loading
$ nti build --optimize-images
fetchthumbs
renderpage
waiting for assets
loading
Tag
このタグに関連する記事一覧です。まずは新しい記事から読むのがおすすめです。
AIアプリ/自動化のための「最小で効くログ」をチェックリスト化。デバッグ、コスト管理、インシデント対応に必要な証跡を残しつつ、秘密情報や機密データをログに残さない。
プロンプトインジェクションは“プロンプトの書き方”だけでは防げない。入力経路(入口)、ツール権限、アウトバウンド、ログを30分で点検する実務チェックリスト。
ログインがあるのに情報が抜ける原因はほぼ「認可」。AI生成コードで頻発するIDOR(オブジェクト単位の認可ミス)を、30分で潰すための実務チェックリストと判断基準をまとめる。
AI実装は速いが、そのぶん「認可(authorization)」が抜けやすい。IDOR(オブジェクト単位の認可ミス)を最短で見つけて直すための実務手順、判断基準、回帰テスト、運用の型をまとめる。
AIに実装させるときの失敗は、コード生成より「意思決定の欠落」で起きる。入力/出力、制約、例外、受け入れ条件、分割手順を強制的に埋めるテンプレで、手戻りを減らす。
LLMで書いた文章が“AIっぽい”と判断される原因はだいたい決まっている。意図への即答、具体例、判断基準、そして機械的なノイズ除去の4点で、公開できる品質に整える。
AI(LLM)に実装を任せる前に、曖昧な依頼を“拘束力のある仕様”に変えるための質問リスト。スコープ、制約、失敗時の挙動、受け入れ条件、運用を先に確定して手戻りを減らす。