ブログ

Web 制作・システム開発に関する記事を公開しています。

• EmDash で記事にタグを付けても本番に反映されない原因

  記事にタグを付け直しても、本番のタグ一覧に出てきませんでした。CMS がキャッシュを自動失効させているのはコンテンツの CRUD だけで、タグの割り当て・サイト設定・メニュー・ウィジェットエリアは別のルートで処理され、失効を呼んでいませんでした。エッジキャッシュの保持時間を 30 日に延ばしてから実害が出た問題で、CMS 本体に patch を当てず、アプリ側のミドルウェア 1 か所で失効させるようにした記録です。

  2026/8/28

• Cloudflare の Purge Everything で Workers Cache が消えない理由

  ダッシュボードから Purge Everything を実行しても、ページが古いまま返ってきました。age が単調増加していることから消えていないと分かります。原因は消そうとしていたキャッシュがゾーンの CDN キャッシュではなく Workers Caching だったことで、ゾーンレベルの purge はこの層に届きません。あわせて、デプロイ時の purge がそもそも不要である理由も確かめました。

  2026/8/28

• キャッシュを 30 日にしても D1 の読み取りが減らない原因

  エッジキャッシュの保持時間を 5 分から 30 日へ延ばしても、データベースの読み取りが目標の 2 倍を超えたままでした。クエリ単位で分解すると 7 割がサイドバーの件数表示のための集計で、しかもサイドバーを消しても止まりませんでした。CMS のミドルウェアが全ページでターム一覧を先読みしていたためです。切り分けに使ったのは 1 起動あたりの読み取り行数と、クエリの実行回数がリクエスト数の何倍かという比率でした。

  2026/8/28

• Cloudflare D1 の読み取りが 1 日 2,100 万行になった原因

  1 つの Cloudflare アカウントで CMS のサイトを 8 つ運用していて、データベースの読み取りが 1 日 2,100 万行ありました。使用量は返した行数ではなくスキャンした行数で数えられるため、1 ページ表示するたびに数千行が乗っていたのが原因です。CMS を使っていてクエリを自分で書いていない状況で、キャッシュの保持時間とテンプレートの見直しだけで 91% 減らした記録です。1 リクエストあたりの単価が、1 アカウントに載せられるサイト数の上限を決めていました。

  2026/8/28

• 実況 AI が一歩遅れるので語るのをやめて相槌にした

  カメラの前でゲストが手元の対象を次々切り替える様子を実況する音声 AI は、対象ごとに語ると構造的に追いつけず常に一つ遅れました。実際の MC に倣って基本は相槌、語るのは掲げた・止めた・声を上げたときだけにすると、高速な切り替え中も体験として成立しました。一方で検出器が「動きの山」しか見ておらず、止めて掲げた 20 秒間（差分 4〜8）を見逃し、静止イベントを足したら既存トリガーと二重発火して自己キャンセルが連鎖した経緯と、直列キューでの対処を記録しています。

  2026/8/22

• OpenAI Realtime API に映像を流せないので 1fps の静止画で代用した

  OpenAI の Realtime API には映像ストリームの入力がなく、音声実況 AI が 21 秒前の絵に反応していました。画像を「返事を求めない文脈」として 1fps で積み、「今切り替えるべき出来事か」だけを軽量な視覚言語モデルに一問で聞く設計に変えると、判定の中央値 1.7〜1.9 秒で手の動きを正しく棄却し、手元の実物の名前も当てました。検出 0.25 + 判定 1.7 + 発話 0.8〜1.9 秒の合計が人の動作と同じオーダーという限界と、次の一手まで含めた記録です。

  2026/8/22

• OpenAI Realtime API の unknown_parameter で設定が全部消える

  OpenAI の Realtime API で日本語のキャラクターを動かしていたら、設定に一行足しただけで英語の素のアシスタント（Hey there! What would you like to talk about）が出てきました。ベータ時代の名前 max_response_output_tokens が unknown_parameter となり、session.update が丸ごと拒否されて指示・声・VAD・転写言語がすべて初期状態のままだったのが原因です。session.updated を待ってから開始する、エラーは永続ログへ書く、計測にビルド SHA を記録する、という再発防止の記録です。

  2026/8/22

• 無言なのに AI が誰かと会話している原因は自分の残響だった

  スピーカー運用の無言テストで、音声 AI が「なよぎら。」「そばランチ。」といった転写に返事をし、自分が言った単語が入力転写に現れていました。マイクの RMS は 0.001〜0.005 で静寂なのに、Web Audio API の自前再生はブラウザのエコーキャンセルの基準信号になりにくく、残留がサーバーの VAD に拾われて転写の幻聴と連鎖していました。ノイズゲートも VAD も「AI の声も声」なので止められず、再生と収音を WebRTC に預けて解決した記録です。

  2026/8/22

• OpenAI Realtime API の response.cancel が効かない原因

  OpenAI の Realtime API で発話を打ち切ろうと response.cancel を送ると response_cancel_not_active が返り、スピーカーからは前の話題が流れ続けました。モデルは 12 秒分の発話を約 2 秒で生成し終えていて、止めたかったのは生成ではなく再生でした。新しい応答が再生待ち行列の後ろに積まれて実況が一つ遅れる現象と、音が出る前の応答を打ち切ると出力ゼロの応答が連鎖する現象を、生成・送出・再生の 3 状態に分けて直した記録です。

  2026/8/22

• LLM は喋っているのに音声が出ない原因は進行装置のフラッシュ

  ライブ音声 LLM の上に番組進行の装置（状態機械・フェーズ転換・キュー注入）を被せたら、出力トークンは計上されているのにスピーカーから何も出なくなりました。原因は検出器の誤発火で 60 秒に 7 回フェーズが空転し、転換のたびに再生キューをフラッシュしていたことです。同じ条件でフラッシュを外すと発話が成立しました。制御を足すのをやめて合図を減らし、状態機械の責務をセッション寿命だけに縮めた設計の記録です。

  2026/8/22

• 検出器の精度ではなく誤検知時の体験で仕様を書く

  リアルタイム AI アプリの動き検出で、精度チューニングが終わらない問題を精度を上げずに解決しました。検出結果の使い方を信頼度で二層に分け、低信頼側には疑問形の先走り反応しか許さない設計にすると、雑な検出器のまま出荷できます。64x48 のフレーム差分・約 30 行の実装で、音声実況 AI のシーン遷移がハンズフリーで 6 サイクル回りました。誤検知は、キャラクターが早とちりして違っていたら引っ込む演出になります。

  2026/8/21

• システムプロンプトの禁止事項が効きすぎて出力が痩せる

  映像を見て実況する音声 AI のシステムプロンプトに「見えていても知らないふりを通す」と書いたら、対象物の存在への言及まで消えました。「数字を数えない」と書いたら、目の前の個数の実況まで消えました。表層の語で書いた禁止は、モデルが安全側に過剰般化します。観察（可）と同定・評価（不可）のレベルに分けて対例つきで書き直すと、抑制の副作用が消えました。

  2026/8/21

• Playwright の CI でフェイクカメラが NotFoundError になる

  コンテナ CI の Playwright（Chromium）でフェイクメディアデバイスのフラグを渡しても getUserMedia が NotFoundError になります。headless・xvfb-run・PulseAudio ダミー・ファイル指定式の 4 手法を試して全滅でした。テスト環境を直すのは諦め、アプリ側に「マイクなしでも動く縮退」を実装して E2E を縮退経路で通しました。もともと仕様にあったエラー縮退要件が、テストより先に実装される形になりました。

  2026/8/21

• Gemini Live API で turnComplete 後に音声が届かない

  Gemini Live API の応答計測で、8 キュー連続で「転写あり・音声 0ms」という結果が出ました。原因は、turnComplete 受信で収集を打ち切っていた自分の完了判定です。映像ストリーミング併用時は turnComplete が音声チャンクより 0.7〜1.3 秒先に届きます。turnComplete と音声途絶を合成した完了判定に直すと 8/8 で正常受信になりました。

  2026/8/21

• Claude Code の Docker Sandbox で API キーが渡らない原因

  Claude Code の Docker Sandboxes で、sbx secret で入れたはずの API キーが環境変数に現れない、gh CLI が一部のコマンドだけ失敗する、という 2 つの症状に当たりました。原因はどちらも、プロキシがネットワーク層で認証を注入するというこの環境の設計です。direct モードでの実用解（ホスト側に .env を置く）と、gh の更新系操作を読み戻しで検証する運用を実測ベースで書いています。

  2026/8/19

• playwright install --with-deps で CI が 15 分止まる原因

  GitHub Actions の playwright install --with-deps が apt ミラーの低速に当たり、数 MB のフォント 2 つの取得だけで約 15 分かかってジョブが時間切れになりました。結果表示が failure ではなく cancelled になるのも紛らわしい点です。Playwright 公式コンテナへ移行してインストールステップ自体を消した手順と、イメージタグの一致や HOME 設定などの注意点をまとめました。

  2026/8/19

• SDK なしで Gemini Live API を WebSocket で直接叩く

  SDK を使わず ws と https-proxy-agent だけで Gemini Live API（BidiGenerateContent）と話す計測プローブの材料一式です。setup からのメッセージシーケンス、24kHz PCM を WAV にして聴く方法、企業プロキシ＋社内 CA 環境での接続、実測した接続時間とセッション原価まで載せています。

  2026/8/19

• Gemini Live API の proactive audio は自発的に喋らない

  proactive audio という名前から「AI が自発的に喋り出す機能」を期待して設計を組んだら、公式リファレンスの定義は「直前の入力への応答を拒否できる」、つまりモデルが応答しないことを選べるようにする機能でした。自発的に喋るエージェントを作るならテキストキュー駆動が正解で、実測の初動 0.6〜1.0 秒で実用になります。2.5 Flash Live 系限定という制約も含めて整理しました。

  2026/8/19

• Gemini Live API のセッションが突然切れる 3 つの制限

  Gemini Live API のセッションが切れる理由は、セッション時間の上限・WebSocket 接続の寿命・ephemeral token の期限の 3 層に分かれていて、対処がそれぞれ違います。公式ドキュメントの数値を出典付きで整理し、GoAway が来ない切断への備えと、会話の切れ目まで待ってから接続し直す実装パターンをまとめました。

  2026/8/19

• Gemini Live API にテキストを送っても音声が返らない原因

  Gemini Live API に clientContent でテキストを送ったのに、音声もエラーも一切返ってこない症状の原因です。turnComplete: false で送ったテキストは 2 モデルとも 7 発話中 0 応答で、完全に無視されました。エラーが返らないぶん切り分けが難しく、対処は毎回 turnComplete: true で送ることです。3.1 系のドキュメント記載との食い違いも記録しています。

  2026/8/19