AIを組み込む工程と、言語・運用の境界を具体化する

検出能力だけを増やすとtriage、修正、releaseが新しいボトルネックになります。AI導入をモデル精度ではなく、隔離、再現、人間の承認、patch gap短縮まで含むシステムとして設計した事例です。

プロンプト上のscopeはネットワーク上の強制境界になりません。攻撃能力を測る評価ほど、第三者環境を含むegress deny、実行前の到達性試験、実時間のtrace監視を本番相当で行う必要があります。

エージェント性能は重みだけでなくpost-training、effort設定、harnessで大きく変わります。採用判断では公開スコアを横並びにせず、自組織のtool loopと同じ条件で再評価する必要があります。

Project Valhallaの中心となる意味論を実JDKで試せる段階へ進みました。library作者はimmutableであることだけで移行せず、identity比較、synchronization、serialization、reflectionへの依存を監査する必要があります。

agentic codingでもmodule boundaryは変更時のcontext costを左右します。ただし「小さいfileほど良い」と一般化せず、関連責務を局所化できたかと、refactoring投資を何回の将来変更で回収するかを測る必要があります。