n8n

n8nのホスティング – Google Cloud Runの使用

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

AI

OpenAI Codex – AIエンジニアに仕事を頼める

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

その他

Poetry × FastAPI × SQLAlchemy × Alembicで作る、モダンなPythonバックエンド環境構築ガイド

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

Python

Poetryとは? – Python開発を劇的に快適にする依存管理ツール

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

その他

PostgreSQL – 行レベルセキュリティポリシー(RLS)の利用

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

AI

ChatGPT API ハック – EC営業AIの構築 – 本番運用のための実装

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。&

AI

ChatGPT API ハック – EC営業AIの構築 – ベクトル検索によるRAGの導入

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

AI

ChatGPT API ハック – EC営業AIの構築 – プロンプトと商品情報の連携

フェーズ1:プロンプトと商品情報の連携数件の商品(3〜5点)をJSONで用意system + user に商品情報を埋め込んで 呼び出し「人気・おすすめ」などの表現のトーンを制御レスポンスフォーマットをJSONに制御Shopifyから商品情報を取得store=access_token=curl -X GET "https://${store}.myshopify.com/admin/api/2025-01/products.json" \-H "X-Shopify-Access-Token: ${access_token}" > products.json必要な商品情報のみ取得import jsonwith open("products.json", "r", encoding="utf-8") as f: data = json.load(f)simplified_products =

AI

ChatGPT API ハック – ①どこまでできるのか

はじめにいまさらですが、ChatGPT APIで何ができるのか、使いながら試していきます。ChatGPT API を使って何が実現できるか?ChatGPT APIは「単に質問に答えるAI」ではなく、あなたのサービスや業務の中で、“対話可能な脳”を好きな形で埋め込めるインターフェースです。想像を超える使い方一覧主に、私のようにSaaSを作る人・ECを運営する人・AIを実装する人向けに、「ChatGPT APIを使えばここまでできる」という事例・構想を、段階別に紹介します。【レベル1】よくある使い方ユースケース内容ECサイトのチャットボット「この商品は何?」「返品できる?」などに答えるお問い合わせ自動応答営業時間・料金・手順などFAQ対応メール・文章生成カスタマー返信文を生成/修正レビュー要約商品レビューを要約/感情分類【レベル2】中級者向け(現場レベルの自動化)ユースケース内容APIログの分析&アラートlogから異常トラフィックを発見し、Slackに通知Shopifyの商品説明を自動生成商品メタ情報から自然な説明

その他 未分類

マルチテナントアーキテクチャの理解

マルチテナントアーキテクチャとは?「マルチテナントアーキテクチャ」とは、ひとつのソフトウェアやインフラを複数の利用者(テナント)が共有して使う仕組みのことを指します。たとえばクラウドサービスでは、1つのアプリケーションを何社ものお客さんが同時に使っていても、それぞれのデータや設定はしっかり分かれています。一般的には、データベースを共通したり、スキーマをどう分けるのか、といった技術的な話が多いですが、今回は、ユーザーからみた機能として、どのようなテナントアーキテクチャにすることがよいのか、有名なSaaSがどういう戦略をとっているのかを理解していきたいと思います。テナントとは?法人の管理者がSaaSとサービス利用の契約して管理者が社員や関係者を招待してその単位でデータや権限が管理されるそんな「組織としての利用の入れ物」です。SaaSの比較Slackビジネス向けのチームコミュニケーション(チャット)SaaS。チャンネル中心で会話・ファイル共有・通知連携を行う。テナントまわりテナント:ワーク

Lang »