I Built a Browser-Only WBS/Gantt Chart Project Management Tool Even in agile development, there are moments when you need to work out a schedule while keeping track of cross-sprint dependencies, release dates, and who’s available when. Issue trackers like JIRA or Backlog are great for day-to-day task management, but when you need to reason about a WBS hierarchy, task dependencies, and each person’s workload together, you often end up putting the plan together separately anyway. And every time a single task’s schedule changes, re-checking the knock-on effect on downstream tasks and everyone’s workload gets tedious fast.

ブラウザだけで使えるWBS／ガントチャート型プロジェクト管理ツールを作成しました アジャイル開発でも、スプリントをまたぐ依存関係、リリース予定、担当者の稼働状況を見通しながら計画を調整したい場面があります。課題をJIRAやBacklogで管理していても、WBSの階層やタスクの依存関係、担当者の負荷を含めて日程を検討するには、別途計画を整理することが少なくありません。あるタスクの日程を変更するたびに、後続タスクや担当者の負荷を確認し直すのは手間がかかります。 Project Scheduler は、依存関係、マイルストーン、リソース、スプリントを考慮して自動スケジューリングできる、WBS／ガントチャート型のプロジェクト管理ツールです。サーバーやアカウント登録、インストールは必要ありません。Live Demoをブラウザで開くだけで、日程案を検討できます。オフラインで利用したい場合は、単一HTML版の project_scheduler.html をダウンロードできます。画面表示は日本語・英語を切り替えられ、Claude Code向けのSkillを使えばAIエージェントに日程調整やBacklogとの同期を任せることもできます。

Jevでナレッジグラフの関係を低レイテンシに評価する - CoDExを用いた精度検証 ナレッジグラフは、人・組織・製品・場所などをノード、その間の意味のあるつながりをエッジとして表すデータ構造です。文章だけでは検索や集計が難しい情報も、つながりを明示することで「ある会社の製品を探す」「人物が所属した組織をたどる」といった処理に利用できます。 ナレッジグラフとtriple ナレッジグラフのレコードは、(主語, 関係, 目的語)という3要素、すなわちtripleで表します。主語と目的語がノード、関係が両者を結ぶエッジの種類です。

約0.2秒で文章を判定するTypeSafe AIのJevを試してみる TypeSafe AIのJevは、分類先やスコアなど、プログラムが次の処理を決めるための判断結果を高速に返すことに特化したAIモデルです。ChatGPT(GPT)やClaudeなどの従来のLLMとは異なり、生成モデルとして機能するのではなく、あらかじめ定義した選択肢からの選択やスコアリングに特化しています。業務システムなどの組み込みで単独でも利用可能ですが、従来型のLLMと組み合わせて利用することで、コストや応答時間の面での削減が期待できます。 今回、桃太郎のあらすじを使って、PythonからJevを利用する方法と処理速度を確認してみました。

Claude Codeのステータスラインに契約アカウントと利用枠の残量を表示する Claude Codeをサブスクリプションで利用する場合、5時間・週間の利用枠の残量を確認しながら作業を進めたい場面があります。また、仕事用と個人用など複数のアカウントを使い分けていると、どの契約アカウントでログインしているかも確認したくなります。ということで、契約アカウントのメールアドレスと利用枠の残量を、Claude Codeのステータスラインに表示する方法を紹介します。スクリプトを保存し、設定ファイルに追記することで、画面下部に以下のように表示できます。

プロジェクトのスケジュールをProject Schedulerで調整し、タスクをBacklogで管理する プロジェクト管理ツールとして有名な Backlog 用のCLIツールとして bee がリリースされました。CLIツールは単独で使っても便利ですが、最近はAIエージェントから利用することを想定しており、ご多分に漏れずbeeもAIエージェント用のSkillを提供しています。

進行中のガントチャートをAIで引き直す - Claude CodeとProject Schedulerによるスケジュール調整 プロジェクト開始後のスケジュール変更は、計画時より難しくなります。完了済みタスクの実績は変えず、着手済みタスクの開始日も維持したまま、残りの計画だけを引き直す必要があるためです。

ガントチャートの日付を手で直すのをやめる - Project Scheduler実践チュートリアル 実装の見積もりが3人日から9人日に増えたとき、後続のテストとリリース日はどうなるでしょうか。担当者に二つの実装を同時に割り当てたとき、その計画は本当に実行できるでしょうか。

SAML連携しているCognitoで認証して、PostmanからGraphQLリクエストを送信する AWS AppSyncの認証にAmazon Cognitoを使用しており、さらにCognitoが社内IdPなどとSAML連携している構成の場合、AWSコンソールのAppSyncのクエリ画面(テストクエリ)からGraphQLリクエストを送信しようとしても、コンソール上で完結してテストすることができません。 PostmanのAuthorization機能(OAuth 2.0 / Authorization Code With PKCE)を利用して、Cognitoの認証(SAML連携によるログイン)を行い、AppSyncにGraphQLリクエストを送信する方法を紹介します。

AIに資料を全面委任すると、なぜ手戻りが増えるのか 本稿では、生成AIを用いた資料作成における全面委任と補助活用の違いを、資料本来の目的・思考プロセス・手戻りコストの観点から整理しています。AIは資料の生成速度を大幅に向上させますが、情報整理・推論・説明責任という作業構造を踏まえると、全面委任の費用対効果は見かけ上の速さよりも低くなる場面が少なくありません。適切な役割分担によって品質と効率を両立させる方法についても合わせて紹介します。 はじめに 生成AIの普及により、資料の「初稿を出す速さ」は大幅に向上しました。プロンプトを入力すれば、数十秒でそれらしい文章や箇条書き、スライド構成が返ってきます。この速さは本物であり、補助的に活用する場面では確かに有効です。 しかし、速さだけに注目すると見落としがちな問題があります。「AIに任せたら早く完成した」にもかかわらず、レビューで大量の指摘が入る、関係者の質問に答えられない、修正の往復が何度も続く——このような状況は、AIを活用する現場で起きやすいパターンの一つです。