Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
VASILY流CSSコーディング
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
AmatsukiKu
June 07, 2017
Programming
2
2k
VASILY流CSSコーディング
Fashion Tech meetup #4で発表した資料です。
デザインをWebに再現し続ける際に陥りがちな問題とそれらに対しVASILYではどのように対応しているかを紹介しています。
AmatsukiKu
June 07, 2017
Tweet
Share
More Decks by AmatsukiKu
See All by AmatsukiKu
ZOZOのグローバルECのフロントエンドアーキテクチャ設計 / Frontend Architecture Design of ZOZO
amatsukiku
13
8.2k
Lighthouseを用いたサイト改善 / Website Improvements Using Lighthouse
amatsukiku
0
1.9k
新しくなったMaterial Designを触ってみた / Tried Material Design 2018
amatsukiku
0
3.1k
test-queueによるテスト高速化
amatsukiku
1
920
Other Decks in Programming
See All in Programming
カスタマーサクセス業務を変革したヘルススコアの実現と学び
_hummer0724
0
700
Oxlintはいいぞ
yug1224
5
1.3k
CSC307 Lecture 01
javiergs
PRO
0
690
Rust 製のコードエディタ “Zed” を使ってみた
nearme_tech
PRO
0
180
izumin5210のプロポーザルのネタ探し #tskaigi_msup
izumin5210
1
130
AI巻き込み型コードレビューのススメ
nealle
2
300
AIエージェントのキホンから学ぶ「エージェンティックコーディング」実践入門
masahiro_nishimi
5
460
humanlayerのブログから学ぶ、良いCLAUDE.mdの書き方
tsukamoto1783
0
200
Basic Architectures
denyspoltorak
0
680
OCaml 5でモダンな並列プログラミングを Enjoyしよう!
haochenx
0
140
AIと一緒にレガシーに向き合ってみた
nyafunta9858
0
240
20260127_試行錯誤の結晶を1冊に。著者が解説 先輩データサイエンティストからの指南書 / author's_commentary_ds_instructions_guide
nash_efp
1
970
Featured
See All Featured
How to Align SEO within the Product Triangle To Get Buy-In & Support - #RIMC
aleyda
1
1.4k
Mobile First: as difficult as doing things right
swwweet
225
10k
Discover your Explorer Soul
emna__ayadi
2
1.1k
The Illustrated Guide to Node.js - THAT Conference 2024
reverentgeek
0
260
The Straight Up "How To Draw Better" Workshop
denniskardys
239
140k
Typedesign – Prime Four
hannesfritz
42
2.9k
Agile that works and the tools we love
rasmusluckow
331
21k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
31
3.1k
Why Mistakes Are the Best Teachers: Turning Failure into a Pathway for Growth
auna
0
53
Impact Scores and Hybrid Strategies: The future of link building
tamaranovitovic
0
200
Building Adaptive Systems
keathley
44
2.9k
Context Engineering - Making Every Token Count
addyosmani
9
660
Transcript
7"4*-:ྲྀ $44ίʔσΟϯά ,FOKJ(POOPLBNJ 'BTIJPO5FDINFFUVQ
ݖक݈࢚ ʢ͝Μͷ͔Έ͚Μ͡ʣ !"NBUTVLJ,V 7"4*-: *OD 'SPOUFOEFOHJOFFS w ৽ଔͱͯ͠7"4*-:ʹೖࣾ w *20/ͳͲͷ1$ɾεϚϗαΠτΛ୲
w ࠓ݄͔ΒωΠςΟϒΞϓϦ։ൃʹ+PJO
ࠓͷτϐοΫ σβΠϯΛ8FC্ʹ࠶ݱ͠ଓ͚ΔࡍʹؕΓ͕ͪͳͱରԠํ๏
։ൃ࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ ୯७ͳݟམͱ͠ ݟ͑ͳ͍σβΠϯ ӡ༻࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ มߋ࿙Ε
ҙਤ͠ͳ͍มߋ ·ͱΊ ࣍
։ൃ࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ ୯७ͳݟམͱ͠ ݟ͑ͳ͍σβΠϯ ӡ༻࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ มߋ࿙Ε
ҙਤ͠ͳ͍มߋ ·ͱΊ ࣍
σβΠϯͱݟൺͳ͕Β࣮ʹޡΓ͕ͳ͍͔Λ֬ೝ͢Δͷ ؒҧ͍୳͠ͷΑ͏ͳͷ ୯७ͳݟམͱ͠ σβΠϯσʔλ ࣮ࡍʹίʔσΟϯάͨ͠ͷ
ҙͷը૾Λಁաɺ֦େɾॖ খͯ͠ॏͶΒΕΔ֦ுػೳ ରԠϒϥβ $ISPNF 4BGBSJ 'JSFGPY 0QFSB *& &EHF
1FSGFDU1JYFM
ॏͶͯෆ໌ྎͳ߹ σʔλ͕ҟͳΔͱॏͶͯΘ͔Γʹ͍͘ ϞοΫσʔλΛ༻͍Δ
w σβΠϯͱಉ͡Λ࣋ͭσʔλΛ:".-ʹఆٛ w ։ൃڥͰͷΈσʔλΛ্ॻ͖͢Δ3BJMTͷ ϔϧύʔϝιουͱ࣮ͯ͠ ϞοΫσʔλͷద༻ DPOpHNPDLJUFNZNM
։ൃ࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ ୯७ͳݟམͱ͠ ݟ͑ͳ͍σβΠϯ ӡ༻࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ มߋ࿙Ε
ҙਤ͠ͳ͍มߋ ·ͱΊ ࣍
w ෳߦͷςΩετ w Ξχϝʔγϣϯ ݟ͑ͳ͍σβΠϯ
࣮σʔλ͕ೖΔ͜ͱͰɺվߦ͕ඞཁͱΘ͔Δ͜ͱΑ͋͘Δ w ͍ϒϥϯυ໊ࣄલʹڞ༗ w 6/*5&%"33084HSFFOMBCFMSFMBYJOH w ("--"3%"("-"/5& w ඞཁʹԠͯ͡σʔλϕʔεΛௐɺ࠷େจࣈͳͲσʔλ ͷಛΛڞ༗
ෳߦͷςΩετ
Ξχϝʔγϣϯ࣮ʹ੍ݶ͕ଟ͍͜ͱ͋ΔͷͰɺ Πϝʔδ͚ͩฉ͖ɺ࣮ͨ͠ͷΛ֬ೝͯ͠Β͍ௐ Ξχϝʔγϣϯ
։ൃ࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ ୯७ͳݟམͱ͠ ݟ͑ͳ͍σβΠϯ ӡ༻࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ มߋ࿙Ε
ҙਤ͠ͳ͍มߋ ·ͱΊ ࣍
σʔλϕʔε"1*ͱൺɺ$44৽ँ͕ܹ͍͠ ʢදࣔ͢Δ༰ಉ͡Ͱݟͨม͑Δʣ ཧ͕͍ͱɺ$44ϧʔϧॠؒ͘ʹංେԽ ӡ༻࣌ʹى͜Δ͜ͱ
ӡ༻Λ͍ͯ͠ΔͱมߋՕॴ͕ൣғʹٴͿվम͕ى͜Δ w Ұཡͷϒϥϯυ໊ͷӳޠදهͱຊޠදهΛಉ͡ ߦ͔Βೋߦʹ w αΠτશମͷϘʔμʔΧϥʔͷมߋ w ϩΰͱςʔϚΧϥʔͷมߋ มߋ࿙Ε ڞ௨Խ͖͢ՕॴͰ͍ͯ͠ͳ͍ͱมߋ࿙Ε͕ى͖Δ
σβΠϯଆͰ4LFUDIͷγϯϘϧͱͯ͠ɺίʔσΟϯάଆ Ͱ4BTTͷఆϞδϡʔϧͱͯ͠ڞ௨Խ ڞ௨Խ γϯϘϧΛฤू͢Δ͜ͱͰɺσβΠϯશମ͕मਖ਼͞ΕΔ
ఆɾϞδϡʔϧԽ TUZMFTIFFUTTIBSFEDPNNPOTBTT TUZMFTIFFUTTIBSFENJYJOTTBTT σβΠϯ্ͷΧϥʔύϨοτʹ૬ ίʔσΟωʔτϞδϡʔϧ
։ൃ࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ ୯७ͳݟམͱ͠ ݟ͑ͳ͍σβΠϯ ӡ༻࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ มߋ࿙Ε
ҙਤ͠ͳ͍มߋ ·ͱΊ ࣍
$44ͷελΠϧద༻ൣғͷͰҙਤ͍ͯ͠ͳ͍ՕॴΛมߋ ίʔσΟϯάنͰద༻ൣғΛݶఆ ҙਤͤ͵มߋ w 7JFX$44 w ໋໊نଇ ྫɿ͋Δϖʔδ͚ͩݟग़͠Λେ͖ͨͭ͘͠Γ͕ଞͷϖʔδͷ ݟग़͠େ͖͘ͳͬͯ͠·ͬͨ
I IͷΑ͏ͳ୯७ͳηϨ ΫλʔͰଞͷϖʔδʹӨ ڹΛ༩͑ͳ͍ TUZMFTIFFUTTFUTTQJOEFYTBTT ڞ௨ϑΝΠϧ ɹϨΠΞτʹؔ͢Δ Ϋϥε Ϟδϡʔϧͷϩʔυ
ࠩݕग़πʔϧ େنͳϦϑΝΫλϦϯά࣌ʹओཁϖʔδʹରͯ͠πʔϧ Λ༻͍ͯޮతʹ֬ೝ ΧϥϜམ͕ͪൃੜ ͍ͯ͠Δ ࠩͷݕग़ ։ൃલ ։ൃޙ ࠩ
։ൃ࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ ୯७ͳݟམͱ͠ ݟ͑ͳ͍σβΠϯ ӡ༻࣌ʹؕΓ͕ͪͳͱͦͷରԠ๏ มߋ࿙Ε
ҙਤ͠ͳ͍มߋ ·ͱΊ ࣍
w πʔϧΛ༻͍Δ͜ͱͰޮతʹσβΠϯͱ ࣮ͷͣΕΛ֬ೝ w ڞ௨ԽΛҙࣝ͢Δ͜ͱͰมߋ࿙ΕΛࢭ w نͰյΕʹ͍͘ίʔυΛҡ࣋ ·ͱΊ