コンテンツにスキップ

AI / Engineering Digest — 2026-06-24

7956 件中 41 件選別、詳細要約（落合式）8 件＋短冊 15 件。実用 AI 活用 31 件、ハーネス系 8 件。

詳細要約（落合式）

1. Boost Inference Performance up to 15x on NVIDIA Blackwell Using DFlash Speculative Decoding — NVIDIA Developer

どんなもの？ DFlashは、NVIDIA Blackwell上で推論性能を最大15倍向上させるブロック拡散推測デコーディング技術です。

先行手法との違い DFlashは、従来の自己回帰型デコーディングと比較して、トークン生成の並列処理を可能にし、GPUの利用効率を大幅に向上させます。

技術のキモ DFlashは、軽量なブロック拡散モデルを使用して、未来のトークンを一度の前方パスで生成し、ターゲットモデルがそれを並行して検証します。このアプローチにより、トークン生成のシーケンシャルな制約を克服し、GPUの計算能力を最大限に活用できます。実用AIにおいては、Claude Codeの運用においてもこの技術を応用することが可能です。

評価 DFlashは、gpt-oss-120bに対して最大15倍の推論性能向上を実現し、Llama 3.1 8Bにおいても従来のEAGLE-3と比較してほぼ2倍のインタラクティビティを達成しています。

議論点 DFlashの導入により、推論性能が大幅に向上しましたが、異なるデータセットやモデルにおける一貫性や、さらなる最適化の余地については議論の余地があります。また、開発者がこの技術をどのように活用できるかについても、今後の研究が必要です。

2. Building Reliable Agentic AI Systems — Martin Fowler

どんなもの？ PRINCEは、製薬業界のデータアクセスを革新するエージェントAIシステムで、自然言語での質問に対する文脈豊かな回答を提供します。

先行手法との違い 従来のキーワード検索は、複雑な研究質問に対して効果的ではありませんでしたが、PRINCEは自然言語処理と情報検索を組み合わせることで、より直感的なデータアクセスを実現しました。

技術のキモ PRINCEは、エージェント型のRetrieval-Augmented Generation (RAG)を活用し、構造化されたメタデータと非構造化データを統合しています。これにより、研究者は自然言語で質問を投げかけ、正確な情報を得ることができます。自分のClaude Code運用においても、RAGのアプローチを取り入れることで、データの取得と分析を効率化できるでしょう。

評価 PRINCEは、製薬研究におけるデータアクセスの効率を大幅に向上させ、透明性と説明責任を重視した設計が評価されています。

議論点 PRINCEの設計には多くのエンジニアリング上の決定が含まれていますが、今後の改善点や新たな技術の導入については議論の余地があります。特に、AIの透明性と信頼性をどのように維持するかが重要な課題です。

次に読む - 1. Building pay-per-intelligence for AI agents: How Ampersend uses Amazon Bedrock AgentCore Payments — AWS ML Blog - 2. Context Management for Deep Agents — LangChain

3. Maintainability sensors for coding agents — Martin Fowler

どんなもの？ コーディングエージェントのメンテナビリティを向上させるためのセンサー活用法を実験し、効果を検証した記事。

先行手法との違い 従来の手法ではメンテナンス性の評価が不十分であったが、センサーを用いることでAIエージェントのコード品質をリアルタイムで監視し、改善する新たなアプローチを提案している。

技術のキモ 著者は、コーディングエージェントが生成するコードのメンテナンス性を向上させるために、リアルタイムでフィードバックを提供するセンサーを導入しました。これにより、エージェントはコードの変更がもたらすリスクを低減し、将来的な変更を容易に行えるようになります。実用AI活用においては、これらのセンサーを自分のClaude Code運用に転用することで、コードの品質を保ちながら効率的な開発が可能になります。

評価 著者は、AIが生成したコードのメンテナンス性を向上させるためのセンサーの効果を実験し、具体的な改善点を示しています。定量的なメトリクスは示されていないが、センサーの導入によってエージェントの出力品質が向上したと評価しています。

議論点 メンテナビリティセンサーの導入は、AIエージェントのコード生成における新たな可能性を示していますが、センサーの効果を最大限に引き出すためには、どのような基準でフィードバックを行うかが今後の課題です。また、AIが生成したコードの品質をどのように持続的に監視するかも重要な議論点です。

4. Fragments: April 29 — Martin Fowler

  • URL: Fragments: April 29
  • 重要度: 4 / テーマ: harness-engineering / 対象: ic-engineer
  • 実用 AI 活用: ✅ / ハーネス話題: ✅ / 今すぐ使える: ✅

どんなもの？ AIを活用したソフトウェア開発の最新実践を解説し、エージェントエンジニアリングの重要性を強調する。

先行手法との違い 従来の開発手法では、フィードバックの待機が重要視されていたが、AIを用いることで即時の検証が可能になり、開発速度が向上する。

技術のキモ AIを用いたエージェントエンジニアリングでは、プログラマーがAIに正しいコードを書くようにトレーニングすることが重要である。特に、フィードバックを迅速に得るための環境を整えることが求められ、これにより開発の効率が大幅に向上する。

評価 著者は、AIを活用することで、開発チームが短時間で複数のアプローチを検証できるようになると評価している。

議論点 AIの導入により、プログラマーの役割が変わることに対する懸念がある。特に、レビュー作業が主な仕事になることへの不安が示されている。

次に読む - 1. Temporary Cloudflare Accounts for AI agents — Simon Willison - 3. How Siemens "slices the elephant," advancing agentic workflows for industrial software development — Google Cloud (Data Analytics)

5. Fragments: April 21 — Martin Fowler

  • URL: Fragments: April 21
  • 重要度: 4 / テーマ: harness-engineering / 対象: manager
  • 実用 AI 活用: ✅ / ハーネス話題: ✅ / 今すぐ使える: ✅

どんなもの？ ThoughtworksのテクノロジーラダーがAIの影響を再評価し、ソフトウェア開発の基本原則を見直す必要性を強調。

先行手法との違い 従来の手法ではAIの急速な進化に対応できず、基本的なソフトウェア原則の再評価が求められている点が新しい。

技術のキモ AIツールの進化に伴い、ソフトウェア開発の基本原則（クリーンコード、テスト可能性など）を再評価することが重要である。特に、AIエージェントのセキュリティやアクセス権の問題に対処するためには、従来の技術を見直し、適切なハーネスを設計することが求められる。

評価 著者は、AIツールがもたらす複雑さに対抗するために、基本的なソフトウェア職人の原則を再評価する必要があると評価している。

議論点 AIエージェントのアクセス権に関する問題や、セキュリティの確保が未解決の課題として残っている。著者の主張には、AIの進化に伴うリスクへの懸念が含まれている。

6. Harness engineering for coding agent users — Martin Fowler

どんなもの？ コーディングエージェントの信頼性を高めるためのハーネスエンジニアリング手法を提案し、レビュー作業を軽減する。

先行手法との違い 従来の手法はエージェントの出力を単に評価するだけだったが、ハーネスエンジニアリングは出力の精度を向上させるためのフィードフォワードとフィードバックを組み合わせている。

技術のキモ ハーネスエンジニアリングは、コーディングエージェントの出力を向上させるために、フィードフォワード（事前制御）とフィードバック（事後制御）を活用します。具体的には、エージェントの行動を予測し、望ましくない出力を防ぐためのガイドを設け、出力後に自己修正を促すセンサーを設置します。これにより、エージェントの出力の信頼性が向上し、開発者はより効率的に作業を進めることができます。

評価 著者は、ハーネスエンジニアリングがエージェントの出力精度を向上させ、レビュー作業を軽減することを強調しており、具体的なメトリクスは示されていないが、プロセスの効率化が期待される。

議論点 ハーネスエンジニアリングの実装には、エージェントの非決定性や文脈の理解不足といった課題が残る。著者の提案が実際の開発環境でどの程度効果を発揮するかは、今後の実証が必要である。

次に読む - 1. The Art of Loop Engineering — LangChain - 2. Context Management for Deep Agents — LangChain - 3. How we build evals for Deep Agents — LangChain

7. Encoding Team Standards — Martin Fowler

  • URL: Encoding Team Standards
  • 重要度: 4 / テーマ: harness-engineering / 対象: ic-engineer
  • 実用 AI 活用: ✅ / ハーネス話題: ✅ / 今すぐ使える: ✅

どんなもの？ AIコーディングアシスタントの効果を高めるため、チーム標準を実行可能な指示として整備する重要性を論じる。

先行手法との違い 従来の方法では、経験豊富なエンジニアの暗黙知に依存していたが、この記事ではその知識を文書化し、全員が利用できるようにすることで一貫性を持たせる新たなアプローチを提案している。

技術のキモ チームの標準を文書化し、バージョン管理された実行可能な指示として整備することで、AIが一貫してチームの判断を適用できるようにする。このアプローチは、AIの利用における品質を均一化し、特に新しい開発者が経験豊富なエンジニアの知識を活用できるようにするための重要な手段となる。

評価 著者は、AI支援開発における一貫性の欠如がコストを生むと指摘し、標準化された指示がその解決策になると評価している。

議論点 このアプローチには、文書化された標準が実際の開発プロセスにどのように適用されるかという課題が残る。また、全員が同じ理解を持つことができるかどうかも議論の余地がある。

8. Context Anchoring — Martin Fowler

  • URL: Context Anchoring
  • 重要度: 4 / テーマ: harness-engineering / 対象: ic-engineer
  • 実用 AI 活用: ✅ / ハーネス話題: ✅ / 今すぐ使える: ✅

どんなもの？ AIとの会話における文脈の外部化が、開発者の生産性を向上させる手法を提案。

先行手法との違い 従来の手法では、会話の文脈がセッション内に留まるため、重要な情報が失われやすい。この記事では、外部記録を用いることでこの問題を解決する新たなアプローチを示している。

技術のキモ 文脈を外部に記録することで、AIとの会話の劣化を防ぎ、重要な決定の理由を保持する。これにより、開発者は過去の決定を振り返りやすくなり、AIの提案が意図に沿ったものになる。自分のプロジェクトにおいても、重要な決定やその理由を文書化することで、AIの活用をより効果的に行える。

評価 著者は、文脈の劣化が開発者の生産性に悪影響を及ぼすことを強調し、外部記録の導入がこの問題を解決する可能性があると評価している。

議論点 文脈の外部化には、どの情報をどのように記録するかという課題が残る。また、AIが提案する内容が意図とずれるリスクも考慮する必要がある。著者の主張に対して、実際の運用における具体的な適用例が求められる。

短冊（タイトル・リンク・要約 15 件）

  • Project Execution Skills Build Your Reputation for Delivering Value — Locally Optimistic・重要度 4・dev-productivity この記事は、データプロジェクトにおけるプロジェクト実行スキルの重要性について述べています。特に、期待の明確化やドキュメンテーション、作業の分割、チームの責任を持たせることが成功に繋がると強調しており、これらのスキルを向上させる具体的な方法も提案しています。プロジェクトの成功には、関係者とのコミュニケーションが不可欠であることが示されています。
  • Verifiable, private AI: Google Cloud expands Confidential Computing frontiers — Google Cloud (AI/ML)・重要度 4・infra-ml この記事では、Google Cloudが新たに発表した「Confidential G4 VMs」や「Prompt Encryption SDKs」を通じて、AIのプライバシーとデータ保護を強化する取り組みについて説明しています。特に、NVIDIA RTX PRO 6000 GPUを搭載したG4マシンシリーズは、機密データを安全に処理するためのハードウェアベースのセキュリティを提供し、AIワークフローのプライバシーを確保する重要な技術です。
  • Build real agentic apps using CUGA: two dozen working examples on a lightweight harness — Hugging Face・重要度 4・agent この記事は、IBMのCUGA（Configurable Generalist Agent）を使用して、エージェントアプリケーションを簡単に構築する方法を紹介しています。CUGAは、ツールの設定や状態管理を自動化し、開発者が実際のアプリケーションのロジックに集中できるようにします。具体的には、24の実用的なアプリの例を通じて、CUGAの利点や使い方を解説しています。
  • How Omio is building the future of conversational travel — OpenAI・重要度 4・industry Omioは、OpenAIを活用して会話型旅行体験を提供し、製品開発を加速させる方法を探ります。AIネイティブ企業への変革を目指すOmioの取り組みは、旅行業界における新たな可能性を示唆しています。
  • Porting the Moebius 0.2B image inpainting model to run in the browser with Claude Code — Simon Willison・重要度 4・ai-workflow この記事は、Moebius 0.2B 画像インペインティングモデルをブラウザで動作させるために、Claude Codeを使用して移植した過程を紹介しています。特に、WebGPUを利用してモデルを実行可能にした点が重要で、デモも公開されているため、実際に試す価値があります。
  • Fragments: June 2 — Martin Fowler・重要度 4・ai-workflow この記事では、AIツールの効果を測るための不適切な指標や、過去の自動化が職業に与えた影響について論じています。特に、AIによる誤情報の生成や、セキュリティバグの特定におけるAIの利点が強調されており、AIの進化がもたらす影響を予測することの難しさが示されています。
  • Fragments: May 27 — Martin Fowler・重要度 4・ai-workflow この記事では、Kent BeckとMartin FowlerがGOTO Conferenceでの経験を共有し、LLMを活用したプログラミングの進展や、若い世代の開発者に求められるスキルについて議論しています。また、Ian JohnsonがLaravelとReactを用いたコードベースの再構築を通じて、AIとの協働の変化や、開発者が直面する認知的負担についても触れています。これにより、AIを効果的に活用するための戦略や課題が明らかになります。
  • Bliki: Vibe Coding — Martin Fowler・重要度 4・dev-productivity 「バイブコーディング」は、プログラミングの知識がない人でもLLMを使ってソフトウェアを構築できる新しい手法です。しかし、生成されたコードは保守性やセキュリティに問題があるため、主に使い捨てのアプリケーションに適しています。この手法のリスクを理解し、注意を払うことが重要です。
  • Bliki: Interrogatory LLM — Martin Fowler・重要度 4・ai-workflow この記事では、複雑なタスクを実行するために、インタビュー形式で人間から情報を引き出す「インタロゲーターLLM」の活用法について説明しています。この手法は、文書作成やレビューを効率化し、特に書くことが苦手な人にとって有用です。AIを用いることで、情報を整理しやすくする可能性が示唆されています。
  • Fragments: May 5 — Martin Fowler・重要度 4・ai-workflow この記事では、AI支援プログラミングの摩擦を減らすためのオープンソースフレームワーク「Lattice」について紹介されています。このフレームワークは、クリーンアーキテクチャやセキュアコーディングなどのエンジニアリング手法を組み込み、プロジェクトの標準や決定を蓄積することで、AIの出力をより信頼性のあるものにします。また、GoogleのAIによる誤情報の問題や、テクノロジー企業のAI投資についても触れられています。
  • Structured-Prompt-Driven Development (SPDD) — Martin Fowler・重要度 4・ai-workflow Structured-Prompt-Driven Development (SPDD)は、AIコーディングアシスタントを活用し、開発プロセスを効率化する手法です。この方法では、プロンプトを重要な成果物として扱い、バージョン管理やレビューを通じて、ビジネスニーズに沿ったコード生成を実現します。SPDDは、開発チームがAIの利点を最大限に引き出し、品質を損なうことなく組織全体の能力を向上させることを目指しています。
  • Fragments: April 14 — Martin Fowler・重要度 4・ai-workflow この記事では、AIの進化とプログラミングにおける「怠惰」の美徳について考察されています。著者は、AIがコードを書く能力を持つ一方で、プログラマーが持つべき怠惰さが失われる危険性を指摘し、シンプルな抽象化の重要性を強調しています。特に、限られた時間が効率的なシステム設計を促すことが述べられています。
  • Feedback Flywheel — Martin Fowler・重要度 4・ai-workflow この記事は、AIツールを活用するチームが個々の経験を共有し、集団的な学びを促進するための「フィードバックフライホイール」の重要性について述べています。効果的なフィードバックループを構築することで、チームはAIの使用方法を進化させ、過去の学びを次回のセッションに活かすことができるようになります。これにより、AIの効果が持続的に向上し、チーム全体の生産性が高まることが期待されます。
  • Humans and Agents in Software Engineering Loops — Martin Fowler・重要度 4・agent この記事は、ソフトウェア開発における人間とエージェントの役割について論じています。著者は、アイデアを成果に変える「なぜのループ」と、ソフトウェアを構築する「どうのループ」を区別し、エージェントに「どうのループ」を任せることで、開発プロセスを効率化できると主張しています。特に、外部品質を重視し、内部品質は外部成果に影響を与える場合にのみ重要であると述べています。
  • Design-First Collaboration — Martin Fowler・重要度 4・dev-productivity この記事では、AIコーディングアシスタントが設計を無視して実装を生成する「実装トラップ」について論じています。著者は、設計の段階を明確にし、AIとの協力を通じて誤解を早期に発見するための構造化された会話パターンを提案しています。このアプローチにより、設計上の判断を明示化し、コーディングの負担を軽減することが可能になります。

🏢 AI組織導入・組織論（詳細 5・短冊 3）

1. The Five Laws of Data Enablement: How the father of library science would make his data team indispensable — Locally Optimistic

どんなもの？ データチームの有用性を高めるために、図書館科学の五つの法則を適用する方法を探る。

先行手法との違い 従来のデータ管理手法は、データの保護や専門家による管理に重きを置いているが、本記事はデータの利用促進と民主化を強調している点で異なる。

技術のキモ ランガナタンの法則をデータ管理に応用することで、データの利用を促進し、利用者中心のアプローチを取ることが重要である。特に、データチームは専門知識だけでなく、利用者とのコミュニケーション能力や共感力を持つ人材を求めるべきで、これによりデータの価値を最大化できる。

評価 著者は、データの利用促進が組織の経済的価値を引き出す鍵であると評価しており、特に利用者のニーズに応じたデータの提供が重要であると述べている。

議論点 データの民主化には課題があり、単にアクセスを開放するだけでは不十分である。利用者の教育やサポートが必要であり、データチームがどのようにこれを実現するかが今後の議論点となる。

2. Hello Product Data Team, Goodbye Ad-Hoc Work — Locally Optimistic

どんなもの？ データチームがサービスからプロダクト志向に転換し、データ活用を強化するプロセスを解説。

先行手法との違い 従来のサービスモデルは明確な問題解決に特化していたが、プロダクトモデルは長期的なビジョンに基づく高価値プロジェクトにシフトする点が異なる。

技術のキモ プロダクト志向のデータチームは、ユーザーのニーズに応えるだけでなく、複数の低価値作業から少数の高価値プロジェクトに焦点を移す必要がある。これにより、データを活用した意思決定が迅速化される。実用的には、Claude Codeの運用においても、データプロダクトの考え方を取り入れることで、より効果的な意思決定が可能となる。

評価 著者は、データチームの変革が成功したと評価し、具体的な成果として、意思決定の質とスピードが向上したことを挙げている。

議論点 サービスモデルからプロダクトモデルへの移行には抵抗が伴うことが多く、変化の必要性を理解することが重要である。著者の主張には賛同するが、全てのチームにこのアプローチが適用できるわけではない点に留意が必要。

3. Tell me What you Want, What you Really, Really Want: How to Identify the Real Business Question. — Locally Optimistic

どんなもの？ データ製品開発における本質的なビジネス質問の特定方法を解説し、効果的な成果を導くフレームワークを提供。

先行手法との違い 従来のアプローチでは、データ分析が単なる結果提供に留まることが多いが、本記事はビジネスの文脈を重視し、目的に基づいたデータ製品の開発を促進する点で異なる。

技術のキモ 本記事では、データ製品開発のための「発見フェーズ」テンプレートを提案し、リクエストの背景や目的を明確にすることで、関係者との合意形成を図ります。このアプローチは、データチームが受動的な対応から能動的な洞察を提供するための基盤を築くことに役立ちます。

評価 著者は、データ製品が企業の成長に寄与するためには、リクエストの背景を理解することが不可欠であると評価し、具体的なフレームワークを通じてその実現可能性を示しています。

議論点 本記事では、リクエストの優先順位付けや関係者とのコミュニケーションの重要性が強調されていますが、実際の業務においては、リソースの制約や時間的な制約が影響を及ぼす可能性があるため、実行可能性についての議論が必要です。

4. I’ve Become the PM I Used to Hate — Locally Optimistic

どんなもの？ データチームからPMに転身した著者が、データアクセスの視点の変化を語る記事。

先行手法との違い 著者は以前、データウェアハウスの使用を強く推奨していたが、PMとしての経験を通じて、迅速なデータ取得の重要性を理解するようになった。

技術のキモ 著者は、データウェアハウスの複雑さに対する理解が不足していることを認識し、実際のデータにアクセスする際の効率性を重視するようになった。PMとしての立場から、データの迅速な取得がプロジェクトの成功に不可欠であることを実感している。

評価 著者は、データウェアハウスの利用が理想的であるとしつつも、実務においては迅速なデータ取得が求められることを強調している。

議論点 データの複雑さや変化に対する理解が不足していることが、データウェアハウスの利用を妨げる要因となっている。著者は、データチームとPMの間のコミュニケーションの重要性を示唆している。

5. The VibeSec Reckoning — Martin Fowler

  • URL: The VibeSec Reckoning
  • 重要度: 4 / テーマ: org-adoption / 対象: manager
  • 実用 AI 活用: ✅ / ハーネス話題: — / 今すぐ使える: ✅

どんなもの？ Vibe codingにおけるAIの提案がセキュリティリスクを生むため、適切なガイドラインが必要であることを示す。

先行手法との違い 従来の開発手法では人間の判断が中心だったが、Vibe codingではAIが主導するため、セキュリティリスクが増大している。

技術のキモ AIが提案する設定がしばしば不適切であるため、セキュリティコンテキストファイルを作成し、AIの出力を検証する仕組みが必要。これにより、開発プロセスにおいて不正なコードや設定が見逃されないようにすることが可能になる。自分のClaude Code運用においても、AIの提案を常に人間が確認する体制を整えることが重要。

評価 著者は、AI生成コードによる企業の侵害が5件に1件に達しているとし、セキュリティリスクの増加を定量的に示している。

議論点 AIの提案に対する人間の判断が不可欠であるが、どのようにしてその判断を効率的に行うかが課題。特に、AIの進化に伴い、セキュリティ対策も常に更新が必要である。

短冊（3 件）

  • Shared infrastructure, isolated tenants: Pool model multi-tenancy with Amazon Bedrock AgentCore — AWS ML Blog・重要度 4・org-adoption この記事では、Amazon Bedrock AgentCoreを使用したマルチテナントAIアプリケーションの構築方法について解説しています。テナントの完全な分離やサービス層の差別化、コスト追跡の手法を学ぶことができ、特に医療分野のAIエージェントの事例を通じて、効率的なリソース利用と柔軟なサービス提供のバランスを取る方法が示されています。
  • Is AI unbundling expertise? — Thoughtworks Insights・重要度 4・org-adoption この記事は、AIが専門知識を分解している可能性について論じています。Anthropicの研究によると、専門家の役割は知識の伝達能力に依存しており、AIを効果的に活用するためには、明確なモデルを構築し伝えることが重要であると示唆しています。これにより、従来の専門知識の価値が再評価される必要があることが強調されています。
  • Bliki: Architecture Decision Record — Martin Fowler・重要度 3・org-design この記事は、アーキテクチャ決定記録（ADR）の重要性とその作成方法について解説しています。ADRは、製品やエコシステムに関連する意思決定を記録し、後の理解を助けるための短い文書であり、チーム内の意見を整理する手助けにもなります。簡潔さを重視し、決定の背景や影響を明確にすることが求められます。

🗄️ データ基盤・データ組織（詳細 1・短冊 0）

1. Build an AI knowledge fabric for your organization — Thoughtworks Insights

どんなもの？ AIナレッジファブリックは、AIエージェントが業務を効率的に遂行するための構造化された知識基盤です。

先行手法との違い 従来の知識管理システムは情報が散逸しがちで、AIエージェントが効果的に活用できないのに対し、ナレッジファブリックは組織特有の知識を構造化し、明示的なガイドラインを提供します。

技術のキモ AIナレッジファブリックは、エンジニアリング、業界、組織固有の知識の3層から成り立ち、AIエージェントが必要なコンテキストを提供します。これにより、エージェントは生産準備が整ったコードを生成し、ドメイン特有の質問に答え、複雑なワークフローを安全に自動化できます。自分のClaude Code運用においても、これらの知識を活用することで、より効率的な開発が可能になります。

評価 著者は、AIナレッジファブリックの導入により、AIエージェントのパフォーマンスが向上し、業務の効率化が図れると評価しています。

議論点 ナレッジファブリックの構築は継続的なプロセスであり、情報の更新や整備が求められます。特に、組織内の知識が常に変化する中で、どのようにして最新の情報を維持するかが課題です。

次に読む - 3. How Siemens "slices the elephant," advancing agentic workflows for industrial software development — Google Cloud (Data Analytics)

作成: 2026-06-24 ／ 最終更新: 2026-06-24