Thoughtworks Technology Radar, Volume 32 を公開

 (thoughtworks.com)
19 ポイント 投稿者 xguru 2025-04-04 | 1件のコメント | WhatsAppで共有
  • テクニック/ツール/プラットフォーム/開発言語およびフレームワーク分野の最新トレンドを、Hold/Assess/Trial/Adopt の4段階で可視化し説明
  • 興味深い技術項目（blip）を追跡。blip は時間の経過とともに4つの段階の間を移動
    • Adopt（導入推奨） : 業界全体で積極的に導入すべきと判断。適切な状況ではプロジェクトで実際に使用
    • Trial（試験導入） : 実験的に使ってみる価値がある。関連する能力をどう構築するかを理解することが重要。リスクを許容できるプロジェクトで導入可能
    • Assess（要評価） : 技術を評価する価値がある。その技術が組織にどのような影響を与えうるかを把握するのが目的
    • Hold（保留推奨） : 慎重にアプローチすべき

今号の4つのテーマ

  • コーディングアシスタントの監督型エージェント活用

    • 生成AIの急速な発展の1つが、IDE内の対話型コーディングエージェントの成長
    • いわゆる「agentic」「prompt-to-code」「CHOP(chat-oriented programming)」方式が拡大中
      • AIが単にコードスニペットを生成するだけでなく、コード探索、修正、テスト更新、コマンド実行、時には自動でリント/コンパイルエラーの解決まで実行
    • 完全自律的なコード生成には依然として懐疑的だが、開発者の監督下で動作する方式は前向きな結果を導いている
    • 代表的なIDE統合型ツール: Cursor、Cline、Windsurf、GitHub Copilot
    • ターミナルベースの代替: aider、goose、Claude Code
    • AIコード自動生成への過度な信頼には警戒が必要
      • コードレビューでは継続的なガイドとレビューが依然として重要

  • 進化するオブザーバビリティ

    • 分散アーキテクチャの複雑性増大に伴い、オブザーバビリティ領域が急速に進化中
    • 新たな関心事: LLMオブザーバビリティ
      • LLMの性能を監視・評価するツールが増加
      • 例: Weights & Biases Weave、Arize Phoenix、Helicone、HumanLoop
    • AI支援オブザーバビリティツールの登場でインサイト分析が向上
    • OpenTelemetryの採用拡大により、ベンダーニュートラル性とツールの柔軟性を確保
      • OpenTelemetryをサポートする代表的なツール: Alloy、Tempo、Loki
    • オブザーバビリティはツールと実践が相互に強化し合いながら継続的に発展中

  • RAGにおける「R」の進化

    • 生成AIエコシステムのさまざまな構成要素の中でも、とりわけRAG(Retrieval-Augmented Generation) の R が急速に進化
    • 主な流れ:
      • Corrective RAG: フィードバックやヒューリスティクスに基づいて応答を修正
      • Fusion-RAG: 多様なソースと検索戦略を組み合わせ、応答の包括性と堅牢性を向上
      • Self-RAG: 検索段階を省略し、要求時に直接データを取得
      • FastGraphRAG: 人が探索可能なグラフ形式で理解しやすさを向上
    • ユーザー要求に合った正確で有用な応答生成のための検索最適化が重要になっており、関連技術とツールが急速に発展

  • 複雑なデータを扱う

    • もはやデータの**規模（Big Data）**よりも、**複雑性と多様性（Rich, Complex Data）**の管理が主要な課題
    • 非構造化データの増加により、これをAIや顧客分析に適切に活用するには、体系的なデータ管理が不可欠
    • 関連ツールのトレンド:
      • ベクターデータベース、Metabase のような分析ツール
    • **データプロダクト思考（Data Product Thinking）**の台頭
      • 分析ツールとデータ活用戦略に**プロダクト思考（Product Thinking）**を適用
      • AI登場前から議論されていたデータ活用課題を実際の実践へ移そうとする試み
    • データに対する明確な戦略がなければ、企業はイノベーションで後れを取り、商業競争力が低下する可能性がある

技術（Techniques）

Adopt（導入推奨）

  • データプロダクト思考（Data product thinking）

    • データを1つの製品のように扱い、ライフサイクル、品質基準、利用者中心の設計を重視
    • DataHub、Collibra、Atlan、Informatica のようなモダンなデータカタログを活用し、ビジネスと技術メタデータを一緒に管理
    • AI対応データの確保とAIプロジェクトの拡張のために、データプロダクト思考を活用
    • 法的・規制要件を順守したデータ廃棄プロセスまで含む、全ライフサイクル管理に重点を置く

  • ファズテスティング（Fuzz testing）

    • 古くからある手法だが、依然として十分には知られていないテスト方式
    • さまざまな異常入力をシステムに与え、例外状況での動作を検証
    • AIコード生成の増加に関連するセキュリティ脆弱性に対処するため、さらに重要になっている
    • ツールの支援も十分に整っており、堅牢で安全なコードを維持するため導入が適切

  • ソフトウェア部品表（Software Bill of Materials, SBOM）

    • SBOM生成は今や基本的なセキュリティ実践として定着
    • Syft、Trivy、Snyk などのツールにより、ソースコードからコンテナイメージまで SBOM の生成と脆弱性スキャンが可能
    • FOSSA、Chainloop などは開発ワークフローに統合され、セキュリティポリシーを自動適用
    • SPDX と CycloneDX への幅広い対応により、標準化の問題も緩和
    • AIシステムでも SBOM 要件が増えており、セキュアコーディング実践ガイドにも反映されている

  • 脅威モデリング（Threat modeling）

    • AI中心のソフトウェア開発環境でセキュリティを維持しつつ俊敏性を確保するための中核的手法
    • 生成AIなど固有のセキュリティリスクを持つシステムにも適用可能
    • プロジェクト全体を通じて定期的に実施すべきであり、自動化されたセキュリティスキャナーやセキュリティ要件定義と並行して行うと効果的

Trial（試験導入）

  • APIリクエストコレクションを API プロダクト成果物として扱う

    • APIを製品のように扱う場合、単なる文書化だけでなく開発者体験を優先すべき
    • Swagger(OpenAPI) 仕様はインターフェース文書化には有用だが、オンボーディングが依然として難しいという問題がある
    • Postman、Bruno、Insomnia のようなクライアントツールの発展により、APIリクエストコレクションをプロダクト成果物として活用するのが適切
    • 事前認証済みで現実的なテストデータを含む例を通じて、迅速で効率的な開発者オンボーディングが可能
    • APIリクエストコレクションをリポジトリに保存し、デプロイパイプラインに統合して最新状態を維持する必要がある

  • アーキテクチャ助言プロセス

    • 大規模チームでは、アーキテクチャ決定権限の分散は長年の課題だった
    • 従来の Architecture Review Board は、むしろ生産性とフローを妨げる
    • 誰でもアーキテクチャ上の決定を下せる一方、関係者や専門家に助言を求める分散型意思決定方式が効果的
    • Architecture Decision Record、助言フォーラムなどのツールで品質と一貫性を維持できる
    • 高度に規制された業界でも、この方式が広がっている

  • GraphRAG

    • Microsoft が提案した2段階方式: 文書を分割した後、LLM の分析で知識グラフを作成し、検索時にはこのグラフに沿って関連情報を拡張してプロンプトを強化
    • 複雑なレガシーコード分析にも有用で、抽象構文木（AST）や依存関係構造などに基づいて知識グラフを生成
    • Neo4j の GraphRAG Python パッケージのようなツールが登場し、徐々に広く使われるようになっている
    • Graphiti のようなツールも GraphRAG パターンの拡張的な解釈に含まれる

  • ジャストインタイム特権アクセス管理 (Just-in-time privileged access management, JIT PAM)

    • 最小権限の原則を現実化するセキュリティ手法で、必要な時点にのみ管理者権限を付与し、その後ただちに回収する
    • 管理者権限が常時開放されている「standing privileges」はセキュリティ上の脆弱性になり得る
    • 自動化された承認ワークフロー、一時的なロール割り当て、TTL(Time-To-Live)設定を通じて一時権限を制御する
    • 規制およびコンプライアンス要件を満たすうえで非常に効果的である

  • モデル蒸留 (Model distillation)

    • 大規模モデルから知識を抽出して小規模モデルへ転移することで、精度低下を最小限に抑えつつ実行効率を高める方法である
    • モデルを縮小する手法である pruning、quantization とは異なり、ドメイン知識を維持することに重点を置く
    • Qwen/Llama の DeepSeek R1 蒸留版のように、高性能を維持しながらも小型化したモデルの事例が増えている
    • OpenAI、Amazon Bedrock などのプラットフォームが蒸留ガイドを提供しており、企業の LLM 運用コスト削減やオンデバイス推論の最適化に有利である

  • プロンプトエンジニアリング (Prompt engineering)

    • 生成AIモデルの出力品質を最適化するために、明確で具体的なプロンプトを設計・調整するプロセスである
    • ゼロショットプロンプトは reasoning モデルでは few-shot より優れた結果を示す場合がある
    • CoT(chain-of-thought)プロンプトは、かえって reasoning モデルの性能を低下させる可能性があり、これは RL を通じた事前学習の影響による
    • 高度なモデルではプロンプトエンジニアリングの必要性が低下する可能性もあるが、依然としてハルシネーションの低減および品質改善には有効である
    • 応答速度、トークンコスト、性能の間のバランスを保つことが重要であり、エージェント型アプリを設計する際にはモデル特性に合わせた戦略的な選択が必要である

  • 小規模言語モデル (Small Language Models, SLMs)

    • DeepSeek R1 の小規模蒸留版(Qwen、Llama)は、性能を一部犠牲にしても一般的なハードウェアで実行できる
    • SLM 分野は急速に革新が進んでおり、Meta の Llama 3.2(1B、3B)、Microsoft の Phi-4(14B)、Google の PaliGemma 2(3B~28B) など多様なモデルが登場している
    • 小規模モデルは推論コストや実行環境の制約が少なく、汎用的な活用可能性が高い
    • 性能と効率のバランスという観点で、SLM は重要な技術動向として注目されている

  • GenAIを活用したレガシーコードベースの理解

    • GitHub Copilot、Sourcegraph Cody などの主要ツールが、レガシーコードベースの理解とモダナイゼーションを支援する
    • 構造把握、探索、コンテキストベースのヘルプ提供など、さまざまな方法で複雑なシステム作業を単純化する
    • S3LLM のようなフレームワークは、Fortran、Pascal のような科学技術分野のコードの理解も可能にする
    • 世界的に非常に大量のレガシーソフトウェアが存在するため、この技術は今後も普及していく可能性が高い
広告

Assess (要検討)

  • AIフレンドリーなコード設計 (AI-friendly code design)

    • AIベースのソフトウェアエージェントは、ますます大きなコード変更も検知して適用できるようになっている
    • AI生成コードに対する信頼が高まるにつれ、人間の開発者によるレビューの比重が減る現象も見られる
    • しかしAIも適切に構造化されたコードでより良い性能を示すため、保守性の観点からAIフレンドリーな設計が重要である
    • 表現力のある名前、モジュール化、抽象化、重複排除(DRY)など、従来の優れた設計プラクティスはAIの性能にも好影響を与える
    • 今後はAIに特化した設計パターンも登場すると予想される

  • AIベースのUIテスト (AI-powered UI testing)

    • LLM の GUI 解釈能力を活用した新しい UI テスト手法が台頭している
    • QA.tech、KaneAI などは、スナップショットベースの UI を自然言語でテストできるよう支援する
    • Browser Use は Playwright の構造情報をベースにテストを実行し、マルチモーダルモデルを活用する
    • 非決定的な結果を引き起こす可能性はあるが、その柔軟性はレガシーシステムのテストや頻繁な UI 変更への対応に有利である
    • 探索的な手動テストと補完的に活用できる

  • システム障害の理解のための Competence Envelope モデル

    • システムが正常に動作できる境界を定義する概念であり、この境界を越えるとシステムは容易に障害を起こす
    • 2024年の Canva 障害のような複合的障害事例を解釈するうえで有用である
    • Residuality Theory は、過去のストレス履歴と現在の反応をもとにシステムの適応力を分析する
    • システムのレジリエンス、堅牢性、アンチフラジリティの概念とつながっており、実際の適用可能性に期待が集まっている

  • LLMの構造化出力 (Structured output from LLMs)

    • 言語モデルの応答を JSON などの定義済みスキーマ形式に制限する技術である
    • OpenAI は JSON Schema、pydantic、Zod オブジェクトなどを活用した構造化出力をサポートしている
    • 関数呼び出し、API 統合など、正確な形式が必要な領域で非常に有用である
    • チャートマークアップ生成など多様な活用可能性を支援し、ハルシネーションも低減できる

Hold (保留推奨)

  • AI加速型シャドーIT (AI-accelerated shadow IT)

    • AI の発展により、非開発者でも IT 部門を介さずにソフトウェアを直接作れるようになっている
    • OpenAI、Anthropic などの API をサポートするノーコードツールによって、複雑な統合も容易に実装可能である
    • しかし、統制されていないアプリケーションの拡散により、セキュリティやデータ管理の問題が発生する可能性が高まる
    • スプレッドシートの進化形のようにも見えるが、その範囲ははるかに大きい
    • 問題解決のスピードと長期的な安定性の間のバランスを慎重に検討する必要がある

  • AI生成コードに対する過信 (Complacency with AI-generated code)

    • 重複コードの増加、コード churn の増加、リファクタリングの減少など、AI利用に伴う品質低下の傾向が現れている
    • Microsoft の研究では、AI がユーザーに誤った確信を与え、批判的思考を妨げる可能性があると報告している
    • ますます多くのコードを生成する AI により、開発者が変更点をレビューしづらくなるリスクがある
    • 「vibe coding」のように、AI がコードを生成し最小限のレビューしかしない方式は、プロダクションコードでは非常に危険である

  • ローカルコーディングアシスタント (Local coding assistants)

    • 外部送信なしにローカルで動作する AI コーディングアシスタントは、セキュリティ上の利点がある
    • しかし性能はクラウドベースのモデルに比べて限定的であり、複雑なプロンプトや統合機能の実行には困難がある
    • IDE に組み込まれた機能(Xcode、JetBrains)や Qwen Coder、Continue + Ollama ベースの統合は、単純な作業には有用である
    • 期待値を低めに設定し、実験的に導入することが推奨される

  • AIによるペアプログラミングの完全置換 (Replacing pair programming with AI)

    • Copilot のようなツールは AI ペアプログラマーをうたっているが、人間のペアが持つチームベースの利点を代替することはできない
    • AI は学習、オンボーディング、戦略設計への集中などには有益だが、チーム協業、コード所有権の共有、知識の属人化防止といった面では不十分である
    • 従来のペアプログラミングが持つ協業効果を考慮すると、完全な置換は推奨されない

  • Reverse ETL

    • データウェアハウスからトランザクションシステムへデータを再び移動させる Reverse ETL が増加している
    • 一時的なマイグレーションや統合目的では意味があるが、過度に使用されると中央集約型アーキテクチャの問題を悪化させる
    • 一部のベンダーは、自社プラットフォームにビジネスロジックを集中させるためにこれを乱用している
    • 長期的なアーキテクチャ品質と柔軟性を損なう可能性があるため、導入には非常に慎重であるべきである

  • SAFe™ (Scaled Agile Framework)

    • 依然として多くの企業がSAFe™を採用している
    • しかし、過度に標準化された段階的プロセスは、部門間の分断、バリューストリームの浪費、創造性の抑制を引き起こす
    • チームの自律性と実験文化が制限され、複雑な組織変革の問題を単純なプロセスで解決しようとする試みには限界がある
    • Thoughtworksは社内教育とコンサルティングを通じて対応しているが、Leanに基づく価値中心のアプローチと変革プログラムのほうがより効果的だと判断している

プラットフォーム (Platforms)

Adopt (導入推奨)

  • GitLab CI/CD

    • GitLabに完全統合されたCI/CDシステムで、コード統合からテスト、デプロイ、モニタリングまで、ソフトウェア開発ライフサイクル全体を支援する
    • マルチステージパイプライン、キャッシュ、並列実行、オートスケーラーランナーなど、複雑なワークフローに適している
    • 組み込みのセキュリティおよびコンプライアンスツール（SAST、DASTなど）により、規制の厳しい環境でも信頼して利用できる
    • Kubernetesとの統合により、クラウドネイティブなワークフローを完全にサポートする
    • リアルタイムログ、テストレポート、追跡機能を提供し、可観測性を強化する

  • Trino

    • 大規模データを対象に対話型分析クエリを実行できるオープンソースの分散SQLクエリエンジンである
    • オンプレミスとクラウド環境の両方で最適化されて動作し、多様なコネクタを通じてリレーショナルデータベースや独自ストレージに直接クエリを実行できる
    • Parquet、Apache Icebergのようなファイルおよびテーブル形式もサポートする
    • クエリフェデレーション機能により、複数のデータソースを1つの論理テーブルのように照会できる
    • AWS Athena、Starburstなど複数の商用データプラットフォームでも中核技術として活用されており、多様な分析ワークロードに適した信頼性の高い選択肢である

Trial (試験導入)

  • ABsmartly

    • 高速で信頼性の高いA/Bテストと実験を支援するプラットフォームである
    • Group Sequential Testing（GST）エンジンにより、従来比で最大80%高速なテストが可能
    • リアルタイムレポート、詳細なデータセグメンテーション、API中心の包括的な統合機能を提供する
    • Web、モバイル、マイクロサービス、MLモデルまで幅広い実験に適用できる
    • 反復サイクルの短縮と自動結果分析により、ユーザー体験の最適化に効果的である

  • Dapr

    • 分散アプリケーションランタイムであり、最近の機能拡張によってジョブスケジューリング、仮想アクター、セキュリティ強化などをサポートしている
    • mTLS、distrolessイメージなど、セキュリティ重視の設定が強化されており、さまざまなビルディングブロックも継続的に追加されている
    • チームで安定的に活用されており、今後の発展も期待される

  • Grafana Alloy

    • 旧称はGrafana Agentで、OpenTelemetry Collectorの役割を担うオープンソースツールである
    • ログ、メトリクス、トレースをすべて収集できる統合テレメトリーコレクターとして設計されている
    • OpenTelemetry、Prometheus、Datadog形式をサポートする
    • Promtailの廃止後、とくにログ収集の分野で有力な選択肢として台頭している

  • Grafana Loki

    • 水平スケーリング可能な高可用性ログ集約システムで、メタデータのみをインデックス化することで、保存コストと運用の複雑さを低減する
    • S3、GCS、Azure Blob Storageのようなブロックストレージベースのログ保存をサポートする
    • GrafanaおよびGrafana Alloyと統合され、OpenTelemetry対応とマルチテナンシー機能も追加されている
    • 無秩序なテナント影響を防ぐ機能（shuffle-sharding）も搭載されている

  • Grafana Tempo

    • 高性能な分散トレーシングバックエンドで、OpenTelemetryのようなオープン標準をサポートする
    • Apache Parquetベースのカラム形式で保存されるため、クエリ性能に優れている
    • TraceQLおよびCLIを通じてトレースデータを探索できる
    • 私たちのチームはGKE上でTempoをMinIO、OpenTelemetryとともにセルフホスティングして利用している

  • Railway

    • HerokuやVercelの代替として、GitHub/Docker連携からデプロイ、運用可視性まで支援するフルスタックPaaSプラットフォームである
    • 主要なフレームワークやデータベースの大半と、コンテナベースのデプロイをサポートする
    • コスト比較は必要だが、デプロイと運用安定性の面で良好な体験を提供する
    広告

  • Unblocked

    • コードベース、ドキュメント、プロジェクト管理およびコミュニケーションツールと連携するAIチームアシスタントである
    • ビジネスおよび技術概念、アーキテクチャ設計、運用プロセスに関する質問応答機能を提供する
    • 複雑またはレガシーなシステムの探索に有用で、素早いコンテキスト情報へのアクセスを重視するチームに適している
    • コード生成や自動化には専用のAIエージェントのほうが適している

  • Weights & Biases

    • LLM中心の機能が強化され、システム評価、カスタムメトリクス、LLMを評価者として活用するWeaveプラットフォームが追加された
    • エージェントシステムの性能追跡とデバッグ、フィードバック収集およびモデル調整に効果的である
    • ローカルおよびグローバルレベルでの性能最適化と反復開発ワークフローに適している

Assess (要評価)

  • Arize Phoenix

    • LLMおよびエージェント型アプリケーションの増加に伴い、LLM可観測性（Observability）の重要性も高まっている
    • Arize PhoenixはLLMトレース、評価、プロンプト管理などの機能を提供し、主要なLLMプラットフォームやフレームワークと円滑に統合される
    • 出力、レイテンシ、トークン使用量の分析が簡単な設定だけで可能である
    • 現在はオープンソース版のみを使用しているが、Arizeプラットフォーム全体はさらに多くの機能を提供しており、検討する価値がある

  • Chainloop

    • オープンソースのソフトウェアサプライチェーンセキュリティプラットフォームで、セキュリティチームはポリシーを定義し、開発チームはCI/CDパイプラインでそれを順守できるよう支援する
    • CLIを通じてSBOM、脆弱性レポートなどのセキュリティアーティファクトを収集・検証し、ポリシー順守可否を自動的にチェックする
    • ポリシー言語としてOPAのRegoを使用し、CycloneDX形式などの基準検証が可能である
    • 一貫したセキュリティ順守と監査可能なワークフローを通じて、SLSAレベル3相当のメタデータ管理環境を提供する

  • DeepSeek R1

    • DeepSeek初のreasoningモデルシリーズで、MLA、MoEゲーティング、FP8トレーニング、PTX最適化などを通じてハードウェア活用率を最大化する
    • DeepSeek-R1-Zeroは、単純な強化学習のみでreasoning能力を獲得した革新的なモデルである
    • すべてのモデルはオープンウェイト形式で提供され、DeepSeek-R1-Distill-Qwen-32BはさまざまなベンチマークでOpenAI o1-miniを上回る性能を示す
    • 学習コードとデータは非公開だが、事前学習済みのさまざまなモデルがリポジトリに含まれている

  • Deno

    • Node.jsの作者であるRyan Dahlが作ったプラットフォームで、セキュリティサンドボックス、依存関係管理、ネイティブTypeScript対応など、さまざまな面でNode.jsの弱点を改善している
    • Deno 2以降はNode.jsおよびnpmライブラリとの互換性を提供し、以前より移行障壁が低くなっている
    • 標準ライブラリとツール群が強化され、サーバーサイドTypeScript開発に適している
    • プラットフォーム選定の際に、多言語回避だけを理由にDenoを選ぶことは避けるべきである

  • Graphiti

    • 時間認識型の知識グラフを生成し、継続的に変化するデータ間の関係を追跡する
    • 構造化／非構造化データを時間ベースのエピソードとして処理し、時間、テキスト、セマンティクス、グラフアルゴリズムを組み合わせたクエリをサポートする
    • GraphRAGベースのアプリケーションで情報検索精度の向上に貢献する
    • RAGおよびエージェントベースのLLMシステムで、長期記憶と状態ベースの推論を可能にする

  • Helicone

    • LLMコスト管理、ROI評価、リスク軽減のためのオープンソース中心のLLMOpsプラットフォームである
    • プロンプト実験、モニタリング、デバッグ、最適化など、LLMライフサイクル全体を支援する
    • さまざまなLLMプロバイダーに対して、リアルタイムのコスト、利用率、性能、およびエージェントスタックの追跡分析が可能である
    • 機能は強力だが初期段階のプラットフォームであり、高度な機能を活用するには一定水準の専門性が必要である
    • 現時点では肯定的な利用体験を示している

  • Humanloop

    • 人間のフィードバックを統合し、AIシステムをより信頼性が高く柔軟なものにすることに重点を置いたプラットフォーム
    • ラベリング、能動学習、human-in-the-loop方式のファインチューニング、ビジネス要件に基づく評価ツールを提供
    • コラボレーションのための共有ワークスペース、バージョン管理されたプロンプト、CI/CD統合機能を含む
    • トレーシング、ロギング、アラート、ガードレールといったオブザーバビリティ機能も備える
    • 規制が厳しい環境で責任あるAIを構築するのに適している

  • Model Context Protocol (MCP)

    • Anthropicが提案したオープンスタンダードで、AIツールが既存システムのコンテキストを容易に活用できるよう設計されている
    • Wiki、イシュートラッカー、データベースなどの情報とAIの統合を標準化する
    • MCPのサーバー/クライアント構造で構成され、ローカルでPythonまたはNodeプロセスとして実行する方式が一般的
    • 現時点では技術ユーザー中心で、非開発者にとってはアクセシビリティ、ガバナンス、更新管理などに課題がある
    • 長期的にはユーザーフレンドリーなエコシステムへ進化する可能性が大きい

  • Open WebUI

    • オープンソースのセルフホスティングAIプラットフォームで、さまざまなモデルやAPI（OpenAI互換、OpenRouter、GroqCloudなど）と連携可能
    • Ollamaを通じてローカルまたは独自モデルを実行でき、オフライン環境でも利用可能
    • 組み込みのRAG機能により、ドキュメントベースのチャットインターフェースを提供
    • RBACベースで、ユーザーグループごとにモデルや機能へのアクセス制御が可能
    • PythonベースのFunctionsによる機能拡張が可能で、LLM評価機能も含まれる
    • 個人利用、チームコラボレーション、エンタープライズ級プラットフォームへ柔軟に拡張できる

  • pg_mooncake

    • PostgreSQL拡張機能で、カラムストアとベクトル化実行をサポートする
    • Iceberg、Delta Lake形式でデータをローカルまたはS3互換ストレージに保存可能
    • Parquet、CSV、Hugging Faceデータセットなど、さまざまな形式からデータを読み込める
    • 別個のカラム型ストレージを導入せずに高性能なデータ分析が必要な環境に適している

  • Reasoning models

    • 数学やコーディングなどで人間レベルの性能を示す「推論モデル（Reasoning Models）」は、最近最も注目されるAIの進展の1つ
    • CoT（段階的思考）、ToT（代替案探索）、自己修正（Self-correction）といった機能が強化されている
    • OpenAI o1/o3、DeepSeek R1、Gemini 2.0 Flash Thinkingなど、さまざまなモデルが登場している
    • 応答時間が遅く、トークン消費が多いことから「スローAI」とも呼ばれる
    • 単純な作業よりも、複雑な問題解決や説明可能性が重要なSTEM分野に適している

  • Restate

    • Temporalに似た耐久性ワークフロー実行プラットフォームで、Apache Flinkの創設者たちが開発
    • Rustで書かれており、単一バイナリとしてデプロイされる
    • 柔軟なPaxosベースの仮想コンセンサスアルゴリズムにより、障害時でもデータ耐久性を保証
    • Java、Go、Rust、TypeScript向けSDKを提供
    • 分散トランザクションを避けられない場合、このプラットフォームは検討に値する

  • Supabase

    • Firebaseのオープンソース代替として、拡張性とセキュリティを備えたバックエンド開発を支援する
    • PostgreSQLベースで、認証、リアルタイム購読、API、エッジ関数、ベクトル埋め込みなど多様な機能を提供
    • プロトタイピングやMVP開発時に、将来的なSQLソリューションへの移行が容易

  • Synthesized

    • 開発およびテスト環境向けに、現実的なテストデータを生成するプラットフォーム
    • 既存データをマスキングしたり、統計的に有意なsynthetic dataを生成したりできる
    • ビルドパイプラインに統合でき、属性ごとの不可逆匿名化（ハッシュ化、ランダム化など）をサポートする
    • 性能テスト向けの大量データ生成も可能で、実際の問題解決に重点を置いた機能が際立っている

  • Tonic.ai

    • Synthesizedと同様に、現実的な匿名化synthetic dataを生成するプラットフォーム
    • 構造化/非構造化データの両方をサポートし、differential privacy手法でプライバシーを保護する
    • 自動機密情報検知・除去、Ephemeral DB、RAGシステム向けのTonic Textual機能を提供
    • エンジニアリング速度の向上とデータ保護要件の充足を同時に実現したいチームに適している

  • turbopuffer

    • サーバーレスのマルチテナント検索エンジンで、オブジェクトストレージベースのベクトル + フルテキスト検索をサポートする
    • 耐久性、拡張性、コスト効率に重点を置いた設計が特徴で、クエリノードはステートレス構造
    • NVMe SSDにコールドクエリ結果をキャッシュし、頻繁に参照されるデータはメモリに常駐させることで低レイテンシを提供
    • RAGベースのAIや大規模ドキュメント検索に適しているが、現在は招待制でのみ利用可能

  • VectorChord

    • pgvecto.rsの後継として開発された、PostgreSQL向けのベクトル類似検索拡張モジュール
    • pgvector型と互換性があり、IVFインデキシングとRaBitQ量子化を通じて高速かつ低演算のベクトル検索を提供
    • PostgreSQLエコシステムと統合されており、ベクトル検索とトランザクションを同時に実行できる
    • まだ初期段階だが、高性能ベクトル検索の代替案として評価する価値がある
広告

Hold（保留推奨）

  • Tyk ハイブリッドAPI管理 (Tyk hybrid API management)
    • マネージドコントロールプレーンとセルフマネージドデータプレーンを組み合わせる構造は、マルチクラウドやハイブリッドクラウドに柔軟性をもたらす
    • しかし、TykのAWSベースのコントロールプレーンで発生したインシデントをTyk側ではなく内部で先に発見するなど、オブザーバビリティ不足の問題が発生している
    • チケットベースのサポートは緊急インシデント対応に適しておらず、対応速度も遅いというフィードバックがある
    • 公式ドキュメントの成熟度が低く、複雑な環境での問題解決が難しい
    • エンタープライズ向け開発者ポータルにも、旧バージョンとの互換性不足やカスタマイズ制限の問題がある
    • 特にハイブリッド構成では慎重な導入が必要であり、継続的な成熟度の監視が必要

ツール（Tools）

Adopt（導入推奨）

  • Renovate

    • 依存関係のバージョン管理を自動化するツールで、多くのチームに好まれている選択肢
    • GitHubではDependabotがデフォルトだが、Renovateの方がより包括的でカスタマイズ可能
    • ツーリング、インフラ、内部/プライベートリポジトリの依存関係まで含めてすべて監視するよう構成すると効果的
    • 開発者の疲労を減らすため、依存関係PRの自動マージも検討できる

  • uv

    • Rustで書かれた次世代のPythonパッケージおよびプロジェクト管理ツールで、非常に高速であることが最大の利点
    • 既存のPythonツール（Poetry、pyenv、pipxなど）を1つに統合し、ビルドとテストの速度を大幅に向上させる
    • 成熟したコミュニティと長期的なエコシステム支援は重要だが、現時点で開発者から最も多く推奨されているツール
    • 特にPythonの既存パッケージシステムから脱却したいデータチームに適している

  • Vite

    • 高性能なフロントエンドビルドツールで、高速なホットリロードと効率的な開発環境を提供する
    • Vue、SvelteKit、Reactなどで標準ツールとして採用され、Create React AppはVite中心へ移行している
    • VoidZeroという専任組織が設立されたことで、長期的なプロジェクト継続性と発展可能性が確保されている

Trial（試験導入）

  • Claude Sonnet

    • 高度な言語モデルで、コーディング、執筆、分析、画像ベースの作業など幅広い分野で優れた性能を示す
    • ブラウザ、ターミナル、主要IDE、GitHub Copilotと統合可能で、チャート解釈や画像内テキスト抽出もサポートする
    • ブラウザUIの「Artifacts」機能を通じて、コードやHTMLの生成物と対話できる
    • バージョン3.5は特にアーキテクチャ設計や協業プロジェクトで高い生産性向上を示す
    • Claude 3.7はリリースされているが、まだ実運用での検証は進行中

  • Cline

    • VSCode向けのオープンソース拡張機能で、監督付きソフトウェアエージェントの実装に向けた強力なツール
    • Plan & Actモード、MCP統合、透過的なトークン使用量追跡などの高度な機能を提供
    • Claude 3.5 Sonnetと組み合わせることで、大規模コードベース、ブラウザなしのテスト自動化、バグ自動修正などで優れた性能を示す
    • ローカルデータ保存によるプライバシー強化と、オープンソースコミュニティ主導で発展する可能性がある
    • トークンコストとAPIリクエストの速度制限（rate limit）には注意が必要で、OpenRouterのような代替APIプロバイダーの利用が推奨される

  • Cursor

    • AI中心のコードエディタで、高度なコンテキスト調整能力とユーザーフレンドリーな体験を提供
    • ユーザーのAPIキーでさまざまなモデルを連携でき、git diff、過去の会話、Web検索、ライブラリ文書、MCPなどをコンテキストに統合する
    • AIチャットインターフェースから実装を指示でき、自動でファイル修正やコマンド実行を行う
    • lintおよびコンパイルエラーを検出した後の自動修正機能も含まれる

  • D2

    • オープンソースのdiagram-as-codeツールで、テキストベースのスクリプトで図を作成できる
    • Mermaidのようなレイアウトエンジンを使用し、シンプルで宣言的なD2構文を提供する
    • 可読性を重視した構文構造で、ソフトウェア文書化やアーキテクチャ図に適している

  • Databricks Delta Live Tables (DLT)

    • リアルタイムストリーミングとバッチ処理の両方をサポートする宣言的データパイプライン管理ツール
    • チェックポイント自動化など、反復的なデータエンジニアリング作業を簡素化して運用負荷を下げる
    • マテリアライズドビュー（materialized views）によって性能最適化が可能
    • ただしテーブルはパイプライン単位で管理され、ストリーミングテーブルはappend-only構造のため、設計には注意が必要
    • DLTパイプラインを削除するとテーブルとデータも一緒に削除される点は、運用上のリスク要因である

  • JSON Crack

    • VSCode拡張として、JSON、YAML、TOML、XMLなどのテキストデータをインタラクティブなグラフで可視化する
    • MermaidやD2とは異なり、データ探索のための可視化ツールとして活用され、ノード／ブランチの非表示機能があるためデータセット探索に有用
    • Webベースのツールもあるが、オンライン依存には注意が必要
    • ノード数に制限があり、より大きなデータセットでは商用版の利用が促される

  • MailSlurp

    • メールおよびSMSベースのテスト自動化のためのAPIサービス
    • 一時的な受信箱や電話番号の生成、メール検証、自動返信、転送などの機能を提供
    • REST APIおよびノーコードダッシュボードを通じて、手動テストの準備も簡単に行える
    • 顧客オンボーディング製品やテストワークフロー開発などに適している

  • Metabase

    • オープンソースの分析およびビジネスインテリジェンスツールで、さまざまなデータソースから可視化、レポート、ダッシュボードを作成できる
    • SDKを通じてWebアプリケーション内にインタラクティブなダッシュボードを埋め込める
    • リレーショナル／NoSQLデータベースの両方をサポートし、公式／コミュニティ製コネクタも豊富
    • 軽量なBIツールとして、ダッシュボードおよびレポート管理に有用

  • NeMo Guardrails

    • NVIDIAのオープンソースツールキットで、LLMベースの対話型アプリケーションにセキュリティガードレールを適用できる
    • Colang 2.0対応、AutoAlign、Patronus Lynxなど、さまざまな統合機能が追加された
    • コンテンツ安全性、トピック制御、プロンプトセキュリティなどのためのNIMマイクロサービスを含む
    • ストリーミングLLM出力対応など、性能改善も行われている
    • 実サービスへの適用事例が増えたことで、Trialへ昇格した

  • Nyx

    • 言語およびプラットフォームに依存しないセマンティックリリース自動化ツール
    • Trunk-based開発に特に適しており、Gitflow、OneFlow、GitHub Flowなど多様なワークフローをサポート
    • Conventional Commitsベースの自動changelog生成機能を提供
    • 長期ブランチ戦略には引き続き注意が必要

  • OpenRewrite

    • 大規模リファクタリングを自動化するツールで、APIバージョンアップグレードや共通テンプレートベースのサービス更新に有用
    • Java以外にもJavaScriptなど対応言語を拡大中
    • AIコード支援ツールよりも、定型化された変更において安定性と効率性が高い
    • 多様なレシピ（変換ルール）とビルドツールプラグインをあわせて提供し、いずれもオープンソースとして配布されている

  • Plerion

    • AWS中心のクラウドセキュリティプラットフォームで、インフラ、サーバー、アプリケーション全体にわたるリスク検出と優先順位付け機能を提供
    • Wizと同様に「重要な1%」へ集中できるよう支援する
    • クライアントのセキュリティ可視性を高め、事前セキュリティ監視の重要性を強化する

  • ソフトウェアエンジニアリングエージェント (Software engineering agents)

    • 完全自律型コーディングエージェントは依然として実用的ではないが、IDE内での監督付きエージェントモードは急速に進化している
    • 開発者はチャットインターフェースを通じて実装を主導し、AIは複数ファイルの修正、テスト実行、lintやコンパイルエラー処理などを行う
    • CHOP（Chat-Oriented Programming）、Prompt-to-Codeなどとも呼ばれ、従来の自動補完型支援ツールより責任分担が大きい
    • Cursor、Cline、Windsurfが先行しており、Claude Sonnetシリーズのモデルとの組み合わせが優れている
    • 問題の範囲を小さく保ち、構造化されたコードベースで使う場合に生産性向上の効果が大きい
    • 本番コードへ適用する際には、ペアプログラミングなどのレビュー手順を並行して行う必要がある

  • Tuple

    • リモートペアプログラミングツールで、SlackのScreenhero代替として出発した
    • 現在はWindows対応を含み、プライバシー設定の強化や特定アプリウィンドウを隠す機能も追加された
    • UI改善により、IDE以外のコンテンツでも共同作業が可能になった
    • リモート相手がデスクトップ全体にアクセスできるためセキュリティ上の懸念があり、利用前のプライバシー設定とチーム教育が推奨される
    • 直感的なUXと低遅延のおかげで、リモートペアリングツールとして実用的

  • Turborepo

    • 大規模なJavaScript/TypeScriptモノレポ向けのビルド最適化ツールで、依存関係分析、キャッシュ、並列実行などによりビルド速度を向上させる
    • Nxとは異なり、プロジェクトごとのpackage.jsonを許容し、一時的に複数バージョンの依存関係を許せる
    • これは複数リポジトリからモノレポへ移行する際に有用な場合がある
    • 設定が簡単で、大規模プロジェクトでも安定した性能を示す
広告

Assess（調査が必要）

  • AnythingLLM

    • 大規模な文書やコンテンツと対話できるオープンソースのデスクトップアプリケーションで、さまざまなLLMやベクターデータベースと統合される
    • Ollamaベースのオープンウェイトモデルとも互換性があり、プラグイン方式で埋め込みモデルを設定できる
    • RAGだけでなく、さまざまなスキルをエージェントとして構成し、カスタムワークフローを実行できる
    • ワークスペースごとに文書と会話履歴を管理し、最近ではマルチユーザーWebアプリとしての配布も可能になった
    • 個人アシスタント向けのローカルツールとしても有用に活用されている

  • Gemma Scope

    • LLMの内部動作を理解しようとする機械論的解釈（interpretability）のツールで、オープンモデルであるGemma2系を分析できる
    • hallucination、バイアス、異常出力などの原因を把握し、デバッグできるよう支援するツール
    • 研究者だけでなく、モデル学習自体が企業にとって次第に現実的な選択肢になりつつある中で、重要性が高まっている

  • Hurl

    • シンプルなテキストファイルでHTTPリクエストのシーケンスを定義・実行できるツールで、自動化やテストに有用
    • ステータスコード、レスポンスヘッダー／本文の検査、データ抽出や変数化機能などを提供
    • HTML/JSON形式のレポートを生成でき、コードリポジトリにテスト定義を含められる
    • GUIツール（Postman、Bruno）より軽量でシンプルなAPIテストツールが必要な場合に適している

  • Jujutsu

    • Gitをバックエンドとして使いつつ、独自のワークフローと改善された使い勝手を提供する分散バージョン管理システム
    • Gitサーバーや各種サービスと互換性があり、よりシンプルで直感的なブランチ運用と競合解決機能を提供
    • 初心者から上級者までを対象としており、直感的かつ強力なUXが特徴
    • 特に優れた競合解決機能が高く評価されている

  • kubenetmon

    • ClickHouseがオープンソースとして公開したKubernetesネットワークトラフィック監視ツール
    • マルチクラウド環境でデータ転送量とコストを詳細に計測できる
    • Kubernetesベースのインフラで予期しないデータ転送コストの問題に悩んでいるなら、導入を検討する価値がある

  • Mergiraf

    • コードの構文木（AST）をベースにマージ競合を解決するGitマージドライバー
    • 長い変更履歴やAI生成コードなどによって複雑化したマージ競合の処理に効果的
    • Gitの標準的な行ベースのマージ方式よりも精密に動作し、自動マージやcherry-pickにも適用できる
    • 長期間の機能ブランチのような複雑なGitワークフローを使うチームに役立つ可能性がある

  • ModernBERT

    • BERTの後継モデルであり、エンコーダー専用トランスフォーマーをベースにした次世代NLPモデルシリーズ
    • Alternating Attentionによってコンテキスト長の制約を克服し、従来のBERTと比べて精度と性能が向上
    • 汎用生成モデルではなくNLP専用モデルが必要な場面では、優先的に検討する価値がある

  • OpenRouter

    • さまざまなLLMプロバイダーを単一のAPIに統合し、実験やコスト最適化を支援するプラットフォーム
    • Claude、OpenAI、Mistralなど多様なモデルへルーティングでき、APIリクエストのレート制限を回避できる機能も備える
    • ただし、この構成には価格マージンが上乗せされるため、必ずマルチモデル切り替えが必要な場合にのみ検討するのが適切

  • Redactive

    • 規制環境において安全にRAGベースのAIアシスタントを構築できるよう支援するエンタープライズ向けプラットフォーム
    • Confluenceなどと連携してドキュメントベースのインデックスを作成し、ユーザー権限をリアルタイムで反映する
    • モデルに許可された情報だけが公開されることを保証し、セキュリティとアクセシビリティのバランスを確保する

  • System Initiative

    • 従来のInfrastructure as Code方式とは異なる実験的なDevOpsツールで、最近オープンソースとして公開された（Apache 2.0）
    • 商用環境で使われてはいるが、大企業規模へ拡張するにはまだ時間が必要
    • 既存のDevOpsツールとは異なるアプローチを体験してみたいなら、試してみる価値がある

  • TabPFN

    • 小規模な表形式データセットに最適化されたトランスフォーマーベースの分類モデル
    • 事前学習済みモデルが数百万件の合成データセットを基に一般化されている
    • ハイパーパラメータ調整なしで高速かつ高精度な結果を提供し、欠損値や外れ値にも強い
    • 大規模データセットや回帰問題には適していない

  • v0 (by Vercel)

    • スクリーンショット、Figmaデザイン、プロンプトをもとにフロントエンドコードを生成するAIツール
    • React、Vue、Tailwind、shadcnなど多様なフレームワークをサポートし、生成したコードをそのままデプロイ可能
    • 複雑なアプリ全体の実装には限界があるものの、初期プロトタイプの生成やUIの出発点づくりに有用

  • Windsurf

    • Codeiumが開発したAIコーディングアシスタントで、CursorやClineに近いエージェントベースの実装体験を提供
    • ブラウザーDOMの探索、コンソールアクセス、Web検索などによって実行能力が拡張されている
    • 多様なモデルを利用でき、MCPやドキュメント参照などコンテキスト提供機能も強力

  • YOLO (You Only Look Once)

    • リアルタイム画像分類、物体検出、姿勢推定、セグメンテーションなど、さまざまなコンピュータビジョンタスクに使える高性能・軽量モデル
    • 最新版のYOLO11は精度と処理効率がさらに向上しており、エッジデバイスでも活用できる
    • 特定のビジョンタスクでは、LLMよりも従来型のCVモデルのほうが適している場合があることを再認識させてくれる

言語とフレームワーク (Languages and Frameworks)

Adopt（導入推奨）

  • OpenTelemetry

    • Observabilityの業界標準として急速に定着しつつある
    • OTLP（OpenTelemetry Protocol）仕様により、トレース、メトリクス、ログデータを標準形式で扱える
    • ベンダーロックインを減らし、Datadog、New Relic、Grafanaなど主要ツールと統合される
    • gzip、zstd圧縮をサポートしており、大規模データ転送時の効率が高く、マイクロサービス環境に適している
    • ログとプロファイリングのサポート拡張により、スタック全体の観測がさらに容易になっている

  • React Hook Form

    • Formikの代替として、基本的にuncontrolledコンポーネントを使用するため高性能
    • Yup、Zodなどスキーマベースのバリデーションライブラリと容易に統合できる
    • 既存コードベースやshadcn、AntDのような外部コンポーネントライブラリとも相性がよい
    • 大規模フォームやフォーム中心のアプリケーション開発に適した、安定的で柔軟な選択肢

Trial（試験導入）

  • Effect

    • TypeScriptベースの関数型プログラミングライブラリで、非同期および同期プログラムの実装を簡素化する
    • 状態管理、エラー処理、並行性など複雑なロジックを型安全性とともに扱える
    • 従来のPromise、async/await、try/catch方式よりも、合成しやすさとテスト容易性に優れる
    • 以前使われていたfp-tsより、日常的な開発作業に適した抽象化を提供する

  • Hasura GraphQL Engine

    • PostgreSQL、MongoDB、ClickHouseなど多様なデータソースに対してリアルタイムGraphQL APIを提供
    • データプロダクトのプロジェクトで、サーバー側リソースの統合や迅速なAPI構築に効果的に使われている
    • Federated Queryと統合スキーマ管理機能は強力だが、注意深く扱う必要がある
    • 最近追加されたPromptQL機能は、LLMを活用した自然言語ベースのデータ問い合わせ機能を提供する

  • LangGraph

    広告
    • LLMベースで状態を保持するマルチエージェントアプリケーション向けのグラフベースオーケストレーションフレームワーク
    • LangChainより低レベルな制御（ノードとエッジ）を提供し、ワークフローをカスタマイズできる
    • 予測可能な状態管理、デバッグ、保守性、拡張性に優れている
    • 学習コストはややあるが、軽量性とモジュール性の面で強力

  • MarkItDown

    • PDF、HTML、Word、PowerPointなどの文書をMarkdownに変換するCLIツール
    • Markdownの構造的特性を活用して、LLMによる文書処理の精度とコンテキスト理解を高める
    • RAGシステムで文書前処理用途に使うと、検索応答の明確さを大きく向上させる
    • 開発者の生産性を高める有用なツールで、ドキュメント作成にもよく使われる

  • Module Federation

    • マイクロフロントエンド間でのモジュール共有と依存関係の重複排除機能を提供
    • 2.0からはWebpackに依存せず動作し、Rspack、Vite、React、Angularなどをサポートする
    • 大規模Webアプリケーションを、独立したチームがそれぞれ開発・デプロイ・拡張できるよう構造化できる

  • Prisma ORM

    • Node.jsおよびTypeScriptアプリケーション向けのオープンソースデータベースツールキット
    • デコレーターやクラスなしでシンプルなオブジェクトとしてデータモデルを定義でき、型安全性と移植性に優れる
    • 自動マイグレーション機能と直感的なクエリAPIを提供
    • 関数型プログラミングのパラダイムとも相性がよく、TypeScript開発環境に最適化されている

Assess（要評価）

  • .NET Aspire

    • ローカル開発環境で分散アプリケーションのオーケストレーションを簡素化する.NETベースのツール
    • 複数の.NETプロジェクト、データベース、Dockerコンテナなどを単一コマンドで起動できる
    • ロギング、トレーシング、メトリクスダッシュボードなどローカル専用の観測ツールを提供し、デバッグと開発者体験の改善に効果的

  • Android XR SDK

    • GoogleがSamsung、Qualcommと協力して開発した、XRヘッドセット専用のAndroidオペレーティングシステムおよびSDK
    • ほとんどのAndroidアプリを最小限の修正でサポートし、新たに開発される空間コンピューティングアプリに適している
    • 現在は開発者プレビュー段階で、空間化アプリ開発のための標準SDKとして提示されている

  • Browser Use

    • LLMベースのAIエージェントがWebブラウザーを制御できるようにするオープンソースのPythonライブラリ
    • Playwrightを基盤としており、探索、入力、テキスト抽出などの自動化が可能
    • 複数タブの制御やWebアプリ間の調整作業が可能で、マルチエージェントワークフローで有用

  • CrewAI

    • 複数のエージェントを組み合わせて複雑な作業を実行するエージェント管理およびオーケストレーションプラットフォーム
    • Pythonライブラリに加え、エンタープライズ版を通じてSharePoint、JIRAなどの外部システムとの統合が可能
    • プロモーションコードの検証、取引失敗の調査、顧客サポートの自動化など、実際のビジネス課題に適用されている
    • エージェントベースのシステム構築に関心があるなら、探る価値が大きい

  • ElysiaJS

    • Bunランタイムに最適化された型安全なTypeScript Webフレームワークで、RESTfulやOpenAPIスタイルのAPI設計が可能
    • tRPCと異なりAPI構造を強制せず、高い性能と型安全性を同時に提供する
    • BFF(Backend-for-Frontend)の構築に適しており、JavaやGoレベルの性能を目指している

  • FastGraphRAG

    • 高性能なGraphRAG実装で、Personalized PageRankを通じて関連ノードのみを探索し、精度と性能を改善する
    • 可視化サポートと増分更新機能を提供し、大規模な動的データセットに適している
    • LLMの応答品質向上とリソース節約を同時に達成できるGraphRAGソリューション

  • Gleam

    • Erlang/OTPベースの静的型付き関数型言語で、ランタイムエラーを減らし保守性を向上させる
    • モダンな構文とBEAMエコシステム（Erlang、Elixir）との互換性を維持
    • 高い並行性、安定性、拡張性が必要なシステムで、既存のErlangより型安全性を必要とするチームに適している

Assess（要探索）

  • GoFr

    • Golangベースのマイクロサービスフレームワークで、ロギング、トレーシング、メトリクス、設定管理、Swaggerドキュメント化などを標準でサポートする
    • さまざまなデータベースやKafka、NATSベースのpub/sub連携、cronジョブのスケジューリング機能を含む
    • 繰り返し作業を減らし、ビジネスロジックの実装に集中できるようにする生産性重視のツール

  • Java Post-Quantum Cryptography

    • 量子コンピューター時代に備えた暗号技術で、JDK 24ではJEP 496/497を通じて初期サポートが提供されている
    • 格子ベース暗号アルゴリズム（KEM、デジタル署名）を実装し、長期的なセキュリティが重要なデータ保護に適している
    • Open Quantum Safeのliboqsも存在するが、Javaネイティブ実装は重要な前進と評価されている

  • Presidio

    • 構造化/非構造化テキスト内の機微情報を識別し匿名化するデータ保護SDK
    • PII項目（クレジットカード番号、氏名、位置情報など）をルールベース、正規表現、NERで識別する
    • カスタマイズ性は高いが、完全な検出は保証されないため、結果の解釈には注意が必要

  • PydanticAI

    • Pydantic開発チームが作った、LLMおよびエージェントベースのアプリケーション構築フレームワーク
    • 複雑さの最小化を目標とし、構造化出力処理、主要モデルAPI統合、グラフベースのワークフローを提供する
    • 過度な抽象化を避け、実用的で軽量な構造を好む開発者に適している

  • Swift for Resource-Constrained Applications

    • Swift 6.0以降、さまざまなオペレーティングシステムへの対応が強化され、限られたリソース環境でも利用可能性が高まっている
    • 強力な型安全性とARCベースのメモリ管理により、性能と安定性のバランスを提供する
    • Rustより導入しやすいが、安全認証基準（MISRAなど）への適合はまだ不十分であり、高い信頼性が求められる環境では制約がある

  • Tamagui

    • React WebとReact Native間でのスタイル共有を最適化するUIライブラリ
    • デザインシステムと最適化されたコンパイラを提供し、Webではatomic CSS、ネイティブではhoistedスタイルとしてレンダリングされる
    • クロスプラットフォームUI開発で、一貫したスタイルと性能最適化を求める際に有用

  • torchtune

    • LLM向けのPyTorchベースライブラリで、事後学習、ファインチューニング、推論実験などをサポートする
    • FSDP2ベースの分散学習に加え、単一/複数GPU環境の両方に対応可能
    • YAMLベースのレシピにより複雑な設定なしで直感的に実験でき、CLIを通じてモデルのダウンロードや実験実行を簡単に処理できる

Hold（保留推奨）

  • Node overload
    • Node.jsが過度に選択される現象は依然として問題であり、代替案を検討せずに使われるケースが多い
    • IO中心の作業には依然として効率的だが、計算集約型またはデータ負荷の高い作業には適していない
    • 最近はデータ中心のワークロードが増加し、Node.jsの限界がさらに明確になっている
    • 単一言語スタックへの選好は理解できるが、私たちは依然として多言語（polyglot）アプローチを推奨する
    • より優れたAPIと性能を提供する代替フレームワークが増えたいま、Node.jsの利用は慎重に検討すべきだ

関連記事