ワークフローの概要 このGitHub Actionsワークフローは以下の主要な機能を持っています: 新しいイシューが開かれたときに自動的に起動 イシューの内容を分析し、不適切なコンテンツをチェック 既存のイシューとの重複を検出 必要に応じてラベルを付与 ワークフローの詳細解説 トリガーとパーミッション設定 name: Issue Review on: issues: types: [opened] permissions: issues: write contents: read このセクションでは、ワークフローの名前を定義し、トリガー条件とパーミッションを設定しています。 on.issues.types: [opened]: 新しいイシューが開かれたときにワークフローが起動します。 permissions: ワークフローがイシューの読み書きと、リポジトリコンテンツの読み取りを行うための権
こんにちは!クライアント開発チームの安野です。 クライアント開発チームでは、クライアントポータルという to B 向けのサービス開発を担当しており、私はそこでフロントエンド・バックエンドの開発に携わっています。 クライアントポータルの内容はこちらからも確認できるので、ご興味があれば是非ご一読いただけますと幸いです! square.visasq.com そんなクライアント開発チームですが、この度、 Dependabot というライブラリの脆弱性管理ツールを導入しました。 今回は導入にあたって調査した Dependabot について共有できればと思います。 はじめに ソフトウェア開発において、外部ライブラリの利用はもはや常態化しています。 豊富な機能や開発効率の向上といったメリットから、多くのプロダクトにライブラリが活用されています。 しかし、外部ライブラリにも脆弱性が含まれる可能性があり、発
OSのインストールというのは面倒なものです。いや、そもそも普通の人はOSのインストールなんて一生に一度あるかないかのビッグイベントですが、今これを読んでいる時点で「OSに関する普通」の道を踏み外していますので、安心して「OSのインストールは面倒」だと思ってください。それは「インストールが簡単」と言われるUbuntuでも同じで、インストール設定を少し凝るようにすればするほど手順は複雑になりますし、さらにインストール後の環境のセットアップも必要です。 今回はそんな面倒さを少しでも和らげられるようUbuntu 24.04 LTSのデスクトップ版で正式に搭載された、「自動インストール機能」について紹介しましょう。 図1 Ubuntu 24.04 LTSで追加された自動インストール機能 サーバー版の自動インストール機能を用いた自動化方法 自動インストール機能そのものは、第810回の「Ubuntu
デザインコラボレーションツールを手掛ける米Figmaは6月26日(現地時間)、サンフランシスコで開催の年次イベント「Config」で、生成AI搭載の一連の新機能「Figma AI」を発表した。β期間中は、ユーザーはFigma AIの機能を無料で利用できる。 AI機能が正式にリリースされる際には「価格に関する明確なガイダンス」を提示するとしている。 Figma AIの主な機能 AIによる検索機能 Visual SearchとAI-enhanced Asset Searchという2つの新しい検索方法を導入する。 Visual Searchは、画像をアップロードしたり、キャンパス上の領域を選択したり、テキストクエリを入力することで、デザインを検索し、再利用できるというもの。 AI-enhanced Asset Searchは、検索クエリの意味とコンテキストをAIが理解し、検索用語が完全に一致しな
はじめに こんにちは!TC3 AIチームの梅本です。 この度GigCometのversion 0.2を公開しました! 今回のアップデートではアイデアをより具体的に扱うことが出来る機能を中心に実装しています。 3月中旬に公開いたしましたGigCometですが、たくさんの方にご利用いただきフィードバックも多くいております。みなさまの開発における生産性向上を目指して、これからもアップデートを続けていくのでよろしくお願いします!(忌憚ないフィードバックもお待ちしております!) リリースノート マルチアクター型LLMによる要件深堀り機能:AI同士がディスカッションをおこない、アイデアを任意のストーリーでブラッシュアップさせる機能 AIタスク分析機能のアップグレード:より正確な価格見積り、分析の高速化を実現 個別タスクの具体化:作成された個々のタスクをより具体化することができます おすすめTopcod
こんにちは! VPoEの青木啓剛です。 現在、QA領域のマネジメントを兼務しておりまして、半年ほど前に コンパウンドスタートアップにおける理想のQAについて考えた という記事を執筆したものです。このときに思い描いた理想のQAへ少しずつ近づくために色々なトライをしているのですが、そのひとつとしてAPIシナリオテストツール「runn」を試してみた中で感じた利点などについて紹介したいと思います。 runnとは? runn(ランエヌ)はオープンソースのシナリオテストツールです。YAMLのフォーマットで宣言的にテストシナリオを記述することができ、定型的なテストの実行に大変便利です。APIのシナリオテストを実行するのに便利な機能もいろいろと組み込まれており、そういった周辺機能も含めてコードでテストを定義することで再利用性の高いテスト整備が可能となります。 github.com 技術検証の背景 検証をは
ユーザーインターフェース(UI)テストなどの自動化ツールを提供するAutifyは2024年6月20日、テストケースの自動生成ツール「Autify Genesis」のベータ版の提供を同日付で始めたと発表した。テストの自動化ツールに生成AI(人工知能)技術を取り込むことで、自動化の潮流をこれまで対象としていたテストの実施工程にとどまらず、上流工程にも「遡上」させたい考えだ。 仕様書や設計書からAIがテストケースを生成 「何をテストすればよいか、自動化すればよいか分かっていれば、Autify(の既存ツール)ですぐに自動化できる。だが、実際には何をテストしたらよいか、それをどう自動化すればよいか分からないなど、上流工程に根本の問題があるケースも多い。生成AIによる仕様書の解析でそこを解決しようというのが当社のアプローチだ」――。 Autifyの近澤良代表取締役CEO(最高経営責任者)はこう語る。A
Knitfabは、MLOpsにおけるデータやモデルのバージョン管理が非常に重要かつ困難な作業になるという課題を解決すべく、機械学習やAIの研究者・エンジニアがより生産的に仕事ができるようにしたい、との思いから企画された独自のデータ/モデルバージョン管理自動化ソフトウェア。 Knitfab上で機械学習の処理を実行すると、自動的にそこで使うデータセットやモデルがもれなく保存され、履歴管理が行われる。Knitfab上のワークロードは、Docker化可能な実行ファイルならどんな言語やフレームワークを組み合わせたものでも対応し、任意の技術で作った機械学習やデータ解析ソフトウェアもすべて使用できる。 Knitfabの導入にあたって、既存の機械学習スクリプトやデータ処理プログラムに対して、特定のフレームワークを要求することはなく、登録されたデータ処理をすべて自動監視して、履歴を自動的に記録する。 Kni
こんにちは。スタディサプリのQAチームです。 今回のBlogではスタディサプリで実施している自動化テストの一部の取り組みについて紹介させていただきます。 なお、スタディサプリQAチームの特性を活かし、本記事については日英中3言語で記載します。より多くのオーディエンスに読んで頂ければ嬉しいです。 自動化する動機 まず、なぜ自動化テストを導入するのでしょうか。 1. 新規機能が追加される度に、既存機能への影響を確認するための回帰テストをしなければなりません。 2. 繰り返し同じテストを手動実行することにより、テストコストが増加します。 3. 人間が実施すると、人為的ミスによる不具合の検出漏れが発生してしまう可能性が否定できません。 そのため、品質を担保した上でより早くリリースすることを目的とし自動化を導入しました。 現在の開発およびテストフロー QAが回帰テストの自動化テストスクリプトをGit
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