2026/03/26 2:10

Show HN：Optio – Kubernetes 上で AI コーディングエージェントをオーケストレーションし、チケットからプルリクエストへ自動変換 - 概要 Optio は Kubernetes クラスター内で AI を活用したコーディングエージェントを実行し、チケットを完結したプルリクエストに自動的に変換します。 - 主な機能 - チケット取り込み – あなたの課題追跡システム（Issue Tracker）から作業項目を取得。 - エージェントオーケストレーション – ワークロードに応じて K8s 上でエージェントを起動・スケール。 - エンドツーエンド自動化 – コード生成から自動テスト、リント、PR 作成まで一連の流れを自動化。 - 拡張可能なプラグイン – 必要に応じてカスタムツールや CI/CD フックを追加可。 - 重要性ボイラープレートコード作成の手間を削減し、機能リリース速度を向上させるとともに、完全にテスト済みでレビュー可能なコミットのみがリポジトリに残るようにします。 - 試してみるには 1. Optio オペレーターをクラスターへデプロイ。 2. チケットソース（例：Jira、GitHub Issues）を設定。 3. YAML でエージェント仕様を定義。 4. チケットが自動的に PR に変換される様子を観察。 - 参加方法 - ソースコード: <https://github.com/optio-ai/optio> - ドキュメント & 例: <https://docs.optio.ai> - コミュニティディスカッション: <https://forum.optio.ai> AI エージェントを CI/CD パイプラインに導入したい方は、ぜひフォーク・貢献するか、コメントでご質問ください！

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

Optioは、コーディングタスクを最小限の人間介入で完全にマージされたプルリクエストへ変換する、自律的なAI駆動型プラットフォームです。開発者は手作業で作業を提出したり、一クリックでGitHub Issueを割り当てたり、Linearチケット経由で提出したりできます；各タスクは実行のためにキューに入れられます。

すべてのリポジトリについて、Optioは専用のKubernetes Podを起動し、その中で隔離されたgit worktreeを走らせ、選択されたAIエージェント（Claude CodeまたはOpenAI Codex）をホストします。システムは30秒ごとにCIステータス、レビュー状態、およびマージ準備状況をポーリングし、自動的に失敗や競合、レビューコメントを再試行または解決します。

すべてのチェックがパスし、承認が得られた場合、OptioはPRをスクワッシュマージし、関連するIssueをクローズし、Next.jsダッシュボードにライブログ、パイプライン進捗、コスト分析、クラスターヘルス、およびタスク詳細を更新します。別のコードレビューサブタスクエージェントがリポジトリごとに自律的なフィードバックループを処理し、モデル選択、カスタムプロンプト、コンテナイメージで構成可能です。

バックエンドはFastify APIサーバーをベースにBullMQワーカー、PostgreSQL 16（永続化）、Redis 7（ジョブキューとpub/sub）を使用し、すべてKubernetes上でオーケストレーションされています。プロダクションデプロイメントはHelmチャートを通じて管理され、外部データベース/Redis、Ingress設定、OAuthプロバイダー、およびリソース制限をサポートします。

モノレポはTurborepo + pnpmで構成されており、パッケージには共有型定義、コンテナランタイム、エージェントアダプター（Claude Code/Codex）、およびチケットプロバイダー（GitHub Issues、Linear）が含まれます。ローカルでのクイックスタートセットアップはDocker Desktop with Kubernetes、Node 22+、pnpm 10+が必要で、Postgres/Redisをブートストラップし、エージェントイメージをビルドして開発サーバーを起動するスクリプトがあります。

OptioはMITライセンスの下でリリースされており、明確なCONTRIBUTING.mdガイドを通じてコミュニティからの貢献を歓迎しています。

本文

AI コーディングエージェントのワークフローオーケストレーション – タスクから統合 PR まで

Optio はコーディングタスクを人手なしでマージ済み Pull Request に変換します。
タスク（手動、GitHub Issue から、または Linear から）を提出すると、Optio が残りを処理：隔離された環境のプロビジョニング、AI エージェント実行、PR の作成、CI 監視、コードレビュー開始、自動修正失敗時の再試行、すべてが合格したらマージ。

差分ループこそが特徴です。CI が失敗するとエージェントは自動で失敗コンテキストを持って再開します。レビュアーが変更要求を出すと、エージェントはレビューコメントを拾い上げて修正プッシュします。すべて合格したら PR は squash でマージされ、Issue が閉じられます。作業内容を説明するだけで Optio が完了まで推進します。

ダッシュボード

稼働中のエージェント、Pod 状態、コスト、最近のアクティビティをリアルタイムで表示。

タスク詳細

パイプライン進捗、PR トラッキング、コスト内訳とともにエージェント出力をライブ配信。

動作概要

ステージ	アクション
タスク作成	GitHub Issue / 手動タスク / Linear チケット
リポジトリ Pod のプロビジョニング	隔離された Kubernetes Pod に git worktree を作成
AI エージェント実行	Claude Code / Codex がプロンプト、モデル、設定で実行
PR 開設	エージェントが Pull Request を作成
CI & レビュー監視	30 秒ごとにステータスをポーリングしマージ準備状態を確認
フィードバックループ	CI が失敗 → 失敗コンテキストでエージェント再開；レビューが変更要求 → フィードバックでエージェント再開
マージ	CI 合格かつ PR 承認後、squash マージして Issue を閉じる

タスク受け付け

タスクは以下から取得されます：

Web UI（ワンクリック割り当て）
GitHub Issues
Linear チケット

プロビジョニング

Optio はリポジトリに対して Kubernetes Pod を検索または作成し、隔離用 git worktree を生成します。

実行

AI エージェントは設定済みプロンプト・モデル・パラメータで実行されます。

PR ライフサイクル

Optio は 30 秒ごとに PR をポーリングし、CI ステータス、レビュー状態、マージ準備状況を確認します。

フィードバックループ

CI の失敗、マージコンフリクト、レビューからのフィードバックが自動でエージェントへ渡り再開されます。

完了

PR が squash マージされ、関連 Issue が閉じられ、コストが記録されます。

主な機能

自律的フィードバックループ – CI 失敗・マージコンフリクト・レビューコメントで自動再開し、すべて合格すると自動マージ。
Pod‑per‑repo アーキテクチャ – リポジトリごとに長寿命 Pod を使用し、git worktree で隔離。複数 Pod のスケールアウト・アイドル時のクリーンアップを実現。
コードレビューエージェント – サブタスクとして独自プロンプト・モデルでレビューエージェントを起動。
リポジトリ単位設定 – モデル、プロンプトテンプレート、コンテナイメージ、同時実行制限、セットアップコマンドなどをリポジトリごとに調整可能。
GitHub Issues & Linear 受け付け – UI またはチケット同期で Optio に Issue を割り当て。
リアルタイムダッシュボード – ログストリーミング、パイプライン進捗、コスト解析、クラスタヘルスを可視化。

アーキテクチャ

┌───────────────┐     ┌────────────────────┐     ┌───────────────────────────┐
│   Web UI      │────→│    API Server      │────→│      Kubernetes           │
│   Next.js     │     │    Fastify         │     │                           │
│   :3100       │     │                    │     │  ┌── Repo Pod A ───────┐  │
│               │←ws──│  Workers:          │     │  │ clone + sleep       │  │
│  Dashboard    │     │  ├─ Task Queue     │     │  │ ├─ worktree 1 ⚡     │  │
│  Tasks        │     │  ├─ PR Watcher     │     │  │ ├─ worktree 2 ⚡     │  │
│  Repos        │     │  ├─ Health Mon     │     │  │ └─ worktree N ⚡     │  │
│  Cluster      │     │  ├─ Ticket Sync    │     │  └─────────────────────┘  │
│  Costs        │     │                    │     │  ┌── Repo Pod B ───────┐  │
│  Issues       │     │  Services:         │     │  │ clone + sleep       │  │
│               │     │  ├─ Repo Pool      │     │  │ └─ worktree 1 ⚡     │  │
│               │     │  ├─ Review Agent   │     │  └─────────────────────┘  │
│               │     │  └─ Auth/Secrets   │     │                           │
└───────────────┘     └─────────┬──────────┘     └───────────────────────────┘
                               │                  ⚡ = Claude Code / Codex
                        ┌──────┴──────┐
                        │  Postgres   │  Tasks, logs, events, secrets, repos
                        │  Redis      │  Job queue, pub/sub, live streaming
                        └─────────────┘

タスクライフサイクル（テキスト図）

INTAKE
 ├─ GitHub Issue → QUEUED
 ├─ Manual Task   → QUEUED
 └─ Ticket Sync   → QUEUED

EXECUTION
 ├─ PROVISIONING  → RUNNING
 │                 → agent writes code in worktree
 │                 └──────┬─────────┘
FAILED (auto‑retry if stale) ←─ PR OPENED
                            │
                            ├─ PR WATCHER polls every 30s

FEEDBACK LOOP
 ├─ CI fails?          → Resume agent to fix build
 ├─ Merge conflicts?   → Resume agent to rebase
 ├─ Review requests?   → Resume agent with feedback
 └─ CI passes & approved? → Auto‑merge & close issue

COMPLETED
 ├─ PR merged
 └─ Issue closed

クイックスタート

前提条件

Kubernetes が有効化された Docker Desktop（Settings → Kubernetes → Enable）
Node.js 22+ と pnpm 10+

セットアップ

# Clone and install
git clone https://github.com/jonwiggins/optio.git && cd optio
pnpm install

# Bootstrap infrastructure (Postgres + Redis in K8s, migrations, .env)
./scripts/setup-local.sh

# Build the agent image
docker build -t optio-agent:latest -f Dockerfile.agent .

# Start dev servers
pnpm dev

API → http://localhost:4000
Web → http://localhost:3100

セットアップウィザードで GitHub アクセス、エージェント認証（API キーまたは Max サブスク）と最初のリポジトリを設定できます。

プロジェクト構成

apps/
  api/          Fastify API サーバー、BullMQ ワーカー、WebSocket エンドポイント、
                review サービス、サブタスクシステム、OAuth プロバイダー
  web/          Next.js ダッシュボード（リアルタイムストリーミング、コスト解析）

packages/
  shared/             タイプ、タスク状態マシン、プロンプトテンプレート、エラークラスファイヤー
  container-runtime/  Kubernetes Pod ライフサイクル、exec、ログストリーミング
  agent-adapters/     Claude Code + Codex プロンプト／認証アダプタ
  ticket-providers/   GitHub Issues、Linear

images/               コンテナ Dockerfile：ベース、node、python、go、rust、full
helm/optio/           本番 K8s デプロイ用 Helm チャート
scripts/              セットアップ・初期化・エントリポイントスクリプト

本番デプロイ

Optio は Helm チャートを提供しています：

helm install optio helm/optio \
  --set encryption.key=$(openssl rand -hex 32) \
  --set postgresql.enabled=false \
  --set externalDatabase.url="postgres://..." \
  --set redis.enabled=false \
  --set externalRedis.url="redis://..." \
  --set ingress.enabled=true \
  --set ingress.hosts[0].host=optio.example.com

OAuth プロバイダー、リソース制限、エージェントイメージ設定など、すべてのオプションは Helm チャートの値で調整できます。

テックスタック

レイヤー	技術
Monorepo	Turborepo + pnpm
API	Fastify 5, Drizzle ORM, BullMQ
Web	Next.js 15, Tailwind CSS 4, Zustand
データベース	PostgreSQL 16
キュー	Redis 7 + BullMQ
ランタイム	Kubernetes（ローカル開発は Docker Desktop）
デプロイ	Helm チャート
認証	マルチプロバイダー OAuth（GitHub, Google, GitLab）
CI	GitHub Actions（format, typecheck, test, build-web, build-image）
エージェント	Claude Code, OpenAI Codex

コントリビューション

CONTRIBUTING.md

に開発セットアップ、ワークフロー、コーディング規約が記載されています。

ライセンス

MIT

同じ日のほかのニュース

一覧に戻る →

2026/03/26 6:11

テスラ・モデル 3 のコンピュータをデスク上で稼働させ、事故車から取り出した部品を使用しています。

## 日本語訳: ## 要約：この記事では、セキュリティ研究のためにテスラ・モデル 3 MCU（モーター制御ユニット）の取得とセットアップ方法を説明しています。テスラのバグバウンティプログラムが研究者に車両内の脆弱性発見を奨励していることを強調し、筆者はeBayから安価な部品（約 $200–$300）を購入し、DC電源と最大8 Aまで供給可能な12 Vアダプタで組み立てました。さらに、Rosenbergerケーブル（パーツ番号1067960‑XX‑E）が必要で、個別販売されていないためダッシュボードロウムを購入しました。BMW LVDSコネクタを使った初期試行ではMAX16932制御チップがショートし、筆者は現地で修復して2つの機能的MCUを得ました。テスラの電気参照書にケーブル部品番号が確認されています。次のステップとして、MCUのユーザーインターフェース、ネットワークインターフェース（CANバス、ポート 22のSSH、ポート 8080のREST‑ライクAPI）を探索し、システム稼働時にファームウェアを抽出する可能性があります。これらの方法でルートアクセスを取得すると、研究者はテスラの「Root Access Program」のための重要な脆弱性を特定でき、車両セキュリティの向上につながる可能性があります。 ## 要約骨格 **本文が主に伝えたいこと（メインメッセージ）** 筆者はテスラ・モデル 3 MCUを取得し設定する方法を示し、その電源供給とネットワークサービスへのアクセス手順を強調しています。 **根拠／推論（なぜこう言われているか）** - テスラのバグバウンティプログラムは研究者に脆弱性発見を促している。 - 筆者はeBayから安価な部品（$200–$300）を購入し、DC電源と最大8 Aまで供給可能な12 Vアダプタで組み立てた。 - 配線には特定のRosenbergerケーブル（パーツ番号1067960‑XX‑E）が必要で、個別販売されていないためダッシュボードロウムを購入した。 **関連ケース／背景（文脈・過去事例・周辺情報）** - BMW LVDSコネクタを使用した初期試行は失敗し、即席配線でMAX16932制御チップがショートした。 - 損傷したチップは現地で修復され、2つの機能的MCUが得られた。 - テスラ公開電気参照書に必要なケーブル部品番号が記載されている。 **今後起こりうること（本文中の将来展望／予測）** 筆者はMCUのユーザーインターフェース、ネットワークインターフェース、CANバスを探索し、システム稼働時にファームウェアを抽出する計画だ。 **影響（利用者・企業・業界への影響）** SSH（ポート 22）またはREST‑ライクAPI（ポート 8080）でMCUにアクセスできれば、研究者はテスラのバグバウンティ「Root Access Program」のための根本的脆弱性を特定し、車両セキュリティ向上に寄与する可能性がある。

2026/03/26 3:16

ARC‑AGI‑3（アーク・AGI・3）

## Japanese Translation: ARC‑AGI‑3は、AIエージェントを真に適応的かつ継続的な学習へと導く新しい対話型推論ベンチマークです。モデルに探索・目標追求・環境変化への世界モデリングを課し、単発の回答ではなく効率的なスキル獲得と長期計画を評価します。完璧なスコア（100 %）は、エージェントがすべてのゲームで人間よりも優れたまたは同等の性能を示し、多様なタスクにおける習熟度を証明することを意味します。ベンチマーク設計は、事前学習済み知識なし、明確な目標、有意義なフィードバック、およびブルートフォース記憶化を防ぐ新規性を重視しています。開発者向けには、エージェントの意思決定が構造化されたタイムラインに記録される再生可能実行、使いやすいAPI、環境アクセスとエージェント統合用の包括的ドキュメント、およびリアルタイムでエージェント挙動を確認できるUIが提供されています。 ARC‑AGI‑3は迅速な反復と透明性のある評価を奨励し、研究者が多様なシナリオで継続的に学習可能なAIシステムを構築する手助けとなります。ユーザーはプラットフォーム上のインタラクティブインターフェースを通じて「エージェントをテストしよう！」と呼びかけられ、プレビュー再生でエージェント挙動を反復的にテスト・検査できます。

2026/03/26 5:27

EUは、依然としてあなたの個人メッセージや写真をスキャンしようとしています。

## Japanese Translation: ## 改訂概要保守党（欧州人民党）は、無差別スキャンに関する議会の以前の「NO」決定を覆すため、4月26日木曜日に新たな国会投票を求めています。彼らはこの決定を逆転させることが民主主義への攻撃であり、プライバシー権を明白に無視する行為だと主張し、「No means no」というスローガンのもと支持者を集結させています。この要求は、議会が無差別スキャンを承認しなかったことに続くものであり、保守党はこれを政府の過剰介入として捉え、民主主義原則および個人プライバシーを侵害するものと見ています。今後の投票結果は、そのような広範なデータ監視ツールが実施可能かどうかを決定し、市民のプライバシー保護を再構築するとともに、管轄区域内のテクノロジー企業の規制慣行にも影響を与える可能性があります。