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
シェルの履歴とイクンリメンタル検索を使う
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
Naoya Ito
February 28, 2024
Programming
6.7k
16
Share
シェルの履歴とイクンリメンタル検索を使う
社内のテックトークで LT したスライドです
Naoya Ito
February 28, 2024
More Decks by Naoya Ito
See All by Naoya Ito
Haskell を武器にして挑む競技プログラミング ─ 操作的思考から意味モデル思考へ
naoya
11
3.2k
Haskell でアルゴリズムを抽象化する / 関数型言語で競技プログラミング
naoya
21
7.7k
Functional TypeScript
naoya
18
6.7k
TypeScript 関数型スタイルでバックエンド開発のリアル
naoya
77
38k
20230227-engineer-type-talk.pdf
naoya
91
86k
関数型プログラミングと型システムのメンタルモデル
naoya
63
110k
TypeScript による GraphQL バックエンド開発
naoya
29
37k
フロントエンドのパラダイムを参考にバックエンド開発を再考する / TypeScript による GraphQL バックエンド開発
naoya
67
25k
「問題から目を背けず取り組む」 一休の開発チームが6年間で学んだこと
naoya
144
62k
Other Decks in Programming
See All in Programming
AI-DLC Deep Dive
yuukiyo
9
5.7k
Augmenting AI with the Power of Jakarta EE
ivargrimstad
0
330
Explore CoroutineScope
tomoeng11
0
180
認証統合から始めるフロントエンドの機能単位開発 — マイクロサービス思想の適用
koukimiura
0
100
「OSSがあるなら自作するな」は AI時代も正しいか ── Build vs Adopt の新しい判断基準
kumorn5s
7
2.5k
AIと共に生きる技術選定 2026
sgash708
0
130
My daily life on Ruby
a_matsuda
3
200
When benchmarks go bad - what I learned from measuring performance wrong
hollycummins
0
380
【26新卒研修】OpenAPI/Swagger REST API研修
dip_tech
PRO
0
150
実用!Hono RPC2026
yodaka
2
310
AI Agent と正しく分析するための環境作り
yoshyum
1
220
書籍「ユーザーストーリーマッピング」が私のバイブル
asumikam
4
490
Featured
See All Featured
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.9k
Money Talks: Using Revenue to Get Sh*t Done
nikkihalliwell
0
220
GraphQLとの向き合い方2022年版
quramy
50
15k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
9
1.3k
How to Get Subject Matter Experts Bought In and Actively Contributing to SEO & PR Initiatives.
livdayseo
0
110
Intergalactic Javascript Robots from Outer Space
tanoku
273
27k
How Fast Is Fast Enough? [PerfNow 2025]
tammyeverts
3
560
Taking LLMs out of the black box: A practical guide to human-in-the-loop distillation
inesmontani
PRO
3
2.2k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.4k
Building an army of robots
kneath
306
46k
We Analyzed 250 Million AI Search Results: Here's What I Found
joshbly
1
1.3k
A better future with KSS
kneath
240
18k
Transcript
ཤྺ ΠϯΫϦϝϯλϧݕࡧΛ͓͏
Θͨ͠΄ͱΜͲԿ͍֮͑ͯ·ͤΜ • Ͳ͜ͷσΟϨΫτϦʹԿ͕ೖ͍ͬͯΔ͔ɺ͋·Γ֮͑ͯ·ͤΜ • (JUͷϒϥϯν໊΄ͱΜͲ͍֮͑ͯͳ͍ • ϓϩάϥϛϯάதʹ 'JOEFS ΤΫεϓϩʔϥʔ Λ͏͜ͱ΄ͱΜͲ͋Γ·ͤΜ
• σΟϨΫτϦπϦʔ͔ΒϑΝΠϧΛબͿɺͱ͔Γ·ͤΜ Ͱ 04΄΅ $-*Ͱૢ࡞͠·͢ɻ(JU (6*͍ͬͯ·ͤΜɺίϚϯυͰ͢
ʮཤྺ ΠϯΫϦϝϯλϧݕࡧʯΛ͓͏ • ਓ͕ؒҰʹ͑ΔೝΤωϧΪʔݶΒΕ͍ͯΔ • ίϚϯυΛࢥ͍ग़͢ɺσΟϨΫτϦΛҠಈ͢ΔɺϑΝΠϧΛݟ͚ͭΔͷ୯७࡞ۀʹΤωϧ ΪʔΛফඅ͢Δͷ͍ͬͨͳ͍
σϞ
None
ࢼ͠ʹͬͯΈ·͠ΐ͏ • γΣϧΛىಈ͍ͯͩ͘͠͞ • ·ͣ͘͘͝͝جຊಈ࡞͔Β – 5"#ͰอͰ͖·͢ – $Q
$OͰաڈͷίϚϯυཤྺΛݺͼग़͢͜ͱ͕Ͱ͖·͢ $Suuu$USM S .GuuuϝλΩʔ BMU$NE G
$SͰཤྺݕࡧϞʔυʹ ݕࡧͯ͠୳͢ ฤू࣮ͯ͠ߦ͢Δ
ίϚϯυͷཤྺΛݕࡧ࣮ͯ͠ߦ͢Δ • $SͰίϚϯυཤྺݕࡧϞʔυʹೖΔ • ΠϯΫϦϝϯλϧݕࡧ͢Δ – ྫ HJUͱଧͭ – HJUΛؚΉଞީิ͕Έ͚ͨΕ
$SΛԡ͢ • Έ͚ͭͨީิΛΧʔιϧΛಈ͔ͯ͠ฤू͢Δ – $BͰߦ಄ɺ$FͰߦ – $GͰલʹɺ$CͰޙΖʹ – .GͰ୯ޠ୯ҐͰલʹɺ.CͰ୯ޠ୯ҐͰޙΖ – $EͰΧʔιϧҐஔআɺ$LͰߦ·Ͱআ – ҹΩʔͰૢ࡞Ͱ͖·͕͢ΩʔόΠϯυʹ׳ΕΔͷ͕͓͢͢Ί • ฤूऴ͑ͨΒ &OUFSͰ࣮ߦ ͜ͷ࣮ߦ݁ՌͪΖΜཤྺʹೖΔ
ཤྺ͔ΒࣅͨΑ͏ͳͷΛ୳ͯ͠ɺฤूͯ͠ɺ࣮ߦ͢Δ • ʮίϚϯυ֮͑ΒΕͳ͍ʯʮϝϞͯ͠ޙ͔Βݕࡧ͓͚ͯ͠ΔΑ͏ʹ͍ͯ͠Δʯ • OBPZBʮৄࡉΕͯେৎʯʮཤྺ͔Βݕࡧ͢Ε0,ʯ
HDMPVEίϚϯυͱ͔ͯ͘·֮ͬͨ͑͘ΒΜͳ͍ Ͱେৎ ݕࡧͯ͠ ݟ͚ͭͯɺฤू࣮ͯ͠ߦ
ͳΜͰཤྺΛݕࡧ͢Δͷ͕ྑ͍ΜͰ͠ΐ͏ • ϙέοτҰͭݪଇ ʮʯཧ๏ – ʮతͷͷͦ͜Λ୳ͤɺඞͣݟ͔ͭΔɻݟ͔ͭΒͳ͍ͱ͍͏͜ͱɺͳ͍ʯ – ߋ৽ॱʹιʔτ͕ྑ͍ uuu Α͘͏ͷ͕࠷ॳʹग़ͯ͘Δ
• ྨͨ͠ͱ͜ΖͰͲ͜ʹԿΛೖΕ͔ͨΛࢥ͍ग़ͤͳ͍ • ྨͤͣɺҰ൪࠷ۙͬͨॱʹฒΜͰΔͷ͔Βݕࡧ͢Δ uuu ࠶ݱ
͜͏͍͏ͷ͋Γ·͢
πʔϧΛબ͢Δ • γΣϧ – ॳظઃఆͰྑ͍ײ͡ʹͳͬͯΔͷ͕Α͍ uuu 'JTI – ;TI •
[TI͚ γΣϧͷઃఆΛྑ͍ײ͡ʹ͍ͨ͠ – ཤྺͷઃఆͱ͔͍Ζ͍Ζ͋ͬͯ໘ɻ͍͍ͪͪઃఆͯ͠ΒΜͳ͍ – PINZ[TIͱ͔ QSF[UPͱ͔͏
ཤྺͷݕࡧΛ͍͘͢͢Δ σϞͨͭ͠ • G[G – IUUQTHJUIVCDPNKVOFHVOOG[G – (PͰॻ͔Ε͍ͯΔ – ઃఆͷํ
(PPHMFͰௐͨΒग़ͯ͘Δ – ࠷ۙ 3VTUͰॻ͔Εͨ TLJNͱ͔͍͏ͷ͋Δ
σΟϨΫτϦҠಈΛ͍͘͢͢Δ σϞͨͭ͠ • [PYJEF – IUUQTHJUIVCDPNBKFFUETPV[B[PYJEF – ͜Εʹೖ͍ͬͯΔ [JίϚϯυ͕తͷͷ G[GΛதͰ͍ͬͯΔ
– ࢲ $YCͰىಈ͢ΔΑ͏ʹͯ͠·͢
74$PEFಉ͡Α͏ʹૢ࡞͢Δ [PYJEFಉ༷$YCΛʮ࠷ۙͬͨϑΝΠϧͷݕࡧʯʹׂͯ $YC(/6&NBDT༝དྷͷΩʔόΠϯυ
ΩʔόΠϯυʹ͍ͭͯ • $Q $O $B $F $XͳͲͷΩʔόΠϯυ 6/*9ͷσϑΝΫτ – ͨͿΜ
SFBEMJOFͱ͍͏ϥΠϯΤσΟλͷΩʔόΠϯυʹ༝དྷ – (/6&NBDT͜Εʹ४͍ͯ͡Δ – NBD04ɺશͰͳ͍͕४͍ͯ͡Δ – ͲΜͳΩʔϘʔυͰฤूͰ͖Δલఏ uuu ΧʔιϧΩʔʹґଘͯ͠ͳ͍ • γΣϧɺΤσΟλɺ04ؒͰΩʔόΠϯυΛΓସ͑Δඞཁ͕ͳ͍ – ೝΤωϧΪʔͷઅ – 74$PEF "XFTPNF&NBDTΛೖΕͯɺ౷Ұ͍ͯ͠Δ • WJ෩ʹ͢Δ͜ͱͰ͖Δ ͣ • 8JOEPXT෩ʹ౷Ұ͢Δͷ͓͢͢Ί͠ͳ͍ɻҰ؏ੑ͕ͳ͍
3VTUͰ࡞ΒΕͨंྠͷ࠶ൃ໊తͳπʔϧ • ͜͜Ͱ૿͍͑ͯΔ • ͋͑ͯ࡞Γͯ͠Δ͚ͩ͋ͬͯɺطଘͷπʔϧͷܽΛղফͨ͠ྑ͍ଟ͍ • ϝϯς͕ଓ͔͘Θ͔Βͳ͍ͷͰɺࣗݾͰ • MTˠF[B •
DBUˠCBU • GJOEˠGE • HSFQˠSJHSFQ • G[GˠTLJN • UNVYˠ [FMMJK
ʮϋοΫʯʹ͍ͭͯ ϋοΧʔͷޠݯͱͯ͠ͷIBDLʮੴڮΛୟ͍ͯΔΑ͏ͳݎ࣮ͳࣄͿΓʯͱରۃʹ Ґஔ͍ͯͯ͠ɺػస͕ར͍ͯͪΐͬͱͨ͠ࣄΛಘҙͱ͢ΔਓΛ IBDLFS ͱݺͿ XJLJQFEJBϋοΧʔ ϋοΧʔͷࣄʹ6/*9γΣϧϫϯϥΠφʔͷ૬ੑ͕Α͔ͬͨ
ϋοΧʔʹͳΖ͏ • )PX5P#FDPNF")BDLFS ϋοΧʔʹͳΖ͏ – ຊޠ༁ IUUQTDSVFMPSHGSFFXBSFIBDLFSIUNM • (SFBU)BDLFST ૉΒ͖͠ϋοΧʔ
– ຊޠ༁ IUUQTQSBDUJDBMTDIFNFOFUUSBOTHIKIUNM