魅力です。作った資料を、話し合う場所にそのまま置けるのは便利ですね。

....

続いて2本目は、AIが実装もテストも書く時代に、何を人間が担うべきか、という記事です。

AIに実装を書いてもらい、さらにそのテストも書いてもらう。効率はよさそうですが、実装とテストが同じ思い込みを共有してしまうと、両方で同じ問題を見落とす危険があります。つまり、テストが全部通ったとしても、バグが残っているかもしれないんですね。

そこで筆者が提案しているのが、人間は「どんな場面でも守るべきルール」を決めることに集中し、操作の組み合わせを大量に試す作業は機械に任せる、という考え方です。

記事ではQuintを使って、「販売数が在庫数を超えない」というルールを設定しています。そして、複数の人の購入操作が重なるケースを調べることで、バグを発見しています。1人ずつ買う分には問題がなくても、操作が重なるとルールが破られる。こういう場面は、確かに見落としやすいですよね。

Quintでは、指定した小さな範囲について、すべての状態を調べられます。さらに、そこで生成した操作手順を使って、実際の実装も確認できるということです。

ただし、通常のテストを全部やめる、という話ではありません。普段のテストは残しながら、在庫管理や権限管理など、状態や操作の組み合わせが複雑なところに使い分ける。人間が守るべき条件を考え、機械が組み合わせを調べるという、役割分担の提案です。

....

3本目もテストの話題ですが、今度は「そのテスト、本当に間違いを見つけられますか?」と確かめるツール、mizchi/mutatorの紹介です。

このツールは、コードをわざと書き換えます。そして、間違いを入れたときに、テストがきちんと検出できるかを調べるんです。テストが通ることを確認するだけでなく、壊したときにはちゃんと失敗するかを確かめるわけですね。

特徴は、テスト自体の見逃しを発見できることです。筆者の検証では、重要な13ファイルで540件の見逃しが見つかり、およそ230件のテストを追加したそうです。テストがあることと、間違いを検出できることは、必ずしも同じではない。この数字からも、そこが伝わってきますね。

繰り返し使いやすい工夫もあります。変更に関係する部分だけを再検査するので、毎回すべてを調べ直すよりも速く実行できます。筆者はこれを、AIが実装したり修正したりするたびに確認する開発手順へ組み込んでいます。

一方で、ツールが入れた間違いを検出できなかったからといって、そのテストが不要とは限りません。テストを削除する際には、人の確認を挟むようにしています。また、このツールでは試せない壊し方もあるため、そこはAIによる確認で補っているそうです。

ツールの結果をうのみにするのではなく、人とAIを組み合わせながら、テストの見逃しを減らしていく。そんな実践が紹介されています。

....

続いて4本目は、自宅のPCでレシートを読み取るための、OCR比較記事です。

レシートには買ったものや金額が載っていますから、画像を外部に送らずに処理したい、という方もいらっしゃいますよね。この記事では、NVIDIA製GPUを使わない環境で、OCRの15構成を、実物のレシート11枚で比較しています。

その中で最もよい結果だったのは、YomiTokuを使った「2段読み」です。まず読み取りを行い、自信のない行だけを高精度モデルでもう一度読み直します。結果は、商品名の完全一致率が93パーセント、印字された金額の再現率が100パーセント。処理時間は1枚あたり約1.8秒でした。必要なところだけ読み直す、というのがポイントですね。

ただし、利用条件には注意が必要です。YomiTokuは非商用ライセンスなので、業務で使うには別途契約が必要です。商用利用の候補としては、CPUだけで高速に動くNDLOCR-Liteや、金額の読み取りに強いPP-OCRv6が挙げられています。

画像に対応したAI、VLMについても検証しています。こちらは長い印字レシートだと、同じ文字を繰り返したり、書かれていない内容を作ってしまったりする例が目立ったそうです。一方で、手書きの領収書2枚を使った検証では、上位の結果でした。印字と手書きで、得意なものが変わるんですね。

そして実用化で重要なのは、文字を読むだけではありません。商品名と金額を同じ行にまとめて対応づけること、さらに合計金額を検算する処理が大切だとしています。手書きについては、複数モデルの結果を照合し、一致しなければ人が確認する方法を勧めています。

なお、今回は少数のレシートでの検証です。順位や数値はあくまで目安として、自分が扱うレシートでも確かめたいところですね。

....

最後、5本目は、CDKからTerraformへ、本番インフラを止めずに移行する方法を紹介した記事です。

ポイントは、インフラを作り直すのではなく、「管理だけを移す」こと。記事では、12サービスと共通基盤を対象に、この移行を実践しています。

手順としては、まずCDKで削除ポリシーをRetainに設定し、その設定を反映します。これは、CDKの管理対象から外しても、実際のリソースは残すための準備です。そのうえでCDKの管理対象から外し、Terraformのimportで既存のリソースを取り込みます。

確認には、cdk diffとterraform planを使います。原則として目指すのは、import以外の追加、変更、削除がない状態です。例外として差分が出る場合には、なぜ実際のリソースに影響しないのか、その理由を説明できるようにします。「差分はあるけれど、たぶん大丈夫」では進めない、ということですね。

移行中は既存の設定を変えず、影響の小さいサービスから順番に進めます。また、共通基盤などとの参照関係を事前に調べ、参照している側から移行することも大切です。管理の引っ越しと設定変更を一緒にせず、順序も整理して進めるわけです。

本番作業はペアで行い、動作確認に加えて、リソースがきちんと残っていることの確認も徹底します。さらに、移行できたところで終わりではなく、空になったCDKのスタックを削除したり、古いタグや不要なリソースを整理したりするところまで、計画に含めています。

止めずに移すためには、準備から確認、後片づけまでがひとつの作業。慎重な移行の進め方として、参考になる内容です。

....

さて、今日のzenncast、いかがでしたか?

今日は、GitHubの中で生成資料を共有できるIssue Artifact、守るべきルールから検証するQuint、テストの見逃しを調べるmizchi/mutator、自宅PCでのレシートOCR比較、そしてCDKからTerraformへの停止を伴わない移行について、5本の記事をご紹介しました。

詳しい内容はショーノートに書いてありますので、気になった話題をぜひチェックしてみてくださいね。

皆さんが試してみたいツールや、開発の現場で工夫していることなど、番組への感想もお待ちしています。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、登録や高評価をつけてもらえるとうれしいです。

それでは、次回も皆さんとお会いできるのを楽しみにしています。お相手はマイクでした。すてきな日曜日をお過ごしください!

Related episodes

内容の近いエピソードを推薦しています