TypeSafe AI の Jev を TypeScript で試してみた
Jev は入力された状態に対して、選択肢の判定や段階評価、真である確率を返すモデルです。この記事では TypeScript で問い合わせを評価し、実際の出力をもとに担当部署や人の確認へ振り分ける処理を紹介します。
最新記事
React 互換の軽量ランタイム TanStack Redact とは
TanStack Redact は、React のコンポーネントや Hooks の書き方を引き継ぐ軽量ランタイムです。同期描画を採用しており、React と同じ API があっても動作が異なる部分があります。この記事では基本的な導入方法と設計思想を説明し、同じ商品一覧を React と Redact で動かし、startTransition の動作の違いを確かめます。
React 19.3 の Fragment Refs で子コンポーネント内の入力欄にフォーカスする
React 19.3 の Fragment Refs は、ラッパー要素を追加せずに複数の DOM 要素を操作する機能です。この記事では配送先フォームを例に、Fragment Refs の使い方を紹介します。
Feature
TypeSafe AI の Jev を TypeScript で試してみた
Jev は入力された状態に対して、選択肢の判定や段階評価、真である確率を返すモデルです。この記事では TypeScript で問い合わせを評価し、実際の出力をもとに担当部署や人の確認へ振り分ける処理を紹介します。
React 互換の軽量ランタイム TanStack Redact とは
TanStack Redact は、React のコンポーネントや Hooks の書き方を引き継ぐ軽量ランタイムです。同期描画を採用しており、React と同じ API があっても動作が異なる部分があります。この記事では基本的な導入方法と設計思想を説明し、同じ商品一覧を React と Redact で動かし、startTransition の動作の違いを確かめます。
React 19.3 の Fragment Refs で子コンポーネント内の入力欄にフォーカスする
React 19.3 の Fragment Refs は、ラッパー要素を追加せずに複数の DOM 要素を操作する機能です。この記事では配送先フォームを例に、Fragment Refs の使い方を紹介します。
人気記事
- React 互換の軽量ランタイム TanStack Redact とは
- AI エージェントとアプリを動かす Cloudflare OS を試してみた
- 最近の AI コーディングで実践している、設計を中心とした開発の進め方
- React 19.3 の Fragment Refs で子コンポーネント内の入力欄にフォーカスする
- AI に技術ブログを書かせてみてわかったこと
- 実装前に設計を徹底的にインタビューし、要件を明確にするためのスキル `/grill-me`
- エディタを Zed に乗り換えてみた
- 新しいグラフライブラリ TanStack Charts の設計思想と使い方
- Claude Code から Codex を呼び出すためのプラグイン codex-plugin-cc
- React の browser() API でブラウザ専用のコンポーネントを描画する
ショート
azukiazusa
Codex のネットワークアクセス設定
azukiazusa
Codex Hooks で終了時に通知を出す
azukiazusa
Codex の smart_approvals で承認の負担を軽減する
azukiazusa
browserslist で Baseline を設定できるようになった
登壇資料
2026
-
リファクタリングのためのトークン節約術
エージェントがより効率よくタスクを達成できるように、日常のタスクの中で徐々にメモリやスキルを改善していこうという話です。
-
フロントエンドカンファレンス名古屋 2026
フロントエンドの相手が変わった - AIが加わったWebの新しいインターフェース設計
フロントエンドエンジニアがこれまで向き合ってきた相手は人間でしたが、AIの登場によってその前提が変わりつつあります。AIがWebの出力者になる（ストリーミングUI、MCP Apps）ことと、AIがWebの消費者になる（Markdown配信、WebMCP）という2つの変化を軸に、AI時代のWebインターフェース設計を考察します。
-
React Tokyo Fes 2025
コーディングエージェントにフロントエンドを書かせるとき、フィードバックはどのように与えるか？
LLMベースのコーディングエージェント(Claude Code、Codexなど)が普及しているが、LLMの反復改善プロセスにおいて、コード実行結果のフィードバックがなぜ不可欠です。バックエンド開発では実行結果やテストを通じて即座にフィードバックを得られる一方、フロントエンド開発では独特の課題が存在します。本発表では、コーディングエージェントがフロントエンドコードを生成する際の「フィードバックループの問題」に焦点を当て、実践的な解決策とそのトレードオフについて議論します。