AIエージェントの事故が記録として公表され、それを止める側の仕組みが各サービスで上位に並ぶ

日常的に使える小さな工夫を並べたブログ記事。コメントでは、内容の多くはプログラミングというよりbash / zshのCLI小技であり、タイトルを変えたほうがよいという指摘が出ている。

この種の知識を共有すること自体の難しさも話題になっている。自分が知っている小技は当たり前に見えるため、他人が知らないかどうかを判断しづらく、誰もが知っていることを共有すると尊大に映るリスクがある、という書き込みがある。fzfを使いつつ文脈をより多く出すzshの履歴ツールを自作した、という紹介も付いている。

別の流れとして、現在のターミナル設定を評価して記事の小技を適用するスクリプトやAIスキルが欲しいという要望が出ている。agを使っているならripgrepを入れて移行方法を教える、といった動作が想定されている。学術分野ではもう誰も手でコードを書かず、プログラミングの楽しさがエージェントのオーケストレーションに置き換わった、という話も派生している。

ノルウェー・ベルゲンの自宅の庭にマイクを置き、BirdNET-Goで鳴き声から鳥を同定して、その種の1800年代の博物画を電子ペーパーの額に描き出す作品。作者本人がスレッドで仕組みを説明し、自宅からのライブWebデモも公開している。

コメントは称賛が中心で、ハードもソフトも作れるがこういう発想が出てこない、自分も作りたい、という反応が並ぶ。

実装面では電子ペーパーの価格が話題になっており、13インチのパネルが229.50ポンドする、大型サイズが今も高価なのはなぜか、という質問が出ている。また、数か月前に話題になったAvian Visitorsというプロジェクトのフォークではないか、同じ作者なのか、という指摘も付いている。

長年メールやホスティングを無償提供してきた非営利プロジェクトが、取引銀行から口座を閉じられ運営を続けられなくなったという告知。発表ページ自体には口座閉鎖の詳細が乏しく、別記事で補足されている。

コメントでは、この種の口座閉鎖（デバンキング）の枠組みは9.11直後から存在し、2000年代半ばには無害なハワラ業者が多数巻き込まれたという背景説明が出ている。米国が国外の敵対勢力を止めるのは一つの話だが、という前置きから、範囲の広さを懸念する声が続く。

決済ネットワークで働く立場からの書き込みでは、USD建ての取引はすべて米国の枠組みを通るため、銀行側も自発的にやっているわけではないという構造が説明されている。イタリア語の記事を訳して読めば経緯が分かる、そちらのコメント欄のほうが興味深い、という案内も付いている。

GEFSをOpenBSDへ移植した初期段階の報告がメーリングリストに投稿され、作者本人がスレッドに現れて質問に答えている。EuroBSDでの発表動画へのリンクも示され、スライドではなくメール本文のURLを使うよう案内している。

議論の中心はDragonFly BSD由来のHAMMER2との比較で、ブロック単位のCoWファイルシステムであり、ZFSのメモリ消費の問題を解決している点が評価されている。OpenBSDでHAMMER2が動けば嬉しい、という声も出ている。

作者の回答では、HAMMER2の設計自体はかなり真っ当としつつ、ブロック解放のためにGCパスを行う方式と、Bε木による書き込み増幅の削減のほうが価値があると考えた点を挙げている。加えて、UnixカーネルのコードをPlan 9へ移植するのは手間で、新しいデータ構造を試すほうが楽しかった、という理由も語られている。

Hacker Newsと同じ記事がLobstersでも伸びており、こちらではコメント欄が実際のワークフロー共有の場になっている。ペアプログラミングでこの種の小技を拾うのが好きだった、という書き出しが多い。

具体的に挙がっているのは、`rg pancakes | fpp` のようにPathPickerへパイプして出力中のファイルパスを選び開く方法や、git statusで作業中のファイルをまとめて開く用途にはgit-jumpが標準で用意されている、という指摘。git-jumpは差分のhunkを開くこともできる。

`grep -n` で行番号を付けた出力を使う流れも共有されている。`vim -q <(grep -n visit_try */*.py)` としてから `:cn` で一致箇所を移動する方法や、Vim内で `:gr` を使ってquickfixリストを埋め `:copen` で開く方法、location listを使う `:lgr` / `:lopen` が紹介されている。

Alibaba Groupの社内公式AIコードレビューアシスタントとして2年間で数万人の開発者に使われ、数百万件の欠陥を検出した実績を経てOSS化されたCLIツール。モデルのエンドポイントを設定するだけで動き始める。

動作は、Gitのdiffを読み、ツール利用が可能なエージェント経由で変更ファイルをLLMへ送り、行単位の構造化されたレビューコメントを生成するというもの。エージェントはファイル全体の読み取り、コードベースの検索、他の変更ファイルの参照ができるため、差分表面だけでない深いレビューを出せるとしている。`ocr scan` はdiffのないディレクトリや未知のコードベースの監査向けに、ファイル全体をレビューする。

ベンチマークとして示されているのは、Claude Codeのような汎用エージェントとの比較。同じモデルを使った場合にPrecisionとF1が明確に高く、消費トークンは約1/9でレビューも速い。一方でRecallは汎用エージェントより低く、これは意図的なトレードオフだと明記されている。

コンシューマ向けやヘテロジニアスな環境で、744Bから2.8Tパラメータのフロンティア級MoEモデルを動かすことを狙った推論エンジン。エンジン側の依存をゼロにした純Cで書かれ、ストレージ・RAM・VRAMをひと続きのメモリ階層（AIメモリ多段化）として扱う。

現在動作する系列として、GLM-5.2/5.3（744B）、GLM-5.3-Flash（321B、ビジョン対応）、Inkling（975B）、Kimi K3（2.8T）、DeepSeek V4 Flash（284B）、DeepSeek V4.1 Flash（552B、ビジョン対応）、Qwen3.8-Flash-Next（125B + 51B n-gram）、Qwen3.6（35B-A3B）、OLMoE（7B）の9ファミリーが挙げられている。いずれもモデルごとに1つのCファイルで、`coli chat` / `coli serve` / `coli web` という共通のフロントエンドを持つ。

プロジェクトは実用エンジンであると同時にオープンな研究基盤という位置づけで、モデル形式、メモリ階層、ストレージI/O、配置、スケジューリング、カーネル、投機実行、CPU/GPUのオーバーラップまで含めて推論性能を追う。速度についてのSLAはなく、意味論の保証は厳格、実験は再現可能なエンドツーエンド計測で価値を示す、という方針を掲げている。

米国国家安全保障局の研究部門が作成・維持しているソフトウェアリバースエンジニアリング（SRE）フレームワーク。Windows、macOS、Linuxを含む複数プラットフォームのコンパイル済みコードを解析するための高機能なツール群を含む。

機能には逆アセンブル、アセンブル、逆コンパイル、グラフ表示、スクリプティングのほか数百の項目があり、幅広いプロセッサ命令セットと実行形式に対応する。対話的な利用と自動実行の両方が可能で、利用者はJavaまたはPythonで独自の拡張コンポーネントやスクリプトを開発できる。

開発の背景として、複雑なSRE作業におけるスケールとチーム連携の課題を解くため、またカスタマイズ可能で拡張性のあるSRE研究基盤を提供するために作られたと説明されている。NSAはこの機能を悪意あるコードの解析や、ネットワークとシステムの潜在的脆弱性の把握に適用してきたとしている。

エージェントハーネスの性能最適化システムとして、スキル、instincts、記憶、セキュリティ、調査優先の開発を提供する。Claude Code、Codex、Opencode、Cursorなど7つのハーネスへ週次で出荷していると説明されている。

READMEの冒頭には警告が置かれており、インストールは公式チャネルに限るよう求めている。GitHubリポジトリ、npmパッケージの `ecc-universal` と `ecc-agentshield`、GitHub App、プラグインスラッグ `ecc@ecc`、プロジェクトサイトecc.toolsが正規で、第三者による再アップロードや非公式ミラーは保守も審査もされておらずマルウェアを含む可能性がある、としている。

Claude Codeへの導入は、ガイド付きセットアップかネイティブのプラグインコマンドのどちらかで、いずれも同じ `ecc@ecc` プラグインを入れる。両方を重ねて入れないよう注意書きがある。ライセンスはMITで、OSS部分は無料のまま、私有リポジトリ向けのホスト型GitHub AppであるECC Proとスポンサーが開発を支えるモデルを取っている。

コーディングエージェントを研究エージェントとして使うためのローカルファーストなワークスペース。文献レビュー、仮説の構築、実験の実行、研究成果物の作成までを対象とする。macOS 11以降に対応し、WindowsはベータでGit for Windowsを必要とする。

導入はmacOSまたはLinuxでCLIをインストールし、`orx up` を実行するとローカルダッシュボードが `http://127.0.0.1:4791` で開く。LM Studio、oMLX、Ollama、独自エンドポイントをOpenCode経由で接続してローカルモデルを使うこともできる。

提供される機能として挙がっているのは、研究の方向ごとに独立したエージェントセッションと分離されたgit worktreeを与える並列探索、gitネイティブな実験ツリーでバリアントを追跡し各実行に記録したコミットの不変アーカイブを残す再現性、ログ・差分・ファイル・結果・成果物を生成元の作業に紐づけて保持する証跡管理、セッション単位でハーネスとモデルを選べる点である。

協働型・オンデマンド型・シェアリングエコノミー向けを掲げたオープンなビジネス管理プラットフォーム。ERP（企業資源計画）、CRM（顧客関係管理）、HRM（人事管理）、ATS（採用管理）、PM（プロジェクト管理）の領域をカバーする。ライセンスはAGPL v3。

READMEでは関連プロダクトが併せて紹介されている。Ever Worksは、事業の調査・出荷・維持を24時間自律的に行うオープンなエージェントランタイムとしてリリースされたばかりのもの。Ever Teamsは働き方と生産性のプラットフォームで、React（Next.js）とReact Native（Expo）で作られ、ヘッドレスのEver Gauzy Platform APIへ接続する。

リポジトリにはGitpodのReady-to-Codeバッジ、DeepWikiへのリンク、訪問者カウンタなどが並び、APIドキュメントはapi.gauzy.coで公開されている。

シニアエンジニアが使うワークフロー、品質ゲート、ベストプラクティスをスキルとして符号化し、AIエージェントが開発の各フェーズで一貫して従えるようパッケージしたもの。DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP という流れに沿って構成されている。

用意されているのは開発ライフサイクルに対応する9つのスラッシュコマンドで、各コマンドが適切なスキルを自動的に有効化する。`/spec`（コードの前に仕様）、`/plan`（小さく原子的なタスク）、`/build`（一度に1スライス）、`/test`（テストは証明）、`/constraints`（一度決めてどこでも強制）、`/review`（マージ前にコードの健全性を上げる）が挙げられている。

このほか `/webperf`（最適化の前に計測するWebパフォーマンス監査）、`/code-simplify`（賢さより明快さ）、`/ship` が並ぶ。各コマンドに「何をしているとき」「どのコマンド」「鍵となる原則」を対応づけた表が示されている。

Claude Fable 5.1とGPT 6 Astraを組み合わせてバイブコーディングしたmacOSアプリで、吹き出し・設定画面・詳細画面・アバターが同時に表示されるようになったところ、キーの連打で画面が反応しなくなる、取り消しキーを押さないと戻らない、出るべき画面が出ないといった不具合が続いた。AIに修正を頼んでも直らなかったという。

原因は、各画面が自分で表示・非表示を決め、さらに隣の画面を直接操作していたこと。会話画面が吹き出しを隠したり、設定画面がアバターの表示を変えたりして処理が衝突し、排他制御や待ち時間、リトライを場当たり的に継ぎ足した結果、1つ直すと別の場所が壊れる状態になった。

対策として記事が提示するのは、全コンポーネントをRootの配下に置き、各コンポーネントはMVPのPassive Viewとして描画パラメータだけを扱い、動作はChain of Responsibilityでイベントをバブリングさせ、ステートマシンとして振る舞うMediatorに裁定させる、という指示をそのままAIに渡すプロンプト。

2026年9月にShopify Engineeringが「Native is now the future of mobile at Shopify」を公開した。2020年にReact Nativeへ寄せ、コミュニティへ投資してきた企業の方針転換として受け止められ、クロスプラットフォームには無理があったという反応も出た。

筆者は、Shopify自身は「React Nativeは失敗だった」とは書いていない点を確認する。2020年当時の課題はiOSとAndroidで同じ機能を二度実装して同期させ続けることで、React Nativeはその重複を減らし、Web中心の開発者がモバイルへ参加しやすくなる効果があった。追従コスト、ネイティブ層との境界、外部ライブラリ依存、パフォーマンスといったコストは当時からあり、それでも天秤が釣り合っていた。

2026年に天秤が動いた理由として挙がるのが、ShopifyがCoding Agentを開発プロセスへ深く組み込み、片方の実装を参考にもう片方を実装させ、テストとレビューで挙動を揃える仕組みを整えたこと。ネイティブ2本のコストがゼロになったわけではないが2020年ほど高くなくなった、という構図で整理されている。

3エージェント併用で開発している17万行規模のプロダクトでは、生成されたコードを人間が全部レビューすることは実質不可能で、レビューもトークンを消費する。そこで12GBのGeForce 3060で動く用途を絞ったローカルLLMを試し、Ollamaでqwen2.5-coder:14bを使った。

Issue単位でブランチを切り、規模が大きければスライスに分けて小さく実装を回す進め方を前提に、gitのステージに上がった差分から重大な問題だけを挙げさせる構成を取っている。Modelfileでtemperature 0.05、top_p 0.8、num_ctx 8192を指定し、自分用モデルを生成する。

システムプロンプトでは要約・説明・挨拶・総評の類を禁止し、検出対象をデータ損失リスク、クラッシュリスク、セキュリティ境界の破壊、path traversal、Electron IPC境界の破壊、async / race condition、null・undefined・空状態、off-by-one、ファイルパスやURLエンコード、Unicode処理の重大な不整合に限定している。

Fragment RefsはReact 19.3の新機能で、Fragmentがrefをサポートするようになる。得られるrefはReactが用意したFragmentInstanceオブジェクトで、addEventListenerやfocusといったメソッドを持ち、DOM要素を持たないラッパーに対して疑似的な操作ができる。

題材はReact 19.2で導入されたActivityコンポーネント。mode="hidden"で囲むと非表示になるが、裏でレンダリングを進めておけるため表示切り替えが速く、レンダリング優先度も下げられる。非表示の間も状態が保持される点が利点として挙げられている。

Activity自体はDOM要素を描画せず、mode="hidden"のときは中のDOM要素へdisplay: noneを与えることで非表示を実現している。こうした「自分では何も描画せず内部の要素にスタイルを与える」コンポーネントは従来のReactでは実装できなかったが、Fragment Refsを使うと強引ながら実現できる、というのが記事の趣旨。

拡張の対象は、Lambda Managed Instances (LMI) 上で動く関数であること、かつ非同期呼び出しまたはESM（イベントソースマッピング）経由の呼び出しであること、という2条件を両方満たす場合に限られる。同期呼び出し（RequestResponse）は従来どおり15分のままで、API Gatewayや関数URLの背後にある関数はTimeoutに5400を設定しても15分でタイムアウトする。

変更点は表で整理されている。非同期呼び出しとSQS / Kinesis / DynamoDB StreamsのESMが15分から90分（LMIのみ）になり、Amazon MQ / DocumentDBのESMとInitフェーズは15分のまま。設定は従来のTimeoutプロパティのままで、上限が900秒から5,400秒に上がっただけとされている。

筆者はCDKで検証環境を組み、S3にファイルが置かれたら重い変換処理を回すという王道パターンが、15分の壁を気にせず1関数で組めることを実測で確認している。durable functionsと組み合わせた場合に何が変わるかも検証対象に含めている。

筆者は数学者ではなく、システム開発目的で毎月数十万円分のトークンを使う立場で、AI自体には肯定的だと前置きしている。そのうえで、数学者の都合という見方を避けるため、数学理論の発展という軸で議論を立てている。

数学の理論は天才がゼロから作ったものではなく、問題を解き洞察を重ねて何世代も積み上げたものだという整理から始まる。定義の言葉遣いや、どの定理から何を証明するかといった選択には文学的な構築の側面がある一方、内省だけでは許されず、誰が考えてもその順序なら確かにそうなる、という論理的な正しさを前提にする点が文学とは異なるとする。

数学理論の結果を使うには最終的に何らかの計算をすればよく、AIは計算能力の面で人間業では不可能な領域へ届き得る。ただし計算力のない人間は、問題を観察して見方を変え、新しい理論を作って解いてきた。その理論が計算をスマートにし、統一的な説明を与え、新しい対象を生む。今のAIは理論を作る部分に届いていない、という論の運びになっている。

GitHub Enterprise Cloudで社内向けサイトをGitHub Pagesのprivate公開としてホスティングしている環境で、独自ドメインを設定したが証明書がいつまでも発行されなかった。DNSもCAAもプロキシ設定も正しく、GitHubのAPIはエラーを1つも返さない状態だったという。

原因はCNAMEの向き先だった。privateにしたPagesにはrandom-name-a1b2c3d4.pages.github.ioのような固有サブドメインが割り当てられ、設定画面にはこのURLしか表示されないが、正しい向き先は組織の既定ドメイン `<org_name>.github.io` だった。固有サブドメインはオリジンを分離するための配信先であり、DNSの向き先ではない。両者は同じIPに解決されるため、DNSを見ても違いが分からない。

誤った向き先ではis_https_eligibleがfalseとなり、証明書の発行ジョブが投入されない。それでもis_valid: trueが返るためエラーは出ず、待ち続けることになる。切り分けの第一手として `gh api repos/{owner}/{repo}/pages/health` を挙げている。

開発生産性を高め認知的負荷を減らすため、チームでモノリスをサブドメインへ分割する取り組みを行い、書籍で解説されている「サブドメインの境界を示す指標」を使ったところ、チーム全員が納得できる境界線を特定できたという。病院の予約から処方箋受け取りまでのドメインストーリーを例に説明している。

前段ではドメインストーリーテリングの読み方を解説する。複数のアクターが関わる業務の流れを可視化する手法で、図のシーケンス番号をたどって「患者が診察を予約する」「医療事務が受付を完了する」と読んでいく。

指標として挙げられているのは、完成した作業成果物が次のサブプロセスへ引き渡されているか、その受け渡しが一方向で戻りがないか、ドメインエキスパートのグループが分かれているか、同じ用語の意味が業務プロセスによって変わっていないか、作業対象の扱い方が変わるか、といった観点。同じ用語でも意味合いが変わる場所こそ境界線だとしている。

筆者は週1回チームメンバー全員と1on1をしていたが、質問のバリエーションがほぼゼロで、毎回「最近どう?」「困ってることある?」しか聞いていなかった。抽象的すぎる質問では相手も答えを準備できず、当たり障りのない返事しか返ってこない。「困ってることある?」に即答できるのは、よほど信頼関係があるか、よほど限界が来ているかのどちらかだとしている。

『How Google Works』から、優れたマネージャーは部下に「何を考えているか」ではなく「何を観察したか」を尋ねる、抽象的な感情の質問は抽象的な答えしか生まない、という一節を引き、自分の質問がまさにそれだったと振り返る。

立て直した質問は3層構造で、最初は感情ではなく観察可能な事実から聞く。NG例とOK例をテキストで並べ、抽象的な問いかけを具体的な事実確認へ置き換える手順を示している。

ブレインパッドでRtoaster GenAIを開発する筆者が、AIに書かせた設計書やPRを読むときの疲労感を分析している。内容が間違っているわけではなく、むしろ大抵は正しい。それでも疲れる理由を4点に集約している。

1つ目は網羅と重要度を区別しないこと。人間は書くときに無意識の取捨選択をしているが、生成AIは思いつく観点をすべて同じ重みで並べるため、決定的な判断と自明な前提が同じ文量になり、読み手が重要度の仕分けを肩代わりさせられる。2つ目は結論が最後に来ること。検討の過程を順に再生してから最後にまとめを書く構成のため、読み手は結論までの情報をすべて保持し続ける必要がある。

3つ目はテンプレートの見出しを律儀に埋めること。「背景」「目的」「用語定義」「今後の拡張性」といった定型見出しを、中身が薄くても埋めようとするため、見出しの数だけ読む負担が増える。記事はSkillやプロンプトの設計を見直す観点として整理している。

筆者は開発中心だった立場から、M365を含む全体的な知識のアップデートが必要になり、自分の理解のためにAIとまとめていたメモをQiita向けに整理し直したと述べている。戦略として目指していることと実際に利用できる機能は別である点を注意として置き、一般提供済みの製品、プレビュー機能、将来の計画を分けて記載している。

全体像として示されるのは、顧客が仕事で実現したいことを出発点に、企業が培ってきた知識や経験、日々の業務で使う情報をAIで活かし、安全に管理しながら働く人を支えるという方向。モデルの性能は重要だが、高性能な汎用モデルを使えるだけでは企業ならではの価値は生まれないという整理を置いている。

企業の強みは蓄積してきた専門性、顧客理解、業務ルール、データ、意思決定の経験にあり、それを必要な人やエージェントが適切に活用できるようにすることが要点だとする。Microsoftはこの変革をFrontier Transformationと呼んでいる。

筆者は採用広報として未経験者と話す中で、勉強時間をつくれないことに引け目を感じている人が少なくないと述べる。働きながら転職先を探し、ITを調べ、プログラミングも勉強するのは負担が大きく、できなかった日に焦ってしまう状況を挙げている。

そのうえで、ITにつながる経験は仕事が終わったあとにしかつくれないわけではない、と論を置く。今の仕事を振り返れば、すでにきっかけを持っているかもしれないという見方である。

手がかりとして挙げているのがジョブ・クラフティングという考え方で、任された仕事をきちんと行いながら自分なりにやり方を工夫していくことを指す。毎週同じ内容をExcelへ入力しているような作業を「もう少し楽にならないか」と見直すところから始まる、という例で説明している。

基本形のSQLを提示したうえで、各句を順番に日本語へ変換していく構成を取る。SELECTは「何を取り出すか」を最初に宣言する部分で「〜を」、FROMはデータの取得元で「〜から」に対応させる。ここまでで「顧客テーブルから、名前と年齢を」という日本語の語順に近づく。

WHEREは絞り込みの条件で、買い物のときに店員へ「1000円以下の商品で」と伝えるイメージとして説明する。GROUP BYは「〜ごとにまとめて」で、クラス名簿を出席番号順ではなく部活動ごとに束ねる例えを使っている。

つまずきやすい箇所として挙げているのがWHEREとHAVINGの違いで、WHEREはまとめる前の1件1件に対する条件、HAVINGはGROUP BYでまとめた後のグループに対する条件、という対比で整理している。

PorfforはJavaScriptをコンパイラでリビルドする仕組みで、メモリ使用量と成果物サイズを大幅に削減できるとうたっている。インストールは `curl -fsSL https://porffor.dev/install.sh | sh` の一行。

メモリ効率として挙げられている比較は、1GBのメモリを搭載したサーバでNodeコンテナが25個、セルフホスト型ワーカーが45個動く条件のもとで、Porfforなら1000個のアプリが動作するという数字。配布面では、事前にコンパイルを行うためBunやDenoのようにランタイムをバンドルする必要がなく、単一ファイルとして配布でき、アプリサイズは50倍以上の差になるとしている。

JavaScriptエンジンをリビルドするということは言語全体をゼロから再実装することを意味するため、適合性の指標としてECMAScript公式テストスイートTest262の結果が示されている。

第1部でSelect AIが表名・列名・データ型などの基本メタデータと、設定に応じたCOMMENT、Annotations、制約からSQLを生成する仕組みを整理したうえで、第2部となる本記事はデータの意味をどうデータベース側へ持たせるかを扱う。

問題意識は、表名・列名・データ型だけではデータの形は分かっても業務的な意味までは伝わらない点にある。例として、`CUST_ID` が顧客IDらしいことは推測できても、利用者が「顧客番号」「取引先ID」と呼ぶこと、`STAT_CD = 'A'` が有効顧客を表すこと、`AMT` が受注1件の売上金額で単位が日本円であり確定済みかは `ORD_TXN.STAT_CD` で判定すること、どの列同士をJOINすべきかは判断できないと挙げている。

こうした情報をデータベース内で管理する手段として、Oracle AI Database 26aiが持つCOMMENT、ANNOTATIONS、Domainを比較し、Select AIでの動作を検証する構成になっている。

新人リーダーになった頃、後輩のPRへ「このロジックだと将来バグります。設計から見直したほうがいいです」とコメントしたところ、翌日からSlackで話しかけられる回数が減り、PRのdescriptionも硬くなっていったという経験から始まる。

当時のコメントを振り返ると、「なぜこの実装にしたんですか?普通はこうしませんか?」のように、コードの評価のつもりで書いた言葉があなたの評価として読まれる構造をしていた。とくに「普通はこうしませんか?」は質問の形をしているだけに、反論できない詰め方をされたと受け取られやすいとする。『NVC(非暴力コミュニケーション)』のマーシャル・ローゼンバーグが、評価や判断を含んだ言葉は攻撃として受け取られやすいと指摘している点を引いている。

対策の第一歩は主語をコードから動かさないこと。「なぜこんな実装にしたんですか?」を「このロジックだと、Nが大きい時にO(n^2)になりそうです」へ書き換えるBefore / Afterで示している。