- 構造化出力は、定義された形式 (通常はスキーマに一致する JSON) でモデルにデータを要求することを意味します。
- プロンプトだけでは信頼できません。私たちのテストでは、6 つの現実的な応答のうち 4 つが最初の解析で検証に失敗しました。
- スキーマへの生成を制限するプロバイダー機能により、フォーマット エラーが大幅に削減されます (可能な場合)。
- 常に独自のコードで検証し、セマンティック チェックを追加します。有効な JSON には間違った値が含まれている可能性があります。
アプリはモデルに請求書を読み取り、番号、日付、合計、通貨を返すように要求します。ほとんどの場合、うまくいきます。次に、Markdown コード ブロックでラップされた 1 つの応答が到着し、別の応答では「さらに必要な場合はお知らせください!」が追加され、3 番目の応答では日付が 10/11/2026 と書き込まれます。応答を解析するコードがクラッシュするか、さらに悪いことに、間違った日付が保存されます。 構造化出力技術は、AI 応答を API と同じくらい信頼できるものにするために存在します。
この記事ではライブ モデルを呼び出しませんでした。代わりに、実際の一般的な失敗を模倣する 6 つの応答を作成し、Python 3.13 の Pydantic 2.14 で検証しました。以下の検証結果は、その実行によるものです。
構造化されたアウトプットとは何ですか?
構造化出力とは、大規模な言語モデルがフリー テキストではなく固定の機械可読形式でデータを返すようにするアプローチで、コードでそれを直接使用できます。 JSON は通常の形式で、どのフィールドが存在するか、そのタイプ、どのフィールドが必須か、どの値が許可されるかなど、JSON スキーマによって記述されます。一般的な用途には、ドキュメントからの抽出、分類、フォームへの入力、リクエストのルーティング、ツールや関数の呼び出しなどがあります。
施行のレベル
| アプローチ | 仕組み | 信頼性 |
|---|---|---|
| プロンプトのみ | 「これらのフィールドを含む JSON で返信してください…」 | 最低。フォーマットのドリフト |
| JSONモード | プロバイダーは有効な JSON 構文を保証します | 有効な JSON、ただし任意の形式 |
| スキーマに制約された出力/ツール呼び出し | プロバイダーは生成をスキーマに制限します | フォーマットとしては最高 |
| あなた自身の検証 | コード内のすべての応答を解析して検証する | 常に必須 |
最後の行はどのレベルでもオプションではありません。プロバイダーの機能が変更され、モデルが交換され、値が true であるかどうかをカバーする形式の保証はありません。
スキーマの定義
from typing import Literal
from pydantic import BaseModel, Field, field_validator
class Invoice(BaseModel):
invoice_no: str
date: str = Field(pattern=r"^\d{4}-\d{2}-\d{2}$")
total: float = Field(ge=0)
currency: Literal["INR", "USD", "EUR"]
@field_validator("total")
@classmethod
def two_decimals(cls, v):
if round(v, 2) != v:
raise ValueError("total must have at most 2 decimals")
return v
Pydantic は、Invoice.model_json_schema() を使用して一致する JSON スキーマを生成しました: プロパティ invoice_no、date、total、currency はすべて必須です。そのスキーマは、スキーマ制約された出力をサポートするプロバイダーに送信できるため、1 つの定義で生成と検証の両方が行われます。 TypeScript では、Zod が同じ役割を果たします。 型ヒントとデータクラスに慣れていれば、Pydantic モデルは自然に感じられるでしょう。
モデルの出力がどのように壊れるか
Invoice.model_validate_json() を使用して 6 つの応答を検証しました。
good OK 1180.0
markdown fence FAIL (1) ['root: json_invalid']
trailing text FAIL (1) ['root: json_invalid']
wrong types FAIL (4) ['invoice_no: string_type', 'date: string_pattern_mismatch',
'total: float_parsing', 'currency: literal_error']
missing field FAIL (1) ['date: missing']
string number OK 1180.0
それぞれの失敗は、プロンプトが表示された場合にのみモデルが実際に行うことを反映しています。
- Markdown フェンス: チャット調整されたモデルは人間向けに回答をフォーマットするため、JSON は
```json ... ```内に到着します。 - おしゃべりな追加: JSON によって無効になった後のフレンドリーな文。
- タイプと形式が間違っています: 請求書番号は数字、日付は「10/11/2026」、合計は「1,180」、通貨は「Rs」です。 1 つの応答で 4 つのエラー。
- 欠落フィールド: モデルが見つけられなかったフィールドが単純に省略されています。
ラップされた JSON をレスキューする
def extract_json(text):
s, e = text.find("{"), text.rfind("}")
return text[s:e + 1] if s != -1 and e > s else text
# markdown fence after extract_json: OK INV-104 1180.0
# trailing text after extract_json: OK INV-104 1180.0
最初の { と最後の } の間のテキストを取得すると、両方のラップされた応答が復元されました。これは便利なセーフティ ネットですが、脆弱です。配列の場合、複数のオブジェクトを含む応答の場合、または説明テキスト自体に中括弧が含まれている場合は失敗します。これをデザインではなくフォールバックとして扱います。
緩い解析と厳密な解析
「文字列番号」応答は、数値ではなく文字列である "total": "1180.00" を送信し、成功しました。 Pydantic のデフォルトの lax モードは、クリーンな数値文字列を float に変換します。これは便利ですが、モデルの出力内の型エラーが気付かれない可能性があることを意味します。信頼性を測定するなど、モデルがスキーマを無視するタイミングを検出したい場合は、スキーマを拒否する厳密モードを使用します。慎重に選択してください。堅牢性のための緩いモード、測定や型の変更が疑わしいフィールドのための厳密なモードです。
制約付きデコード
いくつかのプロバイダーとオープンソース推論ツールは、スキーマに制約された出力を提供します。概念的には、スキーマはどの トークン が次に来るかについてのルールに変換され、形式を壊す可能性のあるトークンは生成中にブロックされます。モデルは物理的にマークダウン フェンスやブレースの欠落を生成できません。これにより、ほぼすべての構文エラーと形状エラーが除去されます。いくつかの記事では、制約が重いと推論が必要なタスクの回答の質が若干低下する可能性があると報告されているため、独自のデータに基づいて測定してください。サポートされているスキーマ機能もプロバイダーによって異なるため、プロバイダーが何を受け入れているかを確認してください。
ヒント: 抽出タスクの場合は、低い温度を設定し、スキーマにフィールドの説明を入力し、オプションのフィールドに明示的な「見つからない」値(nullなど)を許可します。ソースデータのない必須フィールドへの入力を強制されたモデルは、幻覚に誘われています。
有効と正しいは同じではありません
スキーマ検証により形状がチェックされます。 1080 と 1180 のどちらが正しい合計であるかはわかりません。単純な意味チェックを追加し、抽出された合計がソース テキストに表示されることを確認しました。
semantic check (total in source): True
semantic check (wrong total): False
合計 1080 の応答は、正しい型を備えた完全に有効な JSON でしたが、それでも間違っていました。ビジネス ルール チェックでは、明細項目と一致する合計、将来ではない日付、データベースに存在する ID、ソース ドキュメントに表示される値などを検出します。これらは実際のユーザーを保護するチェックです。
再試行と修復ループ
- スキーマと明確な指示を使用してモデルを呼び出します。
- 応答を解析して検証します。
- 失敗した場合は、「日付は YYYY-MM-DD と一致する必要があります」などの検証エラーを含めて再度呼び出します。
- 少数の試行後に停止し、フォールバックします。人間によるレビューのためにキューに入れるか、明確なエラーを返すか、デフォルトを使用します。
- プロンプトやスキーマを改善できるように、すべての失敗を生の応答で記録します。
date: string_pattern_mismatch などの Pydantic のエラー リストは、モデルにフィードバックできるほど正確です。再試行を制限してください。無制限のループではコストが急速に増大する可能性があります。
スキーマ設計のヒント
- フラットかつ小さく保ちます。 深くネストされたスキームはより頻繁に失敗します。
- カテゴリにはフリーテキストの代わりに 列挙型 を使用します。
- 日付と金額には明示的な形式を使用し、フィールドの説明にその旨を記載してください。
- 欠落している可能性のある情報については null を許可します。
- コードで実際に使用する場合にのみ、信頼性フィールドまたはメモ フィールドを追加します。
- API コントラクトのテストで説明されているように、スキーマの変更はコントラクトの変更であるため、スキーマのバージョンを変更します。
構造化された出力のテスト
乱雑なドキュメントやフィールドが欠落しているケースなど、予想される出力を含む実際の入力のテスト セットを構築します。すべてのプロンプト、スキーマ、またはモデルの変更に対して実行し、解析された応答のシェア、検証に合格したシェア、および値が正しいシェアの 3 つの数値を追跡します。 6 つの例のように、意図的に壊れた出力を使用してバリデーターを単体テストして、本番環境でコードの解析に驚かないようにします。
まとめる: 最小限のパイプライン
- Pydantic または Zod の 1 つのモデル定義。フィールドの説明と許可される値が含まれます。
- そこから JSON スキーマを生成し、それをプロバイダーの構造化出力機能またはツール呼び出し機能に渡します。
- 同じモデルで応答を解析して検証し、必要な場合にのみ JSON 抽出にフォールバックします。
- ソース データとビジネス ルールに対して セマンティック チェックを実行します。
- エラー メッセージを表示して 1 回か 2 回再試行し、失敗を人間のキューにルーティングします。
- 呼び出しごとに生の入力、生の出力、エラーと設定を記録することで、失敗を再現して修正できます。
各層は、他の層が見逃している問題を発見します。これらを組み合わせることで、確率モデルがシステムの残りの部分が依存できるコンポーネントに変わります。
まとめ
モデルから JSON を取得するのは簡単です。信頼性の高い JSON を取得するにはレイヤーが必要です。 Pydantic または Zod でスキーマを一度定義し、利用可能な場合はプロバイダーのスキーマ制約された出力を使用し、独自のコードですべての応答を検証し、重要な値のセマンティック チェックを追加し、限られた回数だけエラー フィードバックで再試行します。私たちのテストでは、6 つのプロンプト スタイルの応答のうち 4 つが最初の解析で検証に失敗し、スキーマ チェックだけでは間違った合計が受け入れられた可能性があります。
よくある質問
LLM の構造化出力とは何ですか?
言語モデルが定義された形式 (通常はスキーマに一致する JSON) でデータを返し、アプリケーション コードがそれを直接使用できるようにする方法。
JSON モードは構造化出力と同じですか?
完全ではありません。 JSON モードでは、有効な JSON 構文は保証されますが、フィールドや型は保証されません。スキーマベースの構造化出力は、応答を特定のスキーマに制限します。
モデルが JSON をマークダウンでラップするのはなぜですか?
チャットに合わせて調整されたモデルは、人々への回答をフォーマットします。プロバイダーの構造化出力機能を使用するか、フォールバックとしてテキストから JSON オブジェクトを抽出します。
制約付きデコードによる検証はまだ必要ですか?
はい。コード内の検証により、プロバイダーの変更やモデルのスワップが防止され、セマンティック チェックにより、形式は正しいが間違っている値が検出されます。
LLM 出力を検証するにはどのライブラリを使用すればよいですか?
Python では Pydantic が、TypeScript では Zod が一般的に選択されます。どちらも、検証に使用したのと同じ定義から JSON スキーマを生成できます。
学び続ける
テスト、WordPress、または SEO についてサポートが必要ですか?
私たちは、チームがより優れたソフトウェアを出荷し、サイトを成長させるのを支援します。あなたが取り組んでいることを教えてください。明確な次のステップを提案します。
詳しいガイドはこちら テスト、AI、最新の開発
この記事は気に入りましたか?トピックを選択して、最新のチュートリアルに直接アクセスしてください。
RAG チャンキング戦略の説明: 固定、オーバーラップ、センテンス、再帰および見出し、測定
tiktoken 0.14 を使用した 1 つのドキュメントでの RAG チャンク戦略の比較: 固定サイズ、オーバーラップ、センテンス パッキング、再帰的分割、見出しベースのチャンク、分割ファクト、孤立見出し、ストレージ コストの測定。
記事を読む →ソフトウェア開発API 冪等性の説明: 冪等性キーと安全な再試行、テスト済み
API 冪等性は、私たちが実行した Python サーバーとクライアントで説明されました。応答が失われたため、キーなしでは二重請求、キーありでは単一請求が発生し、さらにキーの再利用、同時再試行、ストレージ ルールが発生しました。
記事を読む →DevOpsGit Stash の説明: 保存、適用、ポップ、および追跡されていないファイルのテスト済み
Git stash について、Git 2.56 で実行したコマンドを使用して説明しました。メッセージ付きのプッシュ、追跡されていないファイル、リストと表示、適用とポップ、インデックスの保持、競合、スタッシュ ブランチ、ドロップとクリアです。
記事を読む →ソフトウェアテストペアごとのテストの説明: オールペアによって 216 個のテストが 13 個に削減される方法 (テスト済み)
ペアワイズ テストについては、Python 3.13 で実行したジェネレーターで説明しました。13 のテストでカバーされる 216 の組み合わせのチェックアウト、検証済みのカバレッジ、より大きな例、およびペアワイズで見逃される可能性がある 3 方向のバグです。
記事を読む →テスト自動化テストダブルの説明: ダミー、スタブ、スパイ、モック、フェイク、テスト済みの Python コード
テスト ダブルについて、pytest 9.2 で実行される Python の例 (ダミー、スタブ、スパイ、モック、フェイク)、それぞれをいつ使用するか、状態と動作のチェック、およびプレーン モックが隠したバグを autospec がどのようにキャッチするかを説明します。
記事を読む →データベースとSQLSQL COALESCE の説明: デフォルト、NULLIF、IFNULL と ISNULL およびトラップ、テスト済み
SQL COALESCE では、SQLite 3.50 で実行したクエリ、つまり最初の非 null 値、空の文字列、数学における NULL、ゼロ除算の NULLIF、集計、LEFT JOIN ギャップ、IFNULL と ISNULL について説明しました。
記事を読む →データベースとSQLSQL 自己結合の説明: 従業員とマネージャー、ペアと行の比較、テスト済み
SQL 自己結合については、SQLite 3.50 で実行したクエリで説明しました。従業員とマネージャー、マネージャー以上の収入、一意のペア、日々の変化、2 ホップ チェーン、インデックス作成です。
記事を読む →ソフトウェア開発JavaScript スプレッド演算子の説明: スプレッドと残り、コピーと落とし穴、テスト済み
JavaScript スプレッド演算子については、ノード 24 で実行したコード (配列、オブジェクト、浅いコピー、残りのパラメーター、Math.max 制限、reduce のパフォーマンス トラップ) で説明しました。
記事を読む →ソフトウェア開発Python コレクション モジュールの説明: Counter、defaultdict、deque など、テスト済み
Python コレクションは、Python 3.13 で実行したコード (Counter、defaultdict、deque、namedtuple、OrderedDict、ChainMap) を使用して説明されています。さらに、list と deque のタイミングとチートシートも含まれています。
記事を読む →人工知能LLM コンテキスト ウィンドウの説明: トークン、制限、およびさらに適合させる方法、測定
LLM コンテキスト ウィンドウは、tiktoken を使用して測定したトークン数で説明されています。散文、コード、ヒンディー語の単語とトークン、入出力の予算、チャット履歴のトリミング、RAG のチャンク化とコストです。
記事を読む →ソフトウェア開発Webhook の説明: Webhook の仕組みと安全に受信する方法
Webhook について、Python で実行した受信側と送信側で説明しました。プッシュとポーリング、HMAC-SHA256 署名、改ざんおよび再実行されたリクエストの拒否、バックオフによる再試行、冪等性、およびテストのヒントです。
記事を読む →DevOpsGit Cherry-Pick の説明: 必要なコミットを安全にコピーし、テスト済み
Git チェリーピックでは、Git 2.56 で実行したコマンド、つまりリリース ブランチへのホットフィックスのコピー、新しいハッシュとパッチ ID、-x、-n、コミット範囲、競合、–abort、–skip、およびその後のマージについて説明しました。
記事を読む →テスト自動化スナップショット テストの説明: 仕組み、役立つ場合と問題となる場合
スナップショットのテストについては、私たちが実行した pytest と syrupy のデモで説明しました。スナップショットの作成、コード変更後の diff の読み取り、タイムスタンプのマスク、安全な更新、スナップショットが役立つ場合と有害な場合について説明しました。
記事を読む →ソフトウェアテスト突然変異テストの説明: 100% のカバー率でもバグを見逃す理由
ミューテーション テストについては、私たちが構築して実行した小さなミューテーション ツールで説明しました。14 個のミュータント、79% のスコアを獲得した 100% のライン カバレッジのテスト スイート、100% に達した境界テスト、さらにツール、コスト、CI ヒントです。
記事を読む →人工知能プロンプト インジェクションの説明: AI アプリがどのように騙されるのか、そしてどのように防御するのか
ビルダー向けに説明されたプロンプト インジェクション: 直接攻撃と間接攻撃、キーワード フィルターが失敗する理由 (テストでは 4 つのうち 1 つがブロックされました)、最小権限、ツール許可リスト、出力チェックなどの多層防御。
記事を読む →DevOpsDNS レコードの説明: A、AAAA、CNAME、MX、TXT、TTL と実際のルックアップ
DNS レコードは、実行したルックアップで説明されています。解決の仕組み、A と AAAA、CNAME ルール、MX と null MX、SPF と検証のための TXT、NS、TTL とキャッシュ、安全な DNS 変更です。
記事を読む →DevOps機能フラグの説明: 安全なリリース、段階的なロールアウト、およびフラグの衛生状態
私たちが実行したロールアウト シミュレーションで説明された機能フラグ: フラグの種類、安定したハッシュを使用したパーセンテージ ロールアウト、キル スイッチ、許可リスト、両方のパスのテスト、フラグの負債とベスト プラクティス。
記事を読む →テスト自動化Python Faker を使用したテストデータ生成: 現実的で再現性のある安全なデータ
Python Faker でデータ生成をテストし、実行して測定します。再現可能なデータ、ロケール、一意の値、ドメイン形状のレコード、Faker がミスするエッジ ケースのシード、本番データと速度のマスキング。
記事を読む →ソフトウェアテストシフトレフト テストの説明: チームの作業を遅らせることなくバグを早期に発見する
シフトレフト テストについて説明しました。その意味、初期不良の方が安い理由、要件レビューから CI チェックまでの実践、テスターの役割の変化、シフトライト、メトリクス、展開計画について説明します。
記事を読む →データベースとSQLSQL 文字列関数の説明: TRIM、SUBSTR、REPLACE、CONCAT、およびデータ クリーンアップ
SQL 文字列関数を実行したクエリとともに説明しました。連結と NULL、TRIM、UPPER と LOWER、SUBSTR と INSTR、REPLACE、パディング、Unicode 長さ、乱雑なデータのクリーニング、方言の違いなどです。
記事を読む →データベースとSQLSQL トリガーの説明: BEFORE トリガーと AFTER トリガー、監査ログ、および落とし穴
SQL トリガーについて、実行したトリガーを使用して説明します: BEFORE と AFTER、OLD と NEW、監査ログ、検証、ストック更新、WHEN 条件、ロールバック、方言の違い、およびそれらを回避するタイミング。
記事を読む →ソフトウェア開発Python JSON モジュールの説明: ダンプ、ロード、カスタム タイプ、および一般的なエラー
Python JSON モジュールでは、ダンプとロード、ファイル、型変換、日付と小数点、カスタム エンコーダー、object_hook、float 精度、解析エラー、JSON 行など、実行したコードを使用して説明しました。
記事を読む →ソフトウェア開発ES モジュールと CommonJS: Node.js での JavaScript インポートの動作 (テスト済み)
ES モジュールと CommonJS について、Node.js で実行したコード (インポートおよびエクスポート構文、require、ライブ バインディング、キャッシュ、トップレベルの待機、動的インポート、ファイル拡張子、相互運用) を使用して説明しました。
記事を読む →ソフトウェア開発Python 正規表現の説明: パターン、グループ、先読みと落とし穴、テスト済み
Python 正規表現は、検索と一致、findall、グループと名前付きグループ、貪欲と遅延、サブ、先読み、フラグ、Unicode のサプライズ、壊滅的なバックトラッキングなど、実行したパターンで説明しました。
記事を読む →人工知能LLM 構造化出力の説明: AI モデルから信頼性の高い JSON を取得する
LLM 構造化出力は、Pydantic で実行した検証とともに説明されています。JSON モードとスキーマ、制約付きデコード、モデル出力が中断される方法、再試行ループ、セマンティック チェックです。
記事を読む →DevOpsSSH キーの説明: 仕組み、ssh-keygen、Ed25519、および安全な習慣
SSH キーについて、私たちが生成したキーとともに説明しました: 公開キーと秘密キー、ssh-keygen、Ed25519 と RSA、指紋、パスフレーズ、ssh-agent、authorized_keys、構成ファイル、GitHub、およびキーの衛生状態。
記事を読む →DevOpsHTTP キャッシュの説明: ライブ テストによるキャッシュ制御、ETag、および 304 レスポンス
HTTP キャッシュについて、私たちが実行した小規模サーバーで説明しました。キャッシュ制御ディレクティブ、最大有効期間、キャッシュなしとストアなし、ETag の再検証と 304 応答、CDN、キャッシュ無効化とヘッダーのテストです。
記事を読む →テスト自動化API コントラクトのテストの説明: 重大な変更を出荷前に把握する
API contract testing explained with a schema check we ran: what a contract is, consumer-driven contracts, Pact, OpenAPI, which changes break consume…
記事を読む →ソフトウェアテストリスクベースのテストの説明: リスクをスコアリングし、マトリックスを構築し、重要なものをテストする
リスクベースのテストについて段階的に説明します。リスクの特定、可能性と影響のスコアリング、リスク マトリックスの構築、テストの深さへのリスクのマッピング、実際の例とよくある間違いです。
記事を読む →データベースとSQLSQL 制約の説明: NOT NULL、UNIQUE、CHECK、および FOREIGN KEY、テスト済み
SQL 制約について、実行したテストで説明しました。NOT NULL、UNIQUE、CHECK、DEFAULT、PRIMARY、FOREIGN KEY、NULL の抜け穴、SQLite の外部キー設定、名前付け制約とそれらのテストです。
記事を読む →データベースとSQLSQL 日付関数の説明: バグのない日付の追加、比較、グループ化
SQL の日付関数を、実行したクエリで説明しました。間隔の追加、月末のサプライズ、日付の違い、BETWEEN トラップ、日別のグループ化、タイム ゾーン、インデックス、方言の違いなどです。
記事を読む →ソフトウェア開発Python asyncio の説明: リアル タイミングでの async、await、gather、および TaskGroup
Python asyncio は、コルーチン、await、gather、TaskGroup、エラー処理、タイムアウト、同時実行の制限、パフォーマンスを損なうブロッキングコールの間違いなど、時間を測定したコードで説明しました。
記事を読む →ソフトウェア開発JavaScript におけるデバウンスとスロットル: それぞれの仕組み、いつ使用するか、テスト済み
JavaScript でのデバウンスとスロットルについて、Node.js で測定したタイミングを使用して説明します。それぞれの仕組み、単純な実装、先頭と末尾の呼び出し、実際の使用例とテストです。
記事を読む →ソフトウェア開発Python コンテキスト マネージャーの説明: with ステートメント、contextlib、および実際の使用法
Python コンテキスト マネージャーは、実行したコードを使用して説明しました。仕組み、__enter__ と __exit__、contextlib.contextmanager、suppress、ExitStack、データベース トランザクション、およびよくある間違いについて説明しました。
記事を読む →人工知能LLM 温度と Top-p の説明: AI モデルが次の単語を選択する方法
LLM 温度と top-p は、私たちが実行したシミュレーションで説明しました。確率がどのように再形成されるか、top-p が保持するもの、タスク別の推奨設定、決定論、AI 機能のテストです。
記事を読む →DevOpsYAML の説明: 構文、ノルウェー問題、テストしたその他の罠
YAML は、基本構文、リストとマップ、ノルウェー問題、浮動小数点数に変換されるバージョン、8 進郵便番号、60 進数、アンカー、複数行テキスト、安全な読み込みなどのパーサー テストで説明されています。
記事を読む →DevOpsCron ジョブの説明: 構文、実際のスケジュール、およびそれらを壊す間違い
Cron ジョブは、検証したスケジュールとともに説明されています。5 つのフィールド、演算子、実際の例、月日または曜日のトラップ、環境の問題、ロギング、重複、タイム ゾーンです。
記事を読む →人工知能AI 幻覚の説明: 言語モデルが物事をでっち上げる理由とそれを軽減する方法
AI 幻覚について説明しました。幻覚とは何か、言語モデルが幻覚を生成する理由、一般的な種類、グラウンディングとプロンプトで幻覚を軽減する方法、そして私たちが実行した簡単なチェックです。
記事を読む →DevOps環境変数の説明: .env ファイル、シークレット、および設定が正しく行われている
実行した Python の例を使用して環境変数について説明します。環境変数の読み取りと設定、すべての値が文字列である理由、.env ファイル、プロセスの継承、シークレット、検証について説明します。
記事を読む →ソフトウェア開発API レート制限の説明: アルゴリズム、ヘッダー、および 429 エラーの処理
API レート制限については、実行したシミュレーションで説明します。トークン バケット、固定ウィンドウ、スライディング ウィンドウ、429 応答、レート制限ヘッダー、バックオフによる再試行、およびテスト制限です。
記事を読む →テスト自動化Python でのモッキング:unittest.mock、patch、およびテストを嘘にする間違い
Python でのunittest.mockによるモック、テスト済み: モックとreturn_value、side_effect、名前が使用されている場所のパッチ、仕様と自動仕様、日付のモック、およびよくある間違い。
記事を読む →ソフトウェアテストコードカバレッジの説明: 回線カバレッジとブランチカバレッジ、および 100% の実際の意味
実際のcoverage.pyの実行でコードカバレッジを説明: 行、分岐、条件のカバレッジ、レポートの読み取り、100%のカバレッジでもバグを見逃す可能性がある理由、および賢明なターゲット。
記事を読む →データベースとSQLSQL における DELETE、TRUNCATE、DROP: 違い、ロールバック、およびそれぞれをいつ使用するか
DELETE、TRUNCATE、DROP について、テスト済み SQL を使用して説明します。それぞれの削除内容、ロールバック、トリガー、ID リセット、速度、PostgreSQL、MySQL、SQL Server、SQLite の違いについて説明します。
記事を読む →データベースとSQLSQL ビューの説明: 作成、使用、落とし穴の回避、例を示します
SQL ビューについて、実行したクエリとともに説明しました。ビューの作成、ライブ結果、列の非表示、パフォーマンス、更新可能なビューと具体化されたビュー、壊れた依存関係、ベスト プラクティスについて説明します。
記事を読む →ソフトウェア開発TypeScript インターフェイスと型: 実際の違い、コンパイラでテスト
TypeScript インターフェイスと型、実際のコンパイラでチェック: 両方でできること、片方だけでできること、宣言のマージ、拡張と交差、および従うべき簡単なルール。
記事を読む →ソフトウェア開発Python *args と **kwargs の説明: 柔軟な関数と明確な例
Python の *args と **kwargs について、実行したコードで説明しました。パッキングとアンパッキング、パラメーターの順序、キーワードのみの引数と位置のみの引数、デコレーター、一般的なエラーです。
記事を読む →ソフトウェア開発Python Lambda 関数: 構文、実際の用途、および使用すべきでない場合
Python のラムダ関数について、実行したコードとともに説明します。構文、キーによるソート、マップとフィルター、クロージャー、遅延バインディング トラップ、通常の def がより適切な選択である場合。
記事を読む →人工知能AIエージェントとは何ですか?シンプルなエージェント ループを実行できる仕組み
AIエージェントとは何ですか?エージェント ループ、ツール、メモリ、ガードレール、実行した小さな Python ループ、実際のリスク、およびシンプルなチャットボットがより良い選択である場合についてのわかりやすいガイドです。
記事を読む →DevOpsモニタリングと可観測性: ログ、メトリクス、トレースによる本当の違い
モニタリングと可観測性について説明: 既知および未知の障害、ログ、メトリクスとトレース、チェックアウト インシデントのウォークスルー、ゴールデン シグナル、OpenTelemetry、および便利なアラート。
記事を読む →DevOpsDocker ボリュームとバインド マウント: コンテナ データを正しい方法で保持する
Docker ボリュームとバインド マウントについて説明します。コンテナ データが消える理由、名前付きボリューム、バインド マウント、tmpfs、Compose の例、バックアップ、アクセス許可、およびそれぞれをいつ使用するかについて説明します。
記事を読む →テスト自動化TDD と BDD: 主な違い、1 つの機能が両方の方法で構築され、それぞれをいつ使用するか
TDD と BDD は、両方の方法で構築された 1 つの割引機能で説明されています。実行したコードによるレッド-グリーン-リファクタリング、Given-When-Then シナリオ、ツール、トレードオフ、およびそれぞれをいつ使用するかです。
記事を読む →ソフトウェアテストユーザー受け入れテスト (UAT): プロセス、チェックリスト、および実際の例
ユーザー受け入れテストの説明: 誰が実行するか、QA との違い、7 段階のプロセス、UAT テスト ケース テンプレート、チェックリスト、サインオフ基準、およびよくある間違い。
記事を読む →データベースとSQLSQL NULL 値の説明: IS NULL、COALESCE、NULLIF、および回避すべきトラップ
SQL の NULL 値について、実行したクエリで説明しました。3 つの値のロジック、IS NULL、COALESCE、NULLIF、集計、結合、並べ替えでの NULL の扱い方、およびそれが密かに引き起こすバグです。
記事を読む →データベースとSQLSQL CASE WHEN ステートメント: 構文、実際の例、およびよくある間違い
SQL CASE WHEN では、単純な検索フォーム、条件順序、SUM を使用したピボット、COUNT トリック、カスタム並べ替え、更新、回避すべき NULL トラップなど、実行したクエリを使用して説明しました。
記事を読む →ソフトウェア開発JWTとは何ですか? JSON Web トークンを実際の例で説明する
JWTとは何ですか? JSON Web トークンについて説明しました。3 つの部分、実行したコード内で構築および改ざんされたトークン、JWT とセッション、ストレージ、リフレッシュ トークン、およびセキュリティ上の間違いです。
記事を読む →ソフトウェア開発JavaScript イベントループの説明: コールスタック、マイクロタスク、タイマーと例
JavaScript イベント ループについて、実行したコードで説明しました。コール スタック、タスク キュー、マイクロタスク キュー、setTimeout 0 が即時ではない理由、ブロッキング、スターベーション、およびインタビュー クイズです。
記事を読む →ソフトウェア開発Python ジェネレーターと収量の説明: 実際の例でメモリを節約する
Python ジェネレーターと Yield について、実行したコードを使用して説明します。一時停止と再開の方法、メモリ節約の測定、パイプライン、無限シーケンス、Yield from、send、および一般的なトラップについて説明します。
記事を読む →人工知能埋め込みとは何ですか?ベクトルとコサインの類似度を簡単に説明
埋め込みとは何ですか?ベクトル、コサイン類似度、セマンティック検索に関する平易なガイド。私たちが実行した小さな例、一般的な使用法、モデルの選択、既知の制限が含まれています。
記事を読む →DevOpsBlue-Green デプロイメントと Canary デプロイメント: 違い、トレードオフ、および選択方法
ブルー グリーン デプロイメントとカナリア デプロイメントについて説明: それぞれの仕組み、コスト、リスクとロールバック、テストした安定したユーザー バケット化、データベース移行、ローリング アップデート、および選択方法。
記事を読む →テスト自動化不安定なテスト: 問題の原因とそれを永久に修正する方法
不安定なテストについては、私たちが実行したデモを使用して説明しました。主な原因、確認および診断する方法、タイミングの適切な修正、共有された状態と日付、隔離プロセスなどです。
記事を読む →ソフトウェアテスト負荷テストとストレス テスト: 違い、メトリクス、および k6 の例
ロード テストとストレス テストについて説明します。それぞれが何を証明するか、スパイク テストとソーク テスト、重要な指標、平均値が誤解を招く理由、K6 の例、テストの計画方法について説明します。
記事を読む →ソフトウェアテストテスト ケースとテスト シナリオ: 主な違い、例、およびそれぞれをいつ使用するか
テスト ケースとテスト シナリオの説明: 明確な定義、並べて表、シナリオからケースへの 1 つのパスワード リセット機能、テンプレート、およびそれぞれをいつ使用するか。
記事を読む →データベースとSQLSQL クエリの最適化: 実行プランを読み取り、タイミングを考慮して遅いクエリを修正
SQL クエリの最適化は 100 万行でテストされています。実行プランの読み取り、適切なインデックスの追加、検索対象外のフィルターの修正、複合インデックスとキーセットのページネーションの使用。
記事を読む →データベースとSQLSQL UNION と UNION ALL: 違い、例、テストされたパフォーマンス
SQL UNION と UNION ALL について、実行したクエリで説明しました。重複、両方に従うルール、実際のデータのバグ、測定されたパフォーマンス、INTERSECT と EXCEPT、およびそれぞれをいつ使用するかについて説明します。
記事を読む →ソフトウェア開発JavaScript Fetch API チュートリアル: GET、POST、エラー処理、タイムアウト
ローカル サーバーに対してテストされた JavaScript Fetch API チュートリアル: GET と POST、404 がスローされない理由、再利用可能なヘルパー、クエリ文字列、タイムアウト、CORS、およびよくある間違い。
記事を読む →ソフトウェア開発Python ファイル処理: 読み取り、書き込み、CSV、JSON、パスライブラリと例
Python のファイル処理について、実行したコードで説明します。オープン モード、大きいファイルの読み取り、CSV、JSON、パスライブラリ、バイナリ ファイル、安全な書き込み、エラー処理、およびよくある間違いについて説明します。
記事を読む →ソフトウェア開発Python のクラスとオブジェクト: 実際の例を含む OOP チュートリアル
Python のクラスとオブジェクトについて、実行したコードとともに説明します: __init__、メソッド、クラスとインスタンスの属性、継承、プロパティ、ダンダー メソッド、データクラス、およびよくある間違い。
記事を読む →人工知能大規模言語モデルとは何ですか? LLM の仕組みを誇大広告なしで説明
大規模言語モデルとは何ですか? LLM は、トークン、エンベディング、アテンション、トレーニング、温度およびコンテキスト ウィンドウ、小さな次の単語のデモ、実際の制限など、平易な言葉で説明されています。
記事を読む →DevOps初心者のための Linux コマンド: 例を含む基本ターミナル ガイド
初心者向けの Linux コマンド。ナビゲーション、ファイル、ログの表示、grep、パイプ、権限、プロセス、アーカイブなどのタスク別にグループ化されており、実用的なログ分析の例も含まれています。
記事を読む →テスト自動化Selenium と Playwright: 主な違い、コードの比較、どちらを選択するか
Selenium と Playwright の比較: アーキテクチャ、待機、ブラウザと言語のサポート、デバッグ、両方のツールでの同じテスト、移行のアドバイスと選択方法。
記事を読む →ソフトウェアテスト等価性分割: テスト設計手法を実際の例で説明
等価性パーティション化について説明しました。有効なパーティションと無効なパーティションを見つける方法、年齢、パスワード、クーポンに関する実際の例、実行したテスト、境界と組み合わせる理由。
記事を読む →ソフトウェアテストソフトウェアテストにおける重大度と優先度: 相違点、マトリックス、および実際の例
ソフトウェア テストにおける重大度と優先度について説明します。明確な定義、例を含む 4 方向のマトリックス、レベル スケール、それぞれの設定者、バグ トリアージの実行方法。
記事を読む →データベースとSQLSQL サブクエリのチュートリアル: 型、相関サブクエリ、および EXISTS と例
実行したクエリを含む SQL サブクエリのチュートリアル: スカラー、IN、FROM、SELECT サブクエリ、相関サブクエリ、EXISTS、NOT IN NULL トラップ、サブクエリ対 JOIN 対 CTE。
記事を読む →データベースとSQLSQL トランザクションと ACID の説明: COMMIT、ROLLBACK、分離レベル
SQL トランザクションと ACID について、実行した銀行振込で説明しました。COMMIT、ROLLBACK、セーブポイント、ロック、分離レベル、ダーティ リード、デッドロック、ベスト プラクティスについて説明します。
記事を読む →ソフトウェア開発Git コマンドのチートシート: 実際に使用するコマンドと例
実際のデモ リポジトリからの出力を含む、タスク別にグループ化された Git コマンド チート シート (セットアップ、ステージング、ブランチ、リモート、スタッシュ、履歴、間違いの取り消し)。
記事を読む →ソフトウェア開発JavaScript Promise の説明: then、catch、Promise.all、およびよくある間違い
JavaScript の Promise を、実行したコードで説明します。ステート、then および catch チェーン、エラー処理、Promise.all、allSettled、race および any、イベント ループ、およびよくある間違いです。
記事を読む →ソフトウェア開発Python 辞書チュートリアル: メソッド、例、一般的なパターン
私たちが実行したコードを含む Python 辞書チュートリアル: 辞書の作成、読み取り、更新、主要なメソッド、マージ、内包表記、パターンのカウントとグループ化、およびよくある間違い。
記事を読む →人工知能RAGとは何ですか?検索拡張生成を実際の例で説明する
RAGとは何ですか?検索拡張生成について、インデックス作成、チャンク化、埋め込み、検索、実際に動作する小さな Python の例、評価、一般的な失敗など、ステップごとに説明します。
記事を読む →DevOps初心者向け Terraform チュートリアル: 最初のファイルからモジュールまでのコードとしてのインフラストラクチャ
初心者向けの Terraform チュートリアル: クラウド アカウントなしで開始し、初期化、計画、適用を学び、次に変数、出力、状態、モジュール、安全なチーム ワークフローを学びます。
記事を読む →DevOpsDocker と Kubernetes: 主な違い、連携方法、どちらが必要か
Docker と Kubernetes について説明しました。それぞれの機能、同じアプリを両方で実行すること、Docker Compose と Swarm の比較、dockershim の変更、必要なものを決定する方法などです。
記事を読む →テスト自動化初心者向けの Pytest チュートリアル: フィクスチャ、パラメータ化、実際の例
pytest 9.2 で実行したテストを含む初心者向けの pytest チュートリアル: アサーション、フィクスチャ、parametrize、conftest、マーカー、tmp_path、monkeypatch、便利なフラグ、CI。
記事を読む →ソフトウェアテストソフトウェア テスト ライフ サイクル (STLC): 6 つのフェーズ、開始基準と終了基準、例
ソフトウェア テストのライフ サイクルについては、開始基準と終了基準を含む 6 つの STLC フェーズ、成果物、実際に動作するログイン機能の例、STLC と SDLC、およびアジャイルにおける STLC について説明しました。
記事を読む →ソフトウェア開発Git mergeとrebaseの違い:例と使い分け
Git mergeとrebaseの違いを、実際のログ出力、比較表、rebaseの黄金律、安全なチームワークフローで解説します。
記事を読む →ソフトウェア開発Pythonのリスト内包表記:構文・例・使うべきでない場面
Pythonのリスト内包表記を解説:構文、フィルタ、if-else、ネストしたループ、実測した処理時間、そして通常のforループの方が良い場面。
記事を読む →データベースとSQLSQL JOINを例で解説(Inner・Left・Right・Full)
サンプルのテーブルとクエリでSQL JOINを順に解説。INNER、LEFT、RIGHT、FULL、CROSS、SELFに加え、よくある間違いとパフォーマンスのコツも紹介します。
記事を読む →