手動テストを渡すだけでE2Eが完成する仕組みを作りました

手動テストを渡すだけでE2Eが完成する仕組みを作りました

こんにちは、kickflow QAチームのyanagiyaです。

今回は、テスト管理ツールに登録したテストケースを起点に、Playwright のE2Eテストを書いてPRを出すところまでを Claude Code に任せるスキルを作りました。
あわせて、E2E専用のテナントを用意し、どのテストをどのテナントで動かすかをスクリプトに決めさせるようにしています。

本記事では、このスキルを作った経緯と仕組み、運用しながら見直した点を紹介します。

Fable 5と私｜Claude Codeのメモリ運用3か月

こんにちは。2026年7月にkickflowに入社した、エンジニアのpesoです。

前回、Claude Codeを教官役にした入社研修の話を書きました。その中に、Claudeへの訂正を「メモリに保存してもらった」と一行だけ書いた箇所があります。今回は、その保存先の話です。

ビルドは成功、フォントは壊れていた

新規事業本部でエンジニアをしている渡辺です。

本記事では、本番環境でボタンの文字が細く描画されるようになった不具合について、原因特定から再発防止、さらに修正後に生じたパフォーマンス劣化を潰すまでの記録をまとめます。

ひとことで言えば、ビルド時の外部通信が一度失敗しただけで、ビルドは成功したまま成果物だけが壊れていた、という話です。学びが多かったのは原因そのものよりも、「失敗してくれなかったこと」がなぜここまで検知を遅らせたのかという点でした。

Claude Codeを教官役にした入社研修の話

こんにちは。2026年7月にkickflowに入社した、エンジニアのpesoです。

kickflowには、入社した最初の1週間で取り組む技術研修があります。RailsとNuxtで小さなWebサービスをゼロから作る、いわゆる「作って学ぶ」形式の研修です。

AI機能の品質評価を自動化する：機械採点と LLM-as-a-Judge の役割分担

シャチは群れで役割を分け、波を起こす係と仕留める係が連携して狩りをする

こんにちは、kickflow QAチームの川村です。

kickflowにはチケット要約や計算式生成、入力補助といったAI機能が増えてきました。
これらの品質をどう担保するかは、従来のテストとは別の難しさがあります。AI機能は同じ入力を与えても出力が毎回同じとは限らないため、同じ入力には同じ結果が返ることを前提に「期待値と一致するか」を1回だけ検証する従来の自動テストでは、揺れを含んだ品質を測れないのです。

そこでkickflowでは、AI機能を本番と同じ経路で実際に何度も呼び出し、その出力を採点して評価指標として記録する評価（eval）フレームワークを構築しました。
この記事では、その仕組みと、実際にAIを呼んで初めて見えてきたこと（テスト基盤の統合バグと、プロダクト本体の品質課題）、そして機械採点とLLM-as-a-Judgeをどう使い分けたかを紹介します。
さらに、完成後初めてのモデルアップデートで実際にevalを使い、定義した品質基準を満たしたまま、より低価格なモデルへ更新できると判断した事例も紹介します。

kickflow のシリアライザを Alba に移行しました

kickflow でエンジニアをしている川島です。

2026年7月、kickflow の全 API レスポンスを支えるシリアライザ約190ファイルを、ActiveModelSerializers（以下 AMS）から Alba へ一斉に切り替えました。

この記事では、大規模な置き換えを壊さずに進めるために何をしたかを、時系列で紹介します。

Disk I/O Budget 枯渇と監視を作り直した話

新規事業本部でバックエンドエンジニアをしている渡辺です。
本記事では、検証用の Preview 環境で起きたDB障害の調査と、監視を作り直すまでの記録をまとめます。 ひとことで言えば、DB が急に詰まってログインなどが不安定になった障害です（本番の実ユーザーへの影響はありません）。 学びが多かったのは復旧よりも、主要メトリクスが正常に見えて原因特定に遠回りした過程でした。