snowflakeとは「データを集めて・分析して・共有するためのクラウドデータプラットフォーム」です。ただのデータベースではなく、データウェアハウス（DWH）＋データレイク＋AI分析基盤 の要素をすべて統合しています。snowflakeでできることのまとめ分野できること簡単な説明データ統合（Ingest）あらゆるデータをSnowflakeに集約CSV, JSON, API, S3, GCS, DBなどから一括取込データ分析（Query）SQLで超高速に分析BigQueryのように大量データを秒で集計BI連携（Visualization）Looker, Tableau, Power BIなどと接続グラフ・レポートを即可視化ETL / ELT処理Fivetran, Airbyte, dbtと連携データ加工・整形を自動化データ共有（Data Sharing）他社・他部門と安全にデータ共有ファイルを送らず、ビューで安全共有AI・機械学習連携（ML / LLM）Python / OpenAI / Vertex AI / SageMakerと連携Snowflake上のデー
Firebase Hostingビルド済みの静的ファイル（HTML/CSS/JS/画像など）を Google のエッジに配って高速配信するグローバルCDNであり、静的オリジンです。静的サイト/SPA の高速配信：グローバル CDN、無料自動 SSL、HTTP/2/3シンプルなデプロイ：firebase deploy、ゼロダウンタイム、即ロールバックカスタムドメイン：Apex/WWW を簡単接続リダイレクト/ヘッダー/キャッシュ制御：firebase.json で宣言的に管理バックエンド連携（リライト）：Cloud Functions / Cloud Run へ安全にプロキシプレビュー運用：Preview Channels（PR ごと短期 URL）Firebase App Hosting ビルドからアプリのサーバーをマネージドで管理してくれるフルスタックのウェブアプリ用の環境を提供します。Cloud Build → Artifact Registry → Cloud Run（サーバ実行）→ Cloud Loa
はじめにn8nのワークフロー上に、Firestoreノードを配置し、クロールした商品情報を整形して、Firestoreへ格納するという機能の一部を紹介したいと思います。Firestoreデータベースの作成Standard edition (1MBまでのドキュメント)データベースID: xxxxx(default)のままにすると、この括弧つきの名前がそのままつかわれるロケーション: asia-northeast1モード：本番環境モードセキュリティの確認のためにはこちらである必要ありルール以下がデフォルトのルールで、すべてのドキュメントへのアクセスを禁止している{database}はすべてのデータベースにマッチする{document=**}はすべてのドキュメントにマッチする例えば、if falseを取ったら、すべてのドキュメントにアクセスできる注意：サービスアカウントは、このルールをバイパスするrules_version = '2';serv
はじめに手順にしたがって、Google Cloud Runで、n8nをホスティングするまず、開発環境用の、メモリが保存されないEasy modeを説明するが、n8nようには、後述のDurable modeを使用しないと永続化できなかった。Durable modeの実行をおすすめする。手順Cloud Shell Access Settingsの有効化Google workspaceで、Cloud Shell Access Settingsを有効にするTerminalを開くOpen terminalボタンをクリックgcloudへログインする% gcloud auth loginYou are already authenticated with gcloud when runninginside the Cloud Shell and so do not need to run thiscommand. Do you wish to proceed anyway?Do you wa
OpenAI Codexとは？OpenAI Codexとは、2025年10月にOpenAIが正式リリースした開発者向けAIエージェントです。Codexは、ChatGPTアカウントと連携しながら、エディタ、ターミナル、クラウドなど様々な開発環境で動作する “コーディング・コラボレーター” です。Codexは、GPT-5-Codex モデルをベースにしており、コード補完だけでなく、リポジトリ全体を理解して課題を分解し、テストやリファクタリング、Pull Request（PR）の自動レビューまで行うそうです。ChatGPTアカウントとGitHubを接続することで、開発環境と深く統合し、チームメンバーのように協働できるとのことです。本家の情報はこちら3つの主要機能Slack連携（Codex for Slack）チームのSlackチャンネルから直接Codexにタスクを依頼したり、コードに関する質問をしたりできます。まるで同僚に話しかけるようにAIへ依頼できる自然なインターフェースです。Codex SDKCodex CLIと同じエージェントを、自社
目的FastAPIアプリの生成、依存管理、DBマイグレーションを、Poetryで一元管理することで、いままで複数のツールに依存していた作業を簡単にすることができます。ツールの役割ツール役割ひとことで言うとPoetry依存管理 & 仮想環境Pythonのnpm的存在FastAPIWebアプリケーション高速・型安全なAPIフレームワークSQLAlchemyORMPythonからDBを操作AlembicDBマイグレーションスキーマの変更を安全に管理実装の手順poetryプロジェクトの作成poetry newコマンドによるプロジェクトを生成poetry new fastapi-samplecd fastapi-samplepoetry addコマンドにより、pythonパッケージをインストールpoetry add fastapi uvicorn sqlalchemy psycopg2 alembicpoetryプロジェクトの初期状態のフォルダ構成fastapi-sample/├── pyp
Poetryとは？Pythonのプロジェクトを開発していると、次のような悩みを感じたことはありませんか？仮想環境（venv）の切り替えが面倒パッケージのバージョンがずれるpythonのバージョンを固定これらをすべて解決してくれるのが、Poetry（ポエトリー） です。Poetry は、Pythonの依存関係・パッケージ・仮想環境を一元的に管理できるツールです。かんたんに言えば、「pip + venv + setuptools」をひとつにまとめた新しい管理ツール。使い方インストールmacOS / Linux% curl -sSL https://install.python-poetry.org | python3 -または、Homebrewにより% brew install poetry確認% poetry --versionPoetry (version 2.2.1)プロジェクトの作成% poetry new myprojectファイル構成m
行レベルセキュリティとは？PostgreSQLのRLS（Row Level Security）＝行レベルセキュリティは、マルチテナントSaaSやCRMのようにユーザーごとに見せるデータを制御したいときに必須の仕組みです。RLSは、テーブル単位で「行ごとにアクセス制御」をかける仕組みです。通常のPostgreSQLでは、SELECT * FROM customers;を実行すると全行が見えますが、RLSを有効にすると「自分の行」だけしか見えなくできます。どういうときに使うか？シナリオRLSで解決できることSaaSアプリ各テナントのデータを分離（他社データを見れない）社内CRM営業担当ごとに顧客データを制限AIログ組織ごとにログアクセスを制御基本の仕組みテーブル単位でRLSを有効化POLICY（ポリシー）を設定して、誰がどの行を見られるか定義PostgreSQLが自動でWHERE句を追加してくれるポリシーの設定例-- サンプルテーブル作成CREATE TABLE customer
リアルタイム応答でUXを改善通常の ChatGPT API は「生成が全部終わってから」まとめて返します。でも stream: true を使うと、ChatGPTが文を考えながら順次出力することができます。from openai import OpenAIopenai_api_key = "xxx"client = OpenAI(api_key=openai_api_key)stream = client.chat.completions.create( model="gpt-4o", messages=[ {"role": "system", "content": "あなたは薬局ECの営業アシスタントです。"}, {"role": "user", "content": "こんにちは！この店のおすすめ商品を教えてください。&
フェーズ2：ベクトル検索によるRAGの導入商品説明文から OpenAI Embedding を生成Pinecone / Weaviate / Supabase vector などでベクトル検索セットアップユーザーの質問 → 関連商品抽出 → messages に注入 → ChatGPT呼び出し効果・価格・注意点などを含む「事実ベースのセールストーク」生成Embeddingの生成Embeddingとは？Embeddingとは、文章や単語の「意味」をAIが理解できるように数値（ベクトル）で表したものです。たとえば「ニキビを治すクリーム」という文を入力すると、AIはその意味を数百〜数千次元の数値列に変換します。この数列は言葉そのものではなく、「スキンケア」「薬」「肌」「改善」といった概念的な特徴を含んでいます。Embeddingの大きな特徴は、似た意味の文章は近い位置に配置されることです。たとえば「ニキビを治すクリーム」と「肌荒れを防ぐ薬」は、単語が違っても意味が似ているため、ベクトル空間では近くに並びます。逆に「ヒゲ剃り