Python 依存地獄からの生還:pip/Poetry/uv の競合を解きほぐす実践手順
Python プロジェクトで開発を進めていると、必ずと言っていいほど遭遇するのが依存管理の問題です。「昨日まで動いていたコードが突然動かなくなった」「新しいメンバーが環境構築でつまずいている」「デプロイ先で謎のエラーが発生する」といった経験は、多くの Python 開発者が持っているでしょう。
特に現在は pip、Poetry、uv という複数のパッケージ管理ツールが混在する時代です。それぞれに優れた特徴がある一方で、これらが組み合わさることで生まれる複雑さは、時として開発者を混乱させてしまいます。本記事では、この「依存地獄」から抜け出すための実践的な手順をご紹介いたします。
背景
Python パッケージ管理ツールの歴史と現状
Python のパッケージ管理は長い進化の過程を経て現在の形になっています。まずはそれぞれのツールがどのような背景で生まれ、どのような特徴を持っているのかを理解しましょう。
pip の登場と標準化
pip(Pip Installs Packages)は 2008 年に登場した Python パッケージ管理ツールです。それまで主流だった easy_install に代わって標準的な地位を確立しました。
bash# pip の基本的な使用例
pip install requests
pip install -r requirements.txt
pip freeze > requirements.txt
pip の最大の特徴は、そのシンプルさと Python 標準ライブラリへの統合です。Python 3.4 以降では標準でインストールされており、初心者でも直感的に使用できます。
bash# 仮想環境との組み合わせ
python -m venv myenv
source myenv/bin/activate # Windows: myenv\Scripts\activate
pip install django
しかし、pip には依存関係の解決が不完全である、再現可能な環境の構築が困難であるといった課題がありました。
Poetry の革新的アプローチ
2018 年に登場した Poetry は、これらの課題を解決するために設計されました。依存関係の解決、仮想環境の管理、パッケージのビルドと公開を統合的に行える革新的なツールです。
toml# pyproject.toml の例
[tool.poetry]
name = "my-project"
version = "0.1.0"
description = ""
[tool.poetry.dependencies]
python = "^3.8"
requests = "^2.28.0"
[tool.poetry.group.dev.dependencies]
pytest = "^7.0.0"
Poetry の特徴は、以下のような点にあります:
- 宣言的な依存管理: pyproject.toml で依存関係を明確に定義
- 自動的な依存解決: 互換性のあるバージョンの組み合わせを自動計算
- ロックファイル: poetry.lock で厳密なバージョン固定
bash# Poetry の基本コマンド
poetry init
poetry add requests
poetry install
poetry shell
uv の高速化への挑戦
2023 年に Astral から発表された uv は、Rust で書かれた高速なパッケージ管理ツールです。既存のツールとの互換性を保ちながら、圧倒的な速度向上を実現しています。
以下は各ツールの処理速度を比較した基本的な指標です:
| ツール | インストール速度 | 依存解決速度 | メモリ使用量 |
|---|---|---|---|
| pip | 標準 | 低い | 中程度 |
| Poetry | 低い | 高い | 高い |
| uv | 高速 | 超高速 | 低い |
bash# uv の基本的な使用方法
uv pip install requests
uv pip compile requirements.in
uv pip sync requirements.txt
uv の画期的な特徴は以下の通りです:
- 高速インストール: pip の 10-100 倍の速度
- 並列処理: 複数パッケージの同時ダウンロード・インストール
- ディスクキャッシュ: 効率的なパッケージキャッシュ機能
パッケージ管理ツールの進化を図で表すと以下のようになります:
mermaidflowchart LR
easy_install[easy_install] -->|2008年| pip[pip]
pip -->|2018年| poetry[Poetry]
pip -->|2023年| uv[uv]
poetry -->|互換性| uv
pip --> features1[シンプル・標準]
poetry --> features2[統合管理・解決]
uv --> features3[高速・効率]
この図からわかるように、各ツールは前世代の課題を解決しながら発展してきました。pip のシンプルさ、Poetry の統合性、uv の高速性は、それぞれ異なる開発ニーズに対応しています。
現在の開発環境における位置づけ
現在の Python 開発環境では、これら三つのツールが共存している状況です。プロジェクトの性質、チームの経験、開発フェーズによって最適な選択肢が異なるためです。
課題
依存地獄が発生する典型的なパターン
Python 開発における依存地獄は、複数の要因が複雑に絡み合って発生します。ここでは、現場でよく遭遇する典型的なパターンを詳しく解説いたします。
複数ツールの混在による競合
最も頻繁に発生する問題は、異なるパッケージ管理ツールが同一環境で使用されることです。これは特に既存プロジェクトに新しいツールを導入する際に起こりやすい現象です。
bash# 問題が発生する典型的な操作パターン
pip install requests==2.28.0
poetry add fastapi
uv pip install numpy
上記のような操作を行うと、以下のような状況が発生します:
- pip で管理されているパッケージと Poetry で管理されているパッケージが混在
- 各ツールが異なる場所にパッケージをインストール
- 依存関係の解決ロジックが競合
実際のエラーメッセージの例:
bashERROR: pip's dependency resolver does not currently take into account
all the packages that are installed. This behaviour is the source of
the following dependency conflicts.
fastapi 0.104.1 requires pydantic>=1.6.2,!=1.7,!=1.7.1,!=1.7.2,!=1.7.3,!=1.8,!=1.8.1,<3.0.0,
but you have pydantic 1.5.0 which is incompatible.
バージョン固定の不整合
各ツールが異なるバージョン固定方式を採用していることも、混乱の大きな要因となります。
bash# requirements.txt (pip)
requests==2.28.0
numpy>=1.21.0,<2.0.0
# pyproject.toml (Poetry)
[tool.poetry.dependencies]
requests = "^2.28.0"
numpy = "~1.21.0"
# requirements.txt (uv compiled)
requests==2.28.2
numpy==1.24.3
これらの記法の違いにより、同じプロジェクトでも環境によって異なるバージョンがインストールされる可能性があります。
仮想環境の重複管理
各ツールが独自の仮想環境管理機能を持っているため、意図しない環境の重複が発生することがあります:
bash# 複数の仮想環境が同時に存在する状況
.venv/ # Poetry または手動作成
venv/ # python -m venv で作成
.uv/ # uv による環境
pipenv/ # Pipenv による環境(古いプロジェクト)
以下の図は、これらの問題がどのように相互作用するかを示しています:
mermaidflowchart TD
project[プロジェクト] --> tool1[pip]
project --> tool2[Poetry]
project --> tool3[uv]
tool1 --> env1[システム Python]
tool2 --> env2[Poetry 仮想環境]
tool3 --> env3[uv 環境]
env1 --> conflict[パッケージ競合]
env2 --> conflict
env3 --> conflict
conflict --> issues[問題発生]
issues --> error1[ImportError]
issues --> error2[バージョン競合]
issues --> error3[実行時エラー]
パッケージインストール場所の混乱
Python パッケージは様々な場所にインストールされる可能性があり、これがパッケージ発見の問題を引き起こします:
python# パッケージ検索パスの確認
import sys
print("Python executable:", sys.executable)
print("Python path:")
for path in sys.path:
print(f" {path}")
典型的な出力例:
bashPython executable: /Users/username/.pyenv/versions/3.9.0/bin/python
Python path:
/Users/username/project
/Users/username/.local/lib/python3.9/site-packages # pip --user
/Users/username/.pyenv/versions/3.9.0/lib/python3.9/site-packages # 通常の pip
/Users/username/project/.venv/lib/python3.9/site-packages # Poetry
実際に発生するエラーパターン
開発現場でよく遭遇するエラーパターンを具体的に見てみましょう。
モジュールが見つからないエラー
bashModuleNotFoundError: No module named 'requests'
このエラーが発生する主な原因:
- 異なる Python 環境でパッケージをインストールしている
- 仮想環境が正しくアクティベートされていない
- PATH の設定が不正確
バージョン競合エラー
bashVersionConflict: (requests 2.25.0 (/path/to/site-packages),
Requirement.parse('requests>=2.28.0'))
この問題は以下のような状況で発生します:
- 古いバージョンが既にインストールされている
- 異なるツールが異なるバージョンを要求している
- 間接的な依存関係でバージョンが競合している
解決策
段階的な解決アプローチ
依存地獄から脱出するためには、体系的で段階的なアプローチが必要です。いきなり全てを変更しようとすると、さらなる混乱を招く可能性があります。ここでは実践的な解決手順をご紹介いたします。
現状把握のための診断手順
まず最初に行うべきは、現在の環境状況を正確に把握することです。以下のコマンドを順番に実行して、環境の現状を詳細に調査しましょう。
Step 1: Python 環境の確認
bash# 使用中の Python バージョンと場所を確認
python --version
which python
which pip
# 複数の Python バージョンが存在する場合
python3 --version
python3.9 --version
python3.10 --version
Step 2: 仮想環境の状態確認
bash# 現在アクティブな仮想環境を確認
echo $VIRTUAL_ENV
# プロジェクト内の仮想環境ディレクトリを検索
find . -name "*venv*" -type d
find . -name ".venv" -type d
ls -la | grep env
Step 3: インストール済みパッケージの調査
bash# pip でインストールされたパッケージ一覧
pip list
pip freeze
# Poetry 環境の確認(プロジェクトに pyproject.toml がある場合)
poetry show
poetry env info
# uv 環境の確認
uv pip list
Step 4: 設定ファイルの確認
現在のプロジェクトにどのような設定ファイルが存在するかを確認します:
bash# 各ツールの設定ファイルを確認
ls -la requirements*.txt
ls -la pyproject.toml
ls -la poetry.lock
ls -la Pipfile*
ツール選択の判断基準
現状把握ができたら、プロジェクトに最適なツールを選択します。以下の基準を参考にして判断してください:
プロジェクト規模による選択
| プロジェクト規模 | 推奨ツール | 理由 |
|---|---|---|
| 小規模・学習用 | pip + venv | シンプルで学習コストが低い |
| 中規模・チーム開発 | Poetry | 依存関係管理と環境の統合 |
| 大規模・高速化重視 | uv | パフォーマンスとスケーラビリティ |
既存プロジェクトの移行判断
bash# 既存プロジェクトの複雑さを評価
wc -l requirements.txt # 依存パッケージ数の確認
find . -name "*.py" | wc -l # Python ファイル数の確認
依存パッケージが 50 個以下、Python ファイルが 100 個以下の小規模プロジェクトなら、pip での管理継続も検討できます。
クリーンアップの実行手順
環境をクリーンな状態にリセットするための手順です。重要: 作業前には必ずバックアップを取ってください。
Step 1: 現在の依存関係をバックアップ
bash# 現在の環境を記録
pip freeze > backup_requirements.txt
date >> backup_requirements.txt
# Poetry プロジェクトの場合
cp pyproject.toml pyproject.toml.backup
cp poetry.lock poetry.lock.backup 2>/dev/null || true
Step 2: 仮想環境の削除
bash# 既存の仮想環境を削除
deactivate # 仮想環境をdeactivate
rm -rf .venv/
rm -rf venv/
rm -rf env/
# Poetry 環境の削除
poetry env remove --all
Step 3: キャッシュのクリア
bash# pip キャッシュのクリア
pip cache purge
# Poetry キャッシュのクリア
poetry cache clear --all pypi
# uv キャッシュのクリア(必要に応じて)
uv cache clean
統一環境の構築方法
クリーンアップが完了したら、選択したツールで統一的な環境を構築します。
Poetry を選択した場合の構築手順
bash# Poetry での新規環境構築
poetry init
poetry config virtualenvs.in-project true # プロジェクト内に.venvを作成
poetry install
プロジェクトの pyproject.toml を設定します:
toml[tool.poetry]
name = "my-project"
version = "0.1.0"
description = "プロジェクトの説明"
authors = ["Your Name <your.email@example.com>"]
[tool.poetry.dependencies]
python = "^3.9"
requests = "^2.28.0"
fastapi = "^0.104.0"
[tool.poetry.group.dev.dependencies]
pytest = "^7.0.0"
black = "^23.0.0"
flake8 = "^6.0.0"
uv を選択した場合の構築手順
bash# uv での環境構築
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
# requirements.in ファイルを作成
echo "requests>=2.28.0" > requirements.in
echo "fastapi>=0.104.0" >> requirements.in
# 依存関係を解決してロックファイル生成
uv pip compile requirements.in -o requirements.txt
uv pip sync requirements.txt
環境構築の自動化
手動での環境構築は時間がかかり、ミスも発生しやすいものです。以下のように自動化スクリプトを作成することをお勧めします:
bash#!/bin/bash
# setup_env.sh
set -e # エラー時に停止
echo "🧹 環境をクリーンアップ中..."
deactivate 2>/dev/null || true
rm -rf .venv/ venv/ env/
echo "📦 Poetry で新しい環境を構築中..."
poetry config virtualenvs.in-project true
poetry install
echo "🔍 環境状態を確認中..."
poetry env info
poetry show
echo "✅ 環境構築が完了しました!"
echo "次のコマンドで仮想環境をアクティベートしてください:"
echo "poetry shell"
このスクリプトを実行可能にして使用します:
bashchmod +x setup_env.sh
./setup_env.sh
具体例
ケーススタディ:実際の競合解決事例
理論だけでなく、実際のプロジェクトで発生した具体的な問題とその解決事例をご紹介します。これらの事例は、多くの開発チームが直面する典型的な状況を反映しています。
pip + Poetry 混在環境の整理
状況: 既存の pip ベースのプロジェクトに新しいメンバーが Poetry を導入したことで、環境の不整合が発生。
発生した問題:
bash# エラーメッセージの例
ImportError: cannot import name 'requests' from partially initialized module
ModuleNotFoundError: No module named 'pydantic'
問題の原因分析:
まず現状を詳細に調査しました:
bash# 環境の詳細調査
echo "=== Python 環境 ==="
which python
python --version
echo "=== 仮想環境 ==="
echo $VIRTUAL_ENV
echo "=== インストール済みパッケージ ==="
pip list | head -10
echo "=== Poetry 状態 ==="
poetry env info
調査結果から以下の問題が判明:
- pip で global にインストールされたパッケージと Poetry 環境のパッケージが混在
- 異なるバージョンの同じパッケージが複数の場所に存在
- 仮想環境の切り替えが不完全
解決手順:
bash# Step 1: 現在の依存関係を記録
pip freeze > migration_backup.txt
poetry export -f requirements.txt --output poetry_deps.txt
# Step 2: 既存環境をクリーンアップ
deactivate
rm -rf .venv/
pip cache purge
poetry cache clear --all pypi
bash# Step 3: Poetry 環境を統一的に構築
poetry config virtualenvs.in-project true
poetry config virtualenvs.prefer-active-python true
# 既存の requirements.txt から Poetry 形式に変換
poetry init --no-interaction
requirements.txt の内容を pyproject.toml に移行:
toml[tool.poetry.dependencies]
python = "^3.9"
django = "^4.2.0"
djangorestframework = "^3.14.0"
celery = "^5.3.0"
redis = "^4.5.0"
[tool.poetry.group.dev.dependencies]
pytest = "^7.4.0"
pytest-django = "^4.5.0"
black = "^23.7.0"
isort = "^5.12.0"
bash# Step 4: 依存関係をインストール
poetry install
poetry shell
# Step 5: 動作確認
python -c "import django; print('Django version:', django.VERSION)"
python manage.py check
結果: 環境の統一により、チーム全体で一貫した開発環境を実現できました。
uv 移行時のトラブルシューティング
状況: パフォーマンス向上を目的として既存の Poetry プロジェクトを uv に移行する際に発生した問題。
移行前の準備:
bash# 現在の Poetry 環境を詳細に記録
poetry show --tree > poetry_tree.txt
poetry export -f requirements.txt --output current_deps.txt
poetry export -f requirements.txt --dev --output current_dev_deps.txt
移行手順:
bash# uv 環境の準備
python -m venv .venv
source .venv/bin/activate
# Poetry の依存関係を uv 形式に変換
echo "# 本番依存関係" > requirements.in
poetry export -f requirements.txt | sed 's/==/>=/g' >> requirements.in
echo "" >> requirements.in
echo "# 開発依存関係" >> requirements.in
poetry export -f requirements.txt --dev | grep -v "$(poetry export -f requirements.txt)" | sed 's/==/>=/g' >> requirements.in
発生した問題と解決策:
問題 1: パッケージビルドエラー
bashERROR: Failed building wheel for cryptography
解決策:
bash# システム依存関係の確認とインストール
# macOS の場合
brew install rust openssl libffi
# Ubuntu の場合
sudo apt-get install build-essential libssl-dev libffi-dev python3-dev
# 環境変数の設定
export LDFLAGS="-L$(brew --prefix openssl)/lib"
export CPPFLAGS="-I$(brew --prefix openssl)/include"
問題 2: 依存関係解決の差異
Poetry と uv で異なるバージョンが選択される問題:
bash# Poetry で使用されていたバージョンを確認
poetry show | grep -E "(requests|urllib3|chardet)"
# uv でのバージョン固定
echo "requests==2.31.0" >> requirements.in
echo "urllib3==2.0.4" >> requirements.in
最終的な移行スクリプト:
bash#!/bin/bash
# migrate_to_uv.sh
set -e
echo "🚀 uv 移行スクリプトを開始します..."
# バックアップ作成
echo "📦 現在の環境をバックアップ中..."
poetry export -f requirements.txt --output backup_requirements.txt
cp pyproject.toml pyproject.toml.backup
# uv 環境の構築
echo "⚡ uv 環境を構築中..."
python -m venv .venv
source .venv/bin/activate
# 依存関係の変換とインストール
poetry export -f requirements.txt | uv pip compile - -o requirements.txt
uv pip sync requirements.txt
# 動作確認
echo "🔍 環境をテスト中..."
python -c "import requests; print('Requests version:', requests.__version__)"
python -m pytest tests/ --collect-only > /dev/null && echo "✅ テスト収集成功"
echo "✨ uv 移行が完了しました!"
echo "パフォーマンステスト結果:"
time uv pip list > /dev/null
プロジェクト別の最適化設定
マイクロサービス環境での最適化
複数の小さなサービスを管理する場合の設定例:
bash# 各サービスディレクトリ構造
microservices/
├── user-service/
│ ├── requirements.in
│ ├── requirements.txt
│ └── .python-version
├── order-service/
│ ├── requirements.in
│ ├── requirements.txt
│ └── .python-version
└── shared/
├── requirements-shared.in
└── requirements-shared.txt
共通依存関係の管理:
bash# shared/requirements-shared.in
fastapi>=0.104.0
pydantic>=2.0.0
sqlalchemy>=2.0.0
alembic>=1.12.0
pytest>=7.4.0
# user-service/requirements.in
-r ../shared/requirements-shared.txt
passlib>=1.7.4
python-jose>=3.3.0
# 一括更新スクリプト
for service in user-service order-service; do
cd $service
uv pip compile requirements.in -o requirements.txt
cd ..
done
CI/CD パイプラインでの活用
GitHub Actions での設定例:
yaml# .github/workflows/test.yml
name: Test
on: [push, pull_request]
jobs:
test:
runs-on: ubuntu-latest
strategy:
matrix:
python-version: ['3.9', '3.10', '3.11']
steps:
- uses: actions/checkout@v4
- name: Set up Python ${{ matrix.python-version }}
uses: actions/setup-python@v4
with:
python-version: ${{ matrix.python-version }}
- name: Install uv
run: pip install uv
- name: Create venv and install dependencies
run: |
python -m venv .venv
source .venv/bin/activate
uv pip sync requirements.txt
- name: Run tests
run: |
source .venv/bin/activate
python -m pytest
以下の図は、これらの解決事例における問題解決のフローを示しています:
mermaidflowchart TD
problem[依存関係の問題発生] --> analysis[現状分析]
analysis --> backup[環境のバックアップ]
backup --> cleanup[クリーンアップ]
cleanup --> select[ツール選択]
select --> migrate[移行実行]
migrate --> test[動作確認]
test --> success{成功?}
success -->|Yes| document[ドキュメント化]
success -->|No| troubleshoot[トラブルシューティング]
troubleshoot --> migrate
document --> maintenance[継続的メンテナンス]
これらの具体例から学べるポイントは以下の通りです:
- 段階的な移行: 一度にすべてを変更せず、段階的に進める
- 十分なバックアップ: 問題発生時に元の状態に戻せるよう準備する
- 動作確認の徹底: 各ステップで必ず動作確認を行う
- チーム内での情報共有: 移行手順と結果をドキュメント化する
まとめ
依存管理のベストプラクティス
Python の依存地獄から脱出し、安定した開発環境を維持するためのベストプラクティスをまとめます。これらの実践は、個人プロジェクトから大規模なチーム開発まで、あらゆる場面で有効です。
環境管理の基本原則
1. ツールの統一 チームやプロジェクト内では、必ず単一のパッケージ管理ツールを使用しましょう。混在は混乱の元です。
bash# プロジェクトのルートディレクトリに明示
echo "このプロジェクトでは Poetry を使用します" > DEPENDENCIES.md
echo "セットアップ: poetry install" >> DEPENDENCIES.md
echo "環境アクティベート: poetry shell" >> DEPENDENCIES.md
2. バージョン固定の徹底 本番環境と開発環境で同じバージョンを使用することが重要です。
toml# pyproject.toml でのバージョン固定例
[tool.poetry.dependencies]
python = "3.9.18" # 具体的なバージョンを指定
django = "4.2.7" # セキュリティアップデートを考慮した固定
3. 環境の分離 プロジェクトごとに独立した仮想環境を使用し、システム Python を汚染しないようにしましょう。
継続的なメンテナンス
依存関係の定期的な更新
bash# 月次での依存関係チェック(Poetry の場合)
poetry show --outdated
poetry update --dry-run
# セキュリティ脆弱性のチェック
poetry audit # または safety check
環境の健全性チェック
bash#!/bin/bash
# health_check.sh - 環境の健全性をチェック
echo "🔍 環境健全性チェックを実行中..."
# 1. Python バージョンの確認
echo "Python version: $(python --version)"
# 2. 重複パッケージの確認
echo "重複パッケージチェック:"
pip list | sort | uniq -d
# 3. 破損した依存関係の確認
echo "依存関係の整合性チェック:"
pip check
# 4. 未使用パッケージの確認
echo "インストール済みパッケージ数: $(pip list | wc -l)"
echo "✅ 健全性チェック完了"
プロジェクト開始時のチェックリスト
新しいプロジェクトを開始する際は、以下のチェックリストを活用してください:
- Python バージョンの決定と .python-version ファイルの作成
- パッケージ管理ツールの選択(pip/Poetry/uv)
- 仮想環境の作成と設定
- 初期依存関係の定義
- 開発用依存関係の分離
- CI/CD での環境再現設定
- チームメンバーへのセットアップ手順共有
エラー対応のガイドライン
依存関係の問題が発生した際の対応手順:
1. 冷静に現状を把握
bash# 環境情報の収集
python --version
which python
pip list | head -20
echo $VIRTUAL_ENV
2. エラーメッセージの詳細確認
bash# 詳細なエラー情報を取得
pip install package_name -v
# または
pip install package_name --no-cache-dir
3. 段階的な問題切り分け
- まず最小限の環境で問題を再現
- 一つずつ依存関係を追加して問題箇所を特定
- 必要に応じてクリーンな環境で検証
将来に向けた準備
Python の依存管理エコシステムは今後も進化し続けます。以下の点を意識して、変化に対応できる体制を整えましょう:
新しいツールの評価基準
- パフォーマンスの改善幅
- 既存プロジェクトとの互換性
- コミュニティの活発度
- 長期的なサポート体制
スキルアップの継続
- 公式ドキュメントの定期的な確認
- 開発コミュニティでの情報交換
- 新機能やベストプラクティスの学習
依存管理は一度設定すれば終わりではありません。継続的な改善と学習を通じて、より良い開発環境を構築し続けることが重要です。
適切な依存管理により、開発効率の向上、バグの減少、チーム全体の生産性向上を実現できます。本記事で紹介した手法を参考に、あなたのプロジェクトに最適な依存管理戦略を構築してください。
関連リンク
公式ドキュメント
コミュニティリソース
- Python Packaging Authority (PyPA)
- PEP 518 - Specifying Minimum Build System Requirements
- PEP 621 - Storing project metadata in pyproject.toml
トラブルシューティング資料
著書
使い方Python ドメインイベント設計:Outbox・整合性・再試行をコードで実装
チートシートPython subprocess チート:標準入出力・パイプ・非同期実行の最短レシピ
トラブルシュートPython UnicodeDecodeError 撲滅作戦:エンコーディング自動判定と安全読込テク
チートシートPython エコシステム地図 2025:データ・Web・ML・自動化の最短ルート
使い方Python 本番運用 SLO 設計:p95 レイテンシ・エラー率・スループットの指標化
チートシートPython 正規表現チートシート:re/regex で高精度パターン 50 連発
挙動Codex 画面を閉じても実は動いてた?常駐プロセスの動きについて検証してみた
挙動Homebrew で入れた Claude Code。更新しているつもりが、古いまま使ってませんか?
使い方Claude Code の拡張機能 2.1.312、2.1.313 は偽物。皆さんの Cursor は大丈夫ですか?
使い方知らぬ間に追加された大量のプラグインやフックが、毎回実行され続けていない? 皆さんの Claude Code は大丈夫ですか?
使い方npm のマルウェアが18日で1,753件! 気づいたら、あなたの GitHub に鍵の一覧が公開されているかも
使い方パスワードが GitHub で丸見えに? 原因は、Claude Code の確認で選んだ「Yes, and don't ask again」
