バイブコーディングで手戻りを減らす ― Issue分解と認識合わせ
はじめに バイブコーディングの魅力は、実装が速く進むことに尽きます。ただし、速く進むからこそ、判断を先送りにしたまま突き進んでしまう瞬間が生まれます。 背景と課題 バイブコーディングをしていくにあたり問題が出てきました。 とりあえず作り始めても、途中で修正が入り、「今何をやるのか」が明確になっていないとうまく進まない 認識齟齬を残したまま計画や実装をさせてしまうと、誤った実装が走ってしまうことがある いずれも、判断を後回しにしたことで最終的に時間がかかる結果となってしまいました。 設計方針 Issueを大枠→細分化する GitHub Issueで大枠を作り、そこから細...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
失敗の鬼
メール1通で決裁できる仕組みを作ったのに、実行されたコマンドは0通だった
弊社はiPhoneからメールを1通返すだけで社内決裁が通る仕組みを作りました。実行ログを開いたら、使われた形跡は0通。承認待ちは29件から37件に増えていました。仕組みは正常なのに使われない。「入れた＝定着した」ではないという失敗の記録です。
続きを読む →
AI検索観測所
構造化データ（schema.org）は、AI検索に効くのか
FAQ PageやArticleといった構造化データ（schema.org）を入れれば、AI検索に引用されやすくなるのか。仕組みと、当社が実際に測った範囲での結果を正直に整理します。効いたと断言できない部分は、断言できないと書きます。
続きを読む →
AI実践室
毎朝動いているはずのAI自動化41本を5.3日ぶん数えたら、最大91%が発火すらしていなかった
社内で動かしているcron自動化41本の実行履歴1,425件を全数調査しました。「動いている」と思っていたジョブの多くが、そもそも起動していませんでした。メディア更新系は最大91%が抜け、完全に沈黙していたジョブも5本ありました。原因の切り分けまで、都合の悪い数字をそのまま載せます。
続きを読む →