kubell Creator's Note

株式会社kubellのエンジニアのブログです。

ビジネスチャット「Chatwork」のエンジニアのブログです。

読者になる

『React Tokyoフェス2026』にスタンダードスポンサーとして参加します!

こんにちは🐧 株式会社kubellでフロントエンド領域のEMをしている末竹です。

kubellはきたる 2026年2月28日 に初開催の『React Tokyoフェス2026』にスタンダードスポンサーとして参加します

2026年2月28日 港区浜松町にて開催決定!

react-tokyo.vercel.app

個人的に月一ほどに開催をしているReact Tokyoに何度か参加させていただいておりましたが、この度ありがたいことに初開催の大型イベントのReact Tokyoフェス2026にスポンサーとして参加させていただくこととなりました!

続きを読む

超人気 GraphQL ライブラリにパフォーマンス改善 PR を送ってマージされた話

はじめに

こんにちは。kubell の tomoikey と申します。そろそろ新卒入社から3年が経ちます。

今回 Go の GraphQL ライブラリとして広く使われている gqlgen (GitHub Star 10.6k) にパフォーマンス改善の PR を送り、無事マージされました🎉

https://github.com/99designs/gqlgen/pull/3874

この記事ではどのような問題を発見してどうやって解決したのかを解説します。

発見した問題

gqlgen には GraphQL クエリで要求されたフィールドを収集する CollectFields という関数があります。

これは「どのフィールドが要求されているか」を計算するために使われる関数です。

問題は配列型のフィールドを JSON にマーシャリングする際に配列の各要素に対して CollectFields毎回呼び出されていたことです。

query {
  users {    # 10,000件のユーザー
    field1
    field2
    # ... 20フィールド
  }
}

このようなクエリの場合、同じ SelectionSet (field1, field2, ...) に対して CollectFields10,000回 呼び出されていました。でも結果は毎回同じです。これは明らかに無駄な計算ですよね。

続きを読む

Claude Codeプラグインで実現する「開発プラクティスのコード化」

こんにちは。認証チームのいまひろです。

これまで認証チームでは、Claude Codeを活用した開発の仕組み化について、複数の記事で紹介してきました。

これらの取り組みを続ける中で、私たちが構築・運用してきたプラグインの本質は何なのかを改めて考えてみました。今回は、その結果として見えてきた「開発プラクティスのコード化(Development Practices as Code)」という概念について紹介したいと思います。

続きを読む

Claude Codeプラグインと知識ベースで実現するチーム標準化と知識の永続化

こんにちは。認証グループ改め認証チームのいまひろです。

これまで認証チームでは、Claude Codeを活用したJiraのチケット駆動開発について、複数の記事で紹介してきました。

今回は、Claude Codeを活用したJiraのチケット駆動開発について、認証チームにおける現在地をまとめてご紹介したいと思います。

続きを読む

分析エージェントの設計:なぜ「職種別」にエージェントを分けるのか?Snowflake Intelligenceでの実践事例

こんにちは。
プロダクトDivでデータアナリスト・アナリティクスエンジニアをしているタダケンです。

前回の記事では、Snowflake Intelligence(以下、SI)における「コンテキスト(Semantic View)の育て方」についてお話ししました。

今回は、そのコンテキストを利用する側である「分析エージェント自体の設計」について、kubellでの実践事例を交えて紹介します。

「全社員向けの万能エージェント」を作るべきか、それとも「特定用途のエージェント」を作るべきか。現在進行系で検証を進めている私たちの解は、「エンドユーザーの職種(ユースケース)ごとにエージェントを立てる」というアプローチです。

続きを読む

データ活用AIエージェントの構築で見えた、Snowflake Intelligenceの可能性

こんにちは。
プロダクトDivでデータアナリスト・アナリティクスエンジニアをしているタダケンです。

データ活用技術の進化は目覚ましいですが、最近特に注目しているのが Snowflake Intelligence(以下、SI)です。

kubellでも、プロダクト・事業戦略目標の達成に向けて、この新しい技術のポテンシャルをいち早く検証すべく、PoC的に実証実験を行っています。

今回は、Snowflake Intelligenceの技術的な概要と、実際にPoCを通じて見えてきた「分析用AIエージェントを実用化するためのコンテキストの育て方」について、具体的な知見を紹介したいと思います。

  • Snowflake Intelligenceの概要
  • 実は大事な分析基盤の整備
  • Semantic Viewの重要性:AIに「文脈」を教える
  • 分析用AIエージェントにおけるセマンティックとコンテキストの育て方
    • 1. Descriptionを詳細に記述する
    • 2. カラム単位での丁寧な補足
    • 3. Verified Queriesによるサンプルクエリの拡充
    • 4. 利用と育成のサイクルを回す
  • まとめ

Snowflake Intelligenceの概要

Snowflake Intelligenceは、自然言語を用いてデータと対話し、インサイトの抽出からアクションの実行までを包括的に支援するインターフェースです。実態としては、複数のコンポーネントで構成されています。

Cortex Analyst(構造化データ分析)、Cortex Search(非構造データ検索)、Cortex Agents(自動タスク実行)を通じて、対話形式で洞察を得られれます。

弊社で主に活用しているのが、以下2点になります。

  1. Cortex Agents: ユーザーからの自然言語の問いかけを受け取り、ツール選択やタスク実行を行うオーケストレーター。
  2. Cortex Analyst (Semantic View): データの意味(セマンティック)、文脈(コンテキスト)を定義し、自然言語を精度の高いSQLに変換するセマンティックレイヤー。

これらとdbtで構築したデータモデルを組み合わせて、AIエージェントを構成しています。

続きを読む

CQRS+ES Conference 2026 に参加してきました

こんにちは! ファサード開発チームの中川です。
2026/01/10 に開催された CQRS+ES Conference 2026 に、チームの開発メンバーとともに参加してきました。

会場となった福岡工業大学

私の所属するファサード開発チームでは、Chatworkのファサード層(API Gateway層)を開発・運用しています。 既存の仕組みと新しいアーキテクチャをつなぎつつ、クライアントに安定したインターフェースを届ける役割を担っています。(詳しくは、Chatworkの技術的展望について - kubell Creator's Noteの記事に詳細がありますので、気になる方はぜひご覧ください!)
こうしたつなぎ目のレイヤーで開発をしていると、可用性や拡張性を落とさずに連携していく設計が重要だと感じる場面が多いです。 今回のカンファレンスは、まさにその周辺(イベント・ドメイン・分離・運用)をまとめて吸収できそうだと思い、チームで参加しました。

なお、私自身は新卒1年目で、技術カンファレンスへの参加も今回が初めてです。
本記事では、当日印象に残ったことと、複数のセッションを通して共通して学んだことを中心に初学者の目線で振り返ります。

続きを読む