プロポーザル

AIコーディングエージェントの真価は、言語固有の特性をどれだけ深く理解し、開発環境と統合できるかにあります。本セッションでは、JetBrains Junieの技術アーキテクチャを解剖し、IDE統合型アプローチがもたらす開発体験を技術的観点から解説します。

技術的に深掘りする内容
・Mellum LLMアーキテクチャの詳細
・IDE統合によるコンテキスト理解
・Kotlin開発における実践的活用方法

セッションでは、実画面を共有しながら、Junieがどのようにタスクを分解し、IDEの機能を活用して実行するかを可視化します。
また、他のAIツール（GitHub Copilot、Cursor）との技術的な比較を通じて、IDE統合型アプローチの優位性と現在の限界についても率直に議論します。
参加者は、AIエージェントの内部動作を理解し、最大限の価値を引き出すための具体的な知識を得られます。

Android Viewは既に公式にメンテナンスモードに入り、Jetpack Composeが次世代UIの標準とされています。しかしXMLレイアウトが膨大で部分移行が停滞し、全面導入を躊躇するチームも多いです。本セッションでは、既存Viewを止めずリスクを最小化しつつComposeの利点を即享受できる「ミニマムスタート戦略」を技術・組織運用の両面から具体的かつ実践的に紹介。技術負債を解消しつつ、モダンなUI開発の第一歩を踏み出しましょう。Compose移行の壁を突破し、組織で開発効率とUXを飛躍的に向上させます。
【セッション内容】
・新規画面／機能をComposeで実装
・ViewとCompose共存パターン
・Compose Preview／ホットリロード活用
・主要UIコンポーネント優先置換
・Material3テーマ共通化とAccompanist導入
・移行プロジェクトの組織戦略

Kotlin Multiplatform（KMP）はiOSとAndroid間でビジネスロジックを共有できる強力な手段ですが、導入初期にはライブラリ選定でつまずくことが少なくありません。本セッションでは、ネットワーク（Ktor）、DI（Koin）、DB（SQLDelight/Realm）、非同期処理・状態管理（StateFlow）など主要ライブラリの特徴と選定基準を、コード例を交えて解説します。さらにiOS/Android連携時のFlowの橋渡し、初期化タイミング、プラットフォーム固有処理の分離など、開発初期に陥りやすい設計上の落とし穴を紹介し、KMP新規開発におけるスムーズな立ち上げをサポートする実践的ノウハウを提供します。KMPは正しく設計すれば保守性と開発速度を向上させます。本セッションで開発初期の不安を乗り越え、「信頼できるスタートセット」を手に入れましょう。

Kotlinでデータベース操作を行うことを考えると、第一候補にはExposedが上がってくるのではないでしょうか？
Exposedは確かに素晴らしいORMですが、以下のようなデメリットもあります。

• DSLでできることが限られている
• ORM独自のAPIを覚える必要があるため学習コストが高くなりがち
• ORMの抽象化が強い場合、複雑なクエリや最適化が困難なことがある

これらのトレードオフに対する別アプローチの選択肢として、私はSQLDelightをおすすめしたいです。

このセッションでは、

• SQLDelightとはなにか？
• どのように使うのか？
• SQLDelightとExposedそれぞれのメリット・デメリットの比較

についてお話ししたいと思います。

私はKotlin愛好会、Server-side Kotlin Meetupという2つのKotlinコミュニティの運営に携わっています。
いずれも1〜3ヶ月程度のスパンで定期的に勉強会の開催をしていて、これまで多くの方とお話したり、様々なセッションを観てきました。
そこで2つのコミュニティの運営を通して知っている

・どんな雰囲気の場所か？
・どんなことを話しているのか？
・どういう属性の人が参加しているのか？
・運営メンバーってどんなことしてるの？

といった話を通じて、Kotlinコミュニティがどんな場所なのかや、コミュニティの意義や楽しさについて紹介します。

「勉強会に興味はあるけど、雰囲気がわからず不安・・・」そんな方に向けて、コミュニティのリアルな姿をお届けします。
またこのセッションを通して、聴講者のみなさんのコミュニティ参加や、新たな出会いのきっかけを作れればと考えています。

Server-side KotlinはKotlin活用におけるメインフィールドのひとつです。しかしプロジェクトが成長するとコンパイルやテストが低速化し、CI/CD体験が悪くなり、プロジェクト改善が回りにくくなります。CIが高速に実行できることは生成AI導入のためにも必要であり、今後も高速なCI/CDは必要とされます。

このセッションでは筆者がGradle, Koin, Ktor, KSP, OpenTelemetry (javaagent), kotest, Testcontainers, dokka, jibといった一般的な技術を採用したプロジェクトでGitHub ActionsでCI/CDを高速に実行するために、Develocityをはじめとした技術をどのように適用し、それがどのように高速化に貢献したかを紹介します。