莫大な物量を支えるログシステム「RELog」の設計と実装/10年分の知見へのアクセスをLLMで実現する「REAssistAI」 [RE:2026 2026年10月2日登壇]

>100 Views

November 20, 26

スライド概要

2026年10月にカプコンが開催した「CAPCOM オープンカンファレンス RE:2026」の講演資料です。

■ 講演映像
https://www.youtube.com/watch?v=3K0nszulkGs&list=PLD_N6X6tKlCM

profile-image

株式会社カプコンが誇るゲームエンジン「RE ENGINE」を開発している技術研究統括によるカプコン公式アカウントです。 これまでの技術カンファレンスなどで行った講演資料を公開しています。 【CAPCOM オープンカンファレンス RE:2026】  https://www.capcom-games.com/coc2026/ 【CAPCOM オープンカンファレンス プロフェッショナル RE:2023】  https://www.capcom-games.com/coc/2023/ 【CAPCOM オープンカンファレンス RE:2022】  https://www.capcom.co.jp/RE2022/ 【CAPCOM オープンカンファレンス RE:2019】  http://www.capcom.co.jp/RE2019/

シェア

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

(ダウンロード不可)

関連スライド

各ページのテキスト
1.

莫⼤な物量を⽀える ログシステム「RE:Log」 の設計と実装 / 10年分の知⾒への アクセスをLLMで 実現する「RE:AssistAI」 ⻲⼭ 匠 ⻫藤 雄介 森 ⼀真

2.

莫⼤な物量を⽀える ログシステム「RE:Log」 の設計と実装 / 10年分の知⾒への アクセスをLLMで 実現する「RE:AssistAI」 ⻲⼭ 匠 ⻫藤 雄介 森 ⼀真 RE ENGINEチームの⻲⼭匠と申します。 本⽇は弊社が開発したログシステムであるRE:Logと、 AIによるチャット形式のアシストボットであるRE:AssistAIについてご紹介させていただきます。 1

3.

莫⼤な物量を ⽀える ログシステム 「RE:Log」 の設計と実装 まずは弊社が開発した新しいログシステムであるRE:Logについてお話しします。 2

4.

【莫⼤な物量を⽀えるログシステム「RE:Log」の設計と実装】アジェンダ I. ゲーム開発におけるログって︖ II. RE:Logはどんなログシステム︖ III. RE:Logの5つの特徴 1. チャンネルによるカテゴライズとIDログ 2. ログを⾼速・⼤量に出せる 3. URL1つでログを共有・取得 4. 全てのログがサーバーに集積 5. 強⼒なログ解析機能 IV. まとめ 3 こちらがRE:Logについてのアジェンダになります。 3

5.

まずは、ゲーム開発におけるログの⽴ち位置や重要性について説明します。 4

6.

【Ⅰ】ゲーム開発におけるログって︖  開発やデバッグで⽋かせないもの  プログラムが • どのような状態なのか • 何がどのような順番で起こったのか • どのようなエラーが起きているか 等を確認するのに有⽤  エンジン・タイトルスクリプト両⽅で 多くのログが利⽤される RE:Logはログをより便利にします 5 ゲーム開発におけるログは⽋かせないものです。 ログはプログラムが 『どのような状態なのか』 『なにがどのような順番で起こったのか』 『どのようなエラーが起きているのか』 等を確認するのに有⽤なものです。 弊社のゲーム開発では、エンジン・タイトルスクリプト問わず多くのログが利⽤されています。 本講演では、まずそんなログをより便利に扱うためのシステム『RE:Log』をご紹介いたします。 5

7.

次にRE:Logは⼀体どのようなログシステムなのか、実例を挙げてご紹介いたします。 6

8.

【Ⅱ】RE:Logはどんなログシステム︖ RE:Logを読む ダンプフォルダにショートカットファイルがある(クラッシュレポーターが⾃動出⼒) relog://relog.capcom.co.jp/relog/node/session:find-many?filter= {"where":{"sequence":"8602078f-a6be-4914-9b78-5f8c4fb079b3"}} というURLをショートカットファイルにしている これをクリックすると…… 7 例えばゲームプロセスでクラッシュが発⽣します。 このときカプコンではクラッシュレポーターが起動し、ダンプファイルをNASに⾃動送信する仕組みがあります。 そのダンプフォルダに何やら怪しげなショートカットファイルがありますね。 中⾝はURLでして、これをクリックすると…… 7

9.

【Ⅱ】RE:Logはどんなログシステム︖ RE:Log Browserが起動 RE:Log Browserというビューワーが起動 クラッシュ時に出⼒されていたログが確認できる 8 RE:Log Browserという名前のログビューワーが起動しました。 ここでクラッシュ時に出⼒されていたログを確認できます。 8

10.

【Ⅱ】RE:Logはどんなログシステム︖ 9 このRE:Log Browserはとても⾼機能なログビューワーで、いろいろなことができます。 9

11.

【Ⅱ】RE:Logはどんなログシステム︖ RE:Log Browserの機能 特定のユーザーが出⼒したログを取得 特定のゲームタイトルのログを取得 必要なカテゴリのログだけを表⽰ 特定種類のログのパラメタを解析 10 特定のユーザーが出⼒したログを集めたり…… 特定のゲームタイトルのログを集めたり…… 必要なカテゴリのログだけを表⽰するようにしたり…… 期間中に社内で出⼒された特定種類のログを収集してどんなパラメタのものが多かったのか解析することもできますよ。 10

12.

【Ⅱ】RE:Logはどんなログシステム︖ 11 RE:Log Browser経由に限らず、他にもいろいろなRE:Log活⽤事例がございます。 11

13.

プレイヤー座標に対するメモリ使⽤量をヒートマップ化 MemDiag: {DefaultMem} {ResourceMem} {VRAMMem} {DevelopMem} {Stage} {Position} {Rotation} {Environment} {Quest} {Targets} {Missions} {AvailableVRAMMem} {CpuMs} {GpuMs} {ImageQuality} {StreamingTexture} {MaxSection} {ActiveSection} {UsedTexture} {LoadedTexture} {FailedTexture} {UnexpectedTexture} {LoadingMesh} ログを抽出して {FailedMesh} ヒートマップ化 10秒おきにゲームがログ出⼒ モンスターハンターワイルズ Memory Usage (Default + Resource) Lower | Blue, Green, Yellow, Red, Pink | Higher 12 こちらは『モンスターハンターワイルズ』が10秒おきに出⼒したログをPythonで可視化し、 プレイヤー座標に対するメモリ使⽤量のヒートマップを作成した事例です。 これによりメモリ使⽤量が逼迫しているマップ上の位置が可視化でき、重点的に対策すべき場所を把握できます。 12

14.

RE ENGINEの全てのアサーション失敗を⼀覧するページ 13 こちらはRE ENGINEで発⽣した全てのアサーション失敗を収集して表⽰するページです。 どのファイルのどのアサーションに誰がいつどんな状況で引っかかったのかをすべて把握することができます。 13

15.

さて、ここまでRE:Logが⼀体どのようなものなのか、活⽤事例からご紹介させていただきました。 これらを実現できたのは、RE:Logの5つの特徴によるものです。 14

16.

【Ⅲ】RE:Logの5つの特徴 RE:Logの5つの特徴 1. チャンネルによるカテゴライズとIDログ 2. ログを⾼速・⼤量に出せる 3. URL1つでログを共有・取得 4. 全てのログがサーバーに集積 5. 強⼒なログ解析機能 15 1つ。RE:Logはチャンネルという単位で全てのログがカテゴライズされています。またRE:LogにはテキストログのほかにIDログという形式が存在し、 そのIDログを使⽤することで様々なメリットを享受できます。 2つ。RE:Logはパフォーマンスへの影響を最⼩限に抑えながらログを⼤量に出⼒することができます。ログシステムとしての基礎がしっかりしているということです。 3つ。RE:LogはURL1つでログを共有・取得することができます。さらにURL内で複雑な条件を組んでそれに当てはまるログのみを取得することができます。 4つ。URLによりあらゆるログを開けるようにするために、全てのログがサーバーに集積されております。 5つ。様々なメタ情報や解析データ等がデータベース化されており、過去出⼒されたログを様々に解析することができます。 15

17.

【Ⅲ】RE:Logの5つの特徴 RE:Logシステムの全体像(1/2) Application Log Client ログデータ 送信 ログ送信 ゲームランタイムや 各ソフトウェア Server 各開発者のPCで常駐 すべてのログを保存 16 本題に⼊る前にRE:Logのシステム全体像について共有いたします。 RE:Logとしてログを送信する主体は、ゲームランタイム, スタジオと呼ばれるゲーム開発アプリケーション, その他の内製ツールなどのアプリケーションです。 またPS5やiOSなど、RE ENGINEがサポートする各種プラットフォームからの出⼒にも対応しております。 ログ出⼒を⾏うアプリケーションは、まずログクライアントという「各開発者のPCで常駐するソフトウェア」にログを送信します。 ログクライアントに送信されたログは最終的に全てサーバーに保存されるようになっています。 16

18.

【Ⅲ】RE:Logの5つの特徴 RE:Logシステムの全体像(2/2) Application Log Client ログデータ 送信 ログ送信 ゲームランタイムや 各ソフトウェア Server 各開発者のPCで常駐 すべてのログを保存 ログの閲覧 RE:Log Browser 17 またこのようにRE:Log BrowserによりサーバーやLog Clientからログを取得して閲覧することができます。 17

19.

【Ⅲ-1】 最初の特徴として、チャンネルによるカテゴライズとIDログについてご説明します。 18

20.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ 従来ログの問題点(1/2) ログがカテゴライズされていない タイトル固有のログを除いて ゲームエンジンのログのみ表⽰ といったことは不可能 ⼤量のログの中から 欲しいログを探す作業が発⽣…… 19 従来ログの問題点として、ログがカテゴライズされていませんでした。 例えばエンジンのログだけ抽出するといったことはできなかったのです。 19

21.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ チャンネルによるカテゴライズ  RE:Logでは全てのログが「チャンネル」という単位でカテゴライズされている  チャンネル名はドット区切りで階層化 RERuntime core されている dev RERuntime.core.dev RERuntime.core render RERuntime.render sound RERuntime.sound  RE:Log Browser にフィルタリング機能を搭載  チャンネルごとにどのレベルまで表⽰するかを設定可能 20 そこでRE:Logでは、全てのログがチャンネルという形でカテゴライズされるようにしました。 これでエンジンのログとタイトル固有のログを明確に分離することが可能になります。 またチャンネル名はドット区切りで階層化されています。 図の例では RERuntimeの下に core / render / sound チャンネルがあり、 RERuntime.coreの下にさらにdevというチャンネルがある、といった構造になっています。 そしてRE:Log BrowserのUIで、チャンネルごとにどのレベルまで表⽰するかを切り替えることができます。 20

22.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ 従来ログの問題点(2/2)  ログ⽂⾯を修正するにはソースコードの変更が必要 • エンジンのログメッセージを少し修正するだけでも 修正の反映までに数多くのステップが存在 修正の コミット コード レビュー エンジンQA 配布 エンジン 更新  多⾔語対応されていない • • ⽇本語のログは⽇本語話者以外にほぼ伝わらない 英語のログはほとんどの⽇本語話者にとって書きづらく読みづらい  特定の種類のログだけを抽出するのが難しい • • テキストファイルから正規表現などで抽出するしかない ログメッセージを⼯夫する必要があったり誤検出の恐れがあったりする 21 さて従来ログの問題点に戻ります。 従来のログではログメッセージの修正にはソースコードの修正が必要でした。 RE ENGINEのログメッセージを少し修正しようと思っても、タイトルのプログラマの⼿元に反映されるまでに多くのステップが存在しました。 さらに、ログが多⾔語対応されていない、 特定のログだけを抽出するのが難しい、といった問題がありました。 21

23.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ IDログ(1/3) 従来 ソースコード "エラーが起きました。 エラーコードはXXです。” 出⼒ ユーザーが閲覧 22 我々はこれらの問題をIDログの導⼊により解決しました。 従来ログにおいては、ソースコードに⽂字列としてメッセージを書き、出⼒していました。 22

24.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ IDログ(2/3) IDログ 従来 ソースコード ソースコード サーバー "エラーが起きました。 エラーコードはXXです。” チャンネル︓app.system フォーマットID︓13 パラメタ︓XX チャンネル︓app.system フォーマットID︓13 内容︓"エラーが起きました。 エラーコードは{0}です。” 出⼒ 出⼒ RE:Log Browser 情報を 統合 ユーザーが閲覧 ユーザーが閲覧 23 これに対し、RE:Logで利⽤しているIDログでは、メッセージを⽂字列として出⼒することはありません。 その代わりにチャンネル名とフォーマットIDのみを出⼒します。 サーバーにはあらかじめログメッセージやチャンネル名などの情報をログフォーマットとして登録しておき、 ソースコードではそのフォーマットに対応するチャンネル名とフォーマットIDを使ってIDログを出⼒します。 出⼒されたログデータとサーバー上のフォーマット情報をRE:Log Browserで統合することにより、⽂字列化されたログを確認できるのです。 23

25.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ IDログ(3/3) IDログ 従来 ソースコード ソースコード サーバー "エラーが起きました。 エラーコードはXXです。” チャンネル︓app.system フォーマットID︓13 パラメタ︓XX チャンネル︓app.system フォーマットID︓13 内容︓"エラーが起きました。 ログを添えて報告してください。 エラーコードは{0}です。” エラーコードは{0}です。” 出⼒ 出⼒ RE:Log Browser 情報を 統合 ユーザーが閲覧 ユーザーが閲覧 24 これにより、ログ⽂⾯の修正はサーバー上のログフォーマットを修正するだけでよくなりました。 ソースコードを変更する必要はありません。 24

26.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ ログフォーマットの登録 ログエディター  Webアプリとして実装されている  ログメッセージは⾃動的に各⾔語に翻訳されてサーバーに保存される 25 ログフォーマットの登録や修正はこのようなWebのエディターで⾏います。 メッセージは⾃動で各⾔語に翻訳されてサーバーに保存されます。 25

27.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ IDログの詳しい仕様  各ログフォーマットはチャンネル名とフォーマットIDの組み合わせで決定される • • • チャンネル名 : RERuntime.core フォーマットID: 258 メッセージ: RE ENGINE runtime version {0} ※ {}の中⾝は「パラメタ」として別途ログデータに含めることができる  IDログだけでなくテキストログも存在する • 従来通り⽂字列のメッセージでログ出⼒ • ただしチャンネル名は指定する必要あり 26 少し詳しい話になりますが、 各ログフォーマットはチャンネル名とフォーマットIDの組み合わせで決定されます。フォーマットIDだけではフォーマットを⼀意に決定できない仕様になっています。 またチャンネル名とフォーマットIDだけでは静的なログしか出⼒できないので、実⾏時に決まる動的な情報をパラメタとしてログに与えることができるようになっています。 またRE:LogにはIDログだけでなくテキストログも存在しています。 ただしカテゴライズのためにチャンネル名は指定する必要があります。 26

28.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ IDログのうれしい点  あとからメッセージを簡単に変更可能 • ソースコードの修正は不要でサーバー上のログフォーマットを修正すればOK  ログデータ量を削減できる • ⽂字列でメッセージを出⼒する代わりに チャンネルID(チャンネル名に対応する整数, 後述)とフォーマットIDを出⼒  ユーザーの希望する⾔語でログを表⽰可能 • RE:Log Browserの⾔語設定に合わせて翻訳されたログが表⽰される  特定の種類のログを簡単に抽出することができる • • チャンネル名とフォーマットIDによりどの種類のログが出⼒されたのかが分かる 特定の種類のログを出⼒したログセッションの⼀覧も取得可能に……︕(後述) 27 このIDログのうれしい点をまとめますとこのようになります。 あとからログメッセージを変更可能であり、ログデータ量を削減することもできます。 RE:Log Browserの⾔語設定を変更するだけでユーザーの希望する⾔語でログを表⽰することもできます。 またチャンネル名とフォーマットIDによりどの種類のログが出⼒されたのかが分かるため、特定の種類のログを簡単に抽出することができます。 さらに特定の種類のログを出⼒したログセッションの⼀覧も取得できるようになっているのですが、詳しくは後でご紹介します。 27

29.

【Ⅲ-1】チャンネルによるカテゴライズとIDログ おわり RE:Logの5つの特徴 1. チャンネルによるカテゴライズとIDログ 2. ログを⾼速・⼤量に出せる 3. URL1つでログを共有・取得 4. 全てのログがサーバーに集積 5. 強⼒なログ解析機能 28 ここまでRE:Logの1つ⽬の特徴を解説してきました。 28

30.

【Ⅲ-2】 次に2つ⽬の、ログを⾼速・⼤量に出せることについて⾒ていきます。 29

31.

【Ⅲ-2】ログを⾼速・⼤量に出せる 従来ログの問題点 コンソール出⼒が詰まる ログ出⼒時にスレッドがブロック ギガバイト級のテキストログ たくさん出したいのに出せない… 30 まず、従来ログの問題点から述べさせていただきます。 開発では⾮常に重要なログですが、⼤量に出⼒することで様々な問題を引き起こしていました。 まずコンソール出⼒はプラットフォームによっては詰まりがちでした。 ⼀部のプラットフォームにおいてはログ出⼒が詰まってゲームが正常に起動しないといったことすらありました。 また従来はログ出⼒を⾏うスレッドがコンソール出⼒の完了をブロッキングで待つ実装になっておりました。 ログを出⼒する場合としない場合でフレームレート等に明確な差が⽣じ、 ゲームパフォーマンスのチェック時にノイズとなってしまうことがございました。 そして出⼒されたログのテキストファイルはギガバイト級に膨れ上がることもございました。 ログサイズが肥⼤化するとログの受け渡しにすらコストが掛かります。 こういった要因から、開発者はもっとログを出したいのに出すことができない、という悩みを抱えていました。 30

32.

【Ⅲ-2】ログを⾼速・⼤量に出せる ソリューション コンソール出⼒が詰まる コンソール出⼒を廃⽌し WebSocketでログクライアントに送信 ログ出⼒時にスレッドがブロック ログを出⼒するスレッドが⾏うのは CBORへのシリアライズと 送信バッファへのコピーだけ。 送信処理は⾮同期スレッドに分離 ギガバイト級のテキストログ IDログやCBORシリアライズを活⽤し ログデータ量を削減する 31 RE:Logではこれらの問題に対処しました。 まず、問題のあったコンソール出⼒を廃⽌しました。 次に、ログの送信処理は⾮同期スレッドに分離し、ログ出⼒を⾏うスレッドはCBORというバイナリ形式へのシリアライズと 送信バッファへのコピーのみを⾏うようにしました。 これでログ出⼒時のブロッキングが解消されました。 さらに、IDログやCBORシリアライズによって送信されるログデータ量を削減する⼯夫がされています。 これらについてそれぞれ説明していきます。 31

33.

【Ⅲ-2】ログを⾼速・⼤量に出せる 従来のコンソール出⼒の廃⽌ Application Log Client ログクライアント に送信 コンソールを含むあらゆるプラッ トフォームで動作するランタイム/ ツールやエディターなどの内製 ツール WebSocket通信 基本的に開発者PCに常駐させるア プリケーション 32 まずは、コンソール出⼒の廃⽌についてです。 コンソール出⼒のコストがログを⼤量に出す際の障壁の⼀つとなっていたため、 ログクライアントというアプリケーションにWebSocketでログデータを送信するようにしました。 32

34.

【Ⅲ-2】ログを⾼速・⼤量に出せる コストを最⼩限にする(1/2) 従来 ゲームスレッド等 ⽂字列の整形 コンソール出⼒ ツールへログの送信 (設定によっては ファイル出⼒) 33 次にログ出⼒時のコストの話です。 従来のログ出⼒では、ゲームスレッドなどのログ出⼒を⾏ったスレッド上でブロッキングを伴う様々な処理が⾏われていました。 これらが開発時のゲームの動作に影響を与えておりました。 33

35.

【Ⅲ-2】ログを⾼速・⼤量に出せる コストを最⼩限にする(2/2) RE:Log 従来 ゲームスレッド等 ゲームスレッド等 ⽂字列の整形 • コンソール出⼒ • ツールへログの送信 (設定によっては ファイル出⼒) ヒープへの メモリ確保を 抑える ロックなしで ⾏う 専⽤スレッド バイナリへ シリアライズ 送信バッファーへ コピー 送信バッファーに 書き込まれた内容を WebSocketで 逐次送信 34 そこで、RE:Logではゲームスレッドなどゲームループに影響するスレッド上での処理を抑えるため、 基本的にはログのバイナリへのシリアライズと送信バッファーへのコピーだけをログ出⼒時に⾏うようにしています。 このときヒープへのメモリ確保やロックなどは極⼒⾏わないようにします。 送信バッファに書き込まれたデータは別のスレッド上でCPUの空きがあるときにWebSocketで逐次送信していきます。 34

36.

【Ⅲ-2】ログを⾼速・⼤量に出せる ログデータの削減(1/6) ログメッセージを⽂字列で送るのではなくIDログで送る ログデータ チャンネルID フォーマットID 引数 データ例︓ "ChannelId":3, "FormatId":258, "Parameters": [ "revision:173124" ] プロパティ (スタックトレース など) RE:Log Browser 35 次にログデータ量の削減についてです。 先述したIDログを利⽤することでログデータを削減しています。 メッセージを⽂字列で送る代わりに、チャンネルIDとフォーマットIDを送信します。 35

37.
[beta]
【Ⅲ-2】ログを⾼速・⼤量に出せる

ログデータの削減(2/6)

ログメッセージを⽂字列で送るのではなくIDログで送る
ログデータ

チャンネルID
フォーマットID
引数
プロパティ
(スタックトレース
など)

データ例︓
"ChannelId":3,
"FormatId":258,
"Parameters": [
"revision:173124"
]

サーバー︓
チャンネル名︓RERuntime.core
ID: 258
ログレベル: Info
ログ内容 : RE ENGINE runtime version {0}
ログ閲覧の際は
サーバーの情報を
参照する

RE:Log Browser
RE ENGINE runtime
version
revision:173124

36

RE:Log Browserではログデータとサーバー上のフォーマット情報を統合して⼈間が読めるテキスト形式にして表⽰します。

36

38.
[beta]
【Ⅲ-2】ログを⾼速・⼤量に出せる

ログデータの削減(3/6)

ログメッセージを⽂字列で送るのではなくIDログで送る
ログデータ

チャンネルID
フォーマットID
引数

データ例︓
"ChannelId":3,
"FormatId":258,
"Parameters": [
"revision:173124"
]

サーバー︓
チャンネル名︓RERuntime.core
ID: 258
ログレベル: Info
ログ内容 : RE ENGINE runtime version {0}
ログ閲覧の際は
サーバーの情報を
参照する

チャンネル名をログ出⼒のたびに

プロパティ
⽂字列で送信しないための仕組み
(スタックトレース
など)

RE:Log Browser
RE ENGINE runtime
version
revision:173124

37

さて、サーバーに登録されたフォーマット情報にはチャンネル名のみがあり、チャンネルIDはありません。
チャンネルIDは何かというと、いちいちチャンネル名を⽂字列で送るコストを避けるための仕組みです。

37

39.

ログデータの削減 ログデータの削減(4/6) ⼀つのログセッション(ログクライアントに接続開始〜切断まで)のなかで これらの付加情報を送っている チャンネル情報 セッション情報 スレッド情報 チャンネルID ユーザー名 スレッドID チャンネル名 デバイス名 スレッド名 プラットフォーム名 アプリケーション名 38 RE:Logではログそのもの以外にも様々な付加情報を送っています。 この中のチャンネル情報でチャンネルIDとチャンネル名を送っています。 チャンネルIDはそのログセッション内で使⽤するチャンネルに対して振られた整数の連番です。 38

40.

【Ⅲ-2】ログを⾼速・⼤量に出せる ログデータの削減(5/6) ログごとにチャンネル名は必要なく、チャンネルIDでよい ログデータ チャンネル情報 チャンネルID チャンネルID フォーマットID チャンネル名 サーバー︓ チャンネル名︓RERuntime.core ID: 258 ログレベル: Info ログ内容 : RE ENGINE runtime version {0} 引数 プロパティ (スタックトレース など) RE:Log Browser RE ENGINE runtime version revision:173124 39 これらの情報があるので、ログごとに⽂字列であるチャンネル名を⼊れる必要はなく、セッション中にチャンネル情報を別途送ることでチャンネル名を解決しています。 39

41.
[beta]
【Ⅲ-2】ログを⾼速・⼤量に出せる

ログデータの削減(6/6)

データ量を削減するためにCBORへシリアライズする
CBOR (Concise Binary Object Representation)
JSONのようなデータ構造をコンパクトで⾼速に扱うためのバイナリ形式
データ例

"Timestamp":"2026-0617T10:17:41.5137268Z",
"ChannelId":3,
"FormatId":258,
"Properties":{"0":"revision:173124"}

03190102C11B003F4C63B2A0
F3F4816F7265766973696F6E3
A313733313234

データ量がJSONと⽐べて40%〜70%程度になる
40

さらにテキストではなくバイナリにシリアライズすることでもデータ量削減につなげています。
バイナリ形式としてはCBOR(sea-bore)を採⽤しています。
CBORはJSONのようなデータ構造をコンパクトかつ⾼速に扱うためのバイナリ形式です。
データにもよるのですが、JSONと⽐べてだいたい40%〜70%程度のデータ量になります。

40

42.

【Ⅲ-2】ログを⾼速・⼤量に出せる おわり RE:Logの5つの特徴 1. チャンネルによるカテゴライズとIDログ 2. ログを⾼速・⼤量に出せる 3. URL1つでログを共有・取得 4. 全てのログがサーバーに集積 5. 強⼒なログ解析機能 41 ここまでRE:Logの2つ⽬の特徴を解説してきました。 41

43.

【Ⅲ-3】 次に3つ⽬の、URL1つでログを共有・取得できることについて⾒ていきます。 42

44.

【Ⅲ-3】URL1つでログを共有・取得 たまに起こること 不具合が出ていますので、 調査をお願いします ではその時のログを 頂けますか︖ すみません、 もう消えちゃってました…… 43 たまに現場ではこのようなことが起こっていました。 ある⼈が不具合の報告を受け調査を依頼されます。 しかし、やはり調査にはログが欲しいところです。そこでログの提供を依頼したところ、すでにログは消えてしまっていました。 これでは調査が⼤変ですね。 43

45.

【Ⅲ-3】URL1つでログを共有・取得 RE:Logでどう変わったか(1/3) 不具合が出ていますので、 調査をお願いします ではその時のログを 頂けますか︖ こちらです︕ relog://~~~~~ 44 ではRE:Logでどう変わったのでしょうか。 なんと、URL⼀つで共有できるようになりました。 44

46.

【Ⅲ-3】URL1つでログを共有・取得 RE:Logでどう変わったか(2/3) こういったことも可能に 不具合が出ていますので、 調査をお願いします このユーザーのログを 検索して…… あった、このエラーだな 45 また、そのURLをもらえなかった場合においても、ユーザーや⽇付情報など、様々な情報からログを取得できるようになりました。 45

47.

【Ⅲ-3】URL1つでログを共有・取得 RE:Logでどう変わったか(3/3) QAのような環境でも 従来 現在 各端末に開発ツールを接続した 状態でログを収集、その後 テキストファイルに出⼒し共有。 URLを同梱するだけ。 46 QAのような環境でも変わりました。 従来は各端末に開発ツールを接続した状態で、ログを収集しておき、適宜テキストファイルとして出⼒し、共有する必要がありました。 今ではURLを同梱するだけでOKです。 46

48.

【Ⅲ-3】URL1つでログを共有・取得 各ログセッションには様々な情報が紐づけられている ログセッションに紐付く様々な付加情報 セッションID どのタイトルか ユーザーID ⽇付・時刻 デバイスID 親セッションID プラットフォーム etc…  セッションIDは ログセッションの主キー  これらの情報から ログセッションを探すことが 出来る 47 ログは基本的にプロセスの起動から終了までが1ログセッションという単位でまとめられています。 このログセッションに対し、ご覧のような様々な情報がメタデータとして紐付いて管理されています。 セッションIDはセッションの主キーとなるGUIDです。 セッションIDからログセッションを取得するだけでなく、 例えばデバイスIDを指定してそのデバイスで⾏われたログセッションをまとめて取得するようなこともURL⼀つで可能となっています。 47

49.

【Ⅲ-3】URL1つでログを共有・取得 ログはどのPCからも取得できる Server ログセッションのURL/SessionId or DeviceID、UserID、時間などの情報 検索 RE:Log Browser ログの 閲覧 Log Client 接続クライアント情報 検索 48 ログはどのPCからも取得が可能で、先ほどあったように様々な情報から検索またはアクセスし、様々なログを閲覧することが可能です。 また、接続クライアントの情報があれば、クライアントに送信されているログをリアルタイムに閲覧することも可能になっています。 48

50.

【Ⅲ-3】URL1つでログを共有・取得 複数のログセッションを⼀つのビューで確認することも可能 ユーザーID:○○の 昨⽇のログがみたい︕ 検索 ログサーバー RE:Log Browser ⼀つのビューで ⼀気に確認が出来る ログセッション 49 検索条件を細かく設定することも可能になっており、複数のログセッションを⼀つのビューで⼀気に確認することも可能になっています。 49

51.

【Ⅲ-3】URL1つでログを共有・取得 特定のフォーマットのログを出⼒したログセッションを検索可能 チャンネル名︓RERuntime.core フォーマットID:297 を出⼒したログセッションを調べたい 『特定のエラーがどのタイトルで どれくらい起きているか』 を調べることも可能に 50 さらに、特定のフォーマットのログを出⼒したセッションを検索することもできます。 URL1つで特定のフォーマットを出⼒したセッションのログデータをまとめて取得することもできます。 50

52.

【Ⅲ-3】URL1つでログを共有・取得 おわり RE:Logの5つの特徴 1. チャンネルによるカテゴライズとIDログ 2. ログを⾼速・⼤量に出せる 3. URL1つでログを共有・取得 4. 全てのログがサーバーに集積 5. 強⼒なログ解析機能 51 ここまでRE:Logの3つ⽬の特徴を解説してきました。 51

53.

【Ⅲ-4】 4つ⽬の、全てのログがサーバーに集積されている特徴について⾒ていきます。 主にRE:Logのシステム構成の観点からお話しします。 52

54.

【Ⅲ-4】全てのログがサーバーに集積 53 まずは、RE:Logのバックエンドで達成したい事柄を挙げ、それを実現できる最も単純なサーバー構成を考えてみます。 53

55.

【Ⅲ-4】全てのログがサーバーに集積 RE:Logのバックエンドで達成したいこと 1. 全てのログがサーバー上に集積される 2. 対象のログをURL1つで共有・取得できる 3. 過去の膨⼤なログを解析できる これらを実現できる 最も単純なサーバー構成とは……︖ 54 RE:Logのバックエンドで達成したいことは次の3つ、 1つ。全てのログがサーバー上に集積される 2つ。対象のログをURL1つで共有・取得できる 3つ。過去の膨⼤なログを解析できる 以上の3つです。では、こんな構成はどうでしょう。 54

56.

【Ⅲ-4】全てのログがサーバーに集積 最も単純なログサーバー ログデータを メインサーバー に送信 Application Main Server ログデータを リレーショナルDB にInsert RDBMS  logdata テーブル session_id index timestamp frame_count message 0 8dabdc47 0 2026-06-04 11:12:13 32 Stage1をクリアしました 1 8dabdc47 1 2026-06-04 11:12:16 200 Stage2を読み込み中 2 126d39b9 0 2026-06-04 11:12:19 3 モジュールを初期化しました … … … … … … 55 ゲームやスタジオプロセスなどでログが出⼒されると、メインサーバーにログが送信されます。 メインサーバーは届いたログを次々とリレーショナルデータベースに挿⼊していきます。 こんな単純で本当に良いのでしょうか。怪しさたっぷりですが、⼀応先に挙げた要件は満たしていそうです。 全てのログがサーバー上に集積されていますし、 メインサーバーにURLを投げたら求めるログを抽出して返すエンドポイントを実装するのは簡単そうです。 リレーショナルデータベースですので、SQLで複雑な条件によるフィルタや分析も可能です。 なんて素晴らしいんでしょう、やっぱりシンプルイズベストなんですよね。 55

57.

【Ⅲ-4】全てのログがサーバーに集積 何が問題か︖ 56 当然そんなことはなく、このシステムはすぐ破綻します。何が問題なのでしょうか。 56

58.

【Ⅲ-4】全てのログがサーバーに集積 何が問題か︖ ログの量が多すぎる 57 それはRE:Logが扱うログの量が多すぎることです。 57

59.

【Ⅲ-4】全てのログがサーバーに集積 58 ここでRE:Logの平均的な営業⽇1⽇の統計情報から、RE:Logが相⼿にしている物量を⾒ていきましょう。 58

60.

【Ⅲ-4】全てのログがサーバーに集積 2026年6⽉4⽇(⽊)の統計 セッション数 49,866 (約5万) CBORログ データ量 (推定) 約 1600 GiB 総ログ出⼒回数 11,866,158,571 (約120億) さらに進⾏中セッション(Live Session)の最⼤数は7000を超える この量を 1. ネットワーク上で輻輳なく送信 2. 永続的に保存 3. 解析可能な状態に維持 する必要がある…… 59 セッション数というのは、基本的にはプロセスの開始から終了までを1つとする単位です。 ただしプロセス開始から8時間経過するかCBORサイズが1GBを突破すると分割されます。 これが約5万です。 CBORの状態のログデータサイズは1⽇で約1600GiBです。カプコンのオフィスがハードディスクで埋まる絵が想像できますね。 1⽇の総ログ出⼒回数は約120億。もうあまり想像できない数字ですね。 さらに進⾏中のセッション、これをLive Sessionと⾔いますが、1⽇のピーク時には7000を超えます。 RE:Logのバックエンドはこの量を * ネットワーク上で輻輳なく送信 * 永続的に保存 * 解析可能な状態に維持 する必要があるわけです。 59

61.

【Ⅲ-4】全てのログがサーバーに集積 ⼀番単純なログサーバーだと…… 7000以上のTCP Main Server セッション Application 1⽇120億⾏ RDBMS のInsert ログビューワーも TCPセッションを張る  logdata テーブル RE:Log Browser timestamp frame_count session_id index 0 8dabdc47 0 1 8dabdc47 1 2026-06-04 11:12:16 累計1兆⾏以上 Stage1をクリアしました リアルタイムに Stage2を読み込み中 200ログが読みたい…… 2 126d39b9 0 2026-06-04 11:12:19 3 モジュールを初期化しました … … … … … … 2026-06-04 11:12:13 ペタバイト規模 message 32 60 さあ、先ほどの⼀番単純なログサーバーだとどうなるか、⾒ていきましょう。 まず社内の7000以上のプロセスがメインサーバーめがけてTCPセッションを張って、ログを送信し続けます。もうマズそうですね。 そしてこのlogdataテーブルに毎⽇120億⾏がInsertされていきます。 logdataテーブルは100⽇⾜らずで1兆⾏を超え、テーブルのサイズはペタバイト規模に膨らんでいきます。 さらにゲームのログはリアルタイムで内容を確認したい需要が⼤きいわけです。 そうすれば社内中のログビューワーのウィンドウの分だけさらにTCPセッションが増えます。 60

62.

【Ⅲ-4】全てのログがサーバーに集積 ⼀番単純なログサーバーだと…… 7000以上のTCP Main Server セッション Application 1⽇120億⾏ RDBMS のInsert このシステムは 破綻する……︕ ログビューワーも TCPセッションを張る  logdata テーブル RE:Log Browser timestamp frame_count session_id index 0 8dabdc47 0 1 8dabdc47 1 2026-06-04 11:12:16 累計1兆⾏以上 Stage1をクリアしました リアルタイムに Stage2を読み込み中 200ログが読みたい…… 2 126d39b9 0 2026-06-04 11:12:19 3 モジュールを初期化しました … … … … … … 2026-06-04 11:12:13 ペタバイト規模 message 32 61 こうして私が3秒で考えた単純なシステムは破綻してしまったのでした。 ただこのlogdataテーブルをリレーショナルデータベースにするのは極端な仮定でしたね。 こういった⽤途に適した列指向データベースというものが存在しますが、それについてはあとで検討いたします。 61

63.

【Ⅲ-4】全てのログがサーバーに集積 62 では、RE:Logはこの膨⼤な量に対しどのように対処しているのでしょうか。現在のRE:Logのアプローチをご紹介します。 62

64.

【Ⅲ-4】全てのログがサーバーに集積 RE:Logシステム構成 スタンバイ メインサーバー 開発⽤PC Application プライマリ メインサーバー Log Client コンシューマー開発機 共有PCまたはサーバー Application Log Client Main Server RDBMS ログデータサーバー LogData Server FileSystem KVS 63 先にシステム構成をお⾒せいたします。 ⼤きい枠が個別のマシンを、⼩さい枠がプロセスやシステムを表しています。 この図のログクライアントとログデータサーバーについて、これから詳しく解説します。 63

65.

【Ⅲ-4】全てのログがサーバーに集積 64 まず、ここまでも少し登場しておりましたログクライアントについて、改めて詳しくご説明いたします。 64

66.

【Ⅲ-4】全てのログがサーバーに集積 ログクライアントとは Application Application ログデータを WebSocketで送信 RE:Log Browser Log Client セッション終了後に ログデータや メタデータを送信 Server ログクライアントは C#で開発 リアルタイムの ログを取得 サーバーが⼤量のTCPセッションを抱える構造を回避 65 ログクライアントは、ゲームプロセス・スタジオプロセス等から⼀時的にログデータを受け取るアプリケーションです。C#により開発されています。 ログクライアントは図のように分散して配置することができます。 RE:Logを使⽤するアプリケーションは、ログをWebSocketセッションを通じてログクライアントに送信します。 またログビューワーでLiveSessionのログを確認したい場合、 ビューワーがログクライアントにWebSocketで接続し、ログクライアントからリアルタイムにログを受け取ることができます。 これによりサーバーに⼤量のTCPセッションがぶら下がる構造が避けられました。 65

67.

【Ⅲ-4】全てのログがサーバーに集積 ログクライアントはほぼ全ての開発者のPC上で稼働 ログクライアントがゲーム開発者のローカルで動いていることで…… ターゲットマネージャーで管理中の コンシューマー開発機 ⾃分のPC RE:Log Browserを起動して「ローカルログ」のタブを開くだけで PC・開発機を問わず⾃分のLive Sessionログが全てリアルタイムで確認できる ……でもどうやって︖ 66 ログクライアントによる分散効果を最⼤限発揮するためには、ログクライアントがなるべく多数のマシン上で稼働していることが望ましいです。 そこでログクライアントが社内ほぼすべてのゲーム開発者のPC上で実⾏される仕組みをカプコンでは整えました。 さらにログクライアントがゲーム開発者のPC上で動いている前提があることで、このように RE:Log Browserを起動して「ローカルログ」のタブを開くだけでPC・開発機問わず⾃分のLive Sessionログが全てリアルタイムで確認できるようになりました。 これをどのように実現しているか、これから詳しく解説します。 66

68.

【Ⅲ-4】全てのログがサーバーに集積 ログクライアントが起動 開発⽤PC (172.16.1.1) Target Manager Log Client 起動︕ スタンバイ メインサーバー プライマリ メインサーバー Main Server RDBMS コンシューマー開発機 (172.16.1.2) 67 まずPCでログクライアントが起動したときに何が起きるでしょうか。 67

69.

【Ⅲ-4】全てのログがサーバーに集積 PC内のターゲットマネージャーから開発機情報を取得 開発⽤PC (172.16.1.1) どの開発機に Target Manager 接続してる︖ Log Client スタンバイ メインサーバー プライマリ メインサーバー 172.16.1.2 です Main Server RDBMS コンシューマー開発機 (172.16.1.2) 68 ログクライアントは各プラットフォームのターゲットマネージャーにアクセスし、現在どのコンシューマー開発機に接続中であるか問い合わせます。 68

70.

【Ⅲ-4】全てのログがサーバーに集積 メインサーバーにログクライアントの情報を送信 開発⽤PC (172.16.1.1) Target Manager Log Client POST /client:open { private_ip: 172.16.1.1, port: 35100, managing_ips: [ 172.16.1.2 コンシューマー開発機 ] (172.16.1.2) } ⾃⾝への接続情報のほかに スタンバイ メインサーバー プライマリ メインサーバー RDBMS Main Server データ 挿⼊ PCが管理する開発機の IPアドレスも送信 69 その後ログクライアントはメインサーバーに対し、REST APIでログクライアントが起動したことを通知します。 このとき、⾃⾝への接続情報のほかに さきほど得られた接続中コンシューマー開発機のIPアドレスも送信します。 69

71.

【Ⅲ-4】全てのログがサーバーに集積 コンシューマー開発機上でゲームパッケージが起動 開発⽤PC (172.16.1.1) Target Manager Log Client スタンバイ メインサーバー プライマリ メインサーバー Main Server コンシューマー開発機 (172.16.1.2) RDBMS 起動︕ Application 70 ここまででログクライアントの準備は整いました。 次にコンシューマー開発機上でゲームパッケージが起動したところを考えます。 70

72.

【Ⅲ-4】全てのログがサーバーに集積 ゲームパッケージがどのログクライアントに接続すべきか問い合わせ 開発⽤PC (172.16.1.1) Target Manager Log Client スタンバイ メインサーバー プライマリ メインサーバー Main Server コンシューマー開発機 (172.16.1.2) Application RDBMS GET /client ?private_ip=172.16.1.2 71 起動したゲームパッケージは接続先のログクライアントをどのように発⾒するのかというと、 メインサーバーに対し、どのログクライアントに接続すべきかREST APIでリクエストを投げます。 このとき⾃⾝のプライベートIPアドレスをクエリに含めます。 71

73.
[beta]
【Ⅲ-4】全てのログがサーバーに集積

開発機のIPアドレスに対応するログクライアントを検索
開発⽤PC (172.16.1.1)

Target Manager

Log Client
スタンバイ メインサーバー
プライマリ メインサーバー

Main Server

コンシューマー開発機
(172.16.1.2)

{

Application
}

private_ip: 172.16.1.1,
port: 35100,

172.16.1.2
って知ってる︖

RDBMS

172.16.1.1 の
ログクライアントが
管理してる!!

これにより⾃分の開発機で実⾏したゲームパッケージのログが
⾃分のログクライアントに送信される︕
72

サーバーはそのIPアドレスに対応するログクライアントをデータベースから検索します。
対応するログクライアントが存在したとき、その接続先情報を返します。
これにより⾃分の開発機で実⾏したゲームパッケージのログが
⾃分のPC上のログクライアントに送信されるようになりました︕

72

74.

【Ⅲ-4】全てのログがサーバーに集積 開発機のIPアドレスに対応するログクライアントが⾒つからなかったら 開発⽤PC (172.16.1.1) Target Manager Log Client { } private_ip: 172.16.1.3, port: 35100, スタンバイ メインサーバー プライマリ メインサーバー Main Server コンシューマー開発機 (172.16.1.99) 共有PCまたはサーバー (172.16.1.3) Application Shared Log Client 172.16.1.99 って知ってる︖ RDBMS 知らな〜い 共有ログクライアント に接続させよう…… どのPCからも管理されていない開発機からのログは、 共有ログクライアントに送信される 73 ⼀⽅で対応するログクライアントがデータベースに⾒つからなかったときはどうなるのでしょう。 このときのために共有ログクライアントというものが存在し、サーバーや共有PC上などで動いています。 ここに繋ぐようレスポンスを返します。 73

75.

【Ⅲ-4】全てのログがサーバーに集積 74 次に、ログデータサーバーについて説明します。 74

76.

【Ⅲ-4】全てのログがサーバーに集積 ログデータサーバーとは とても単純なキーバリューストレージ Log Client LogData Server セッション終了後に ログデータをBrotli 圧縮し、ログデータ サーバーに送信 FileSystem KVS セッションIDをKey、 Brotliバイナリを Valueとして保存 ログデータサーバー はGo⾔語で開発 ログデータがどんなバイナリであっても保存はできる 75 ログデータサーバーは、終了済みセッションのログデータを保管するサーバーです。Go⾔語で開発されています。 ログデータサーバーもログクライアント同様、分散して配置することができます。 ログクライアントがCBORログデータを圧縮し、ログデータサーバーに送信します。 ログデータサーバーは基本的には単純なキーバリューストレージです。 つまり、サーバーは送られてきたバイナリの中⾝を確認することなく何でも保存できるということです。 75

77.

【Ⅲ-4】全てのログがサーバーに集積 ゲームパッケージが終了 スタンバイ メインサーバー 開発⽤PC (172.16.1.1) Target Manager プライマリ メインサーバー Log Client Main Server コンシューマー開発機 (172.16.1.2) Application RDBMS ログデータサーバー (a.capcom.co.jp) 切断︕ LogData Server FileSystem KVS 終了︕ 76 軽くセッション終了後の流れを⾒ていきます。 まずゲームパッケージが終了し、ログクライアントとゲームパッケージの接続が切断されます。 76

78.

【Ⅲ-4】全てのログがサーバーに集積 ログデータをどのログデータサーバーに送信すべきか問い合わせ スタンバイ メインサーバー 開発⽤PC (172.16.1.1) Target Manager Log Client GET /server プライマリ メインサーバー Main Server RDBMS { url: https://a.capcom.co.jp/relog/go/ } コンシューマー開発機 (172.16.1.2) ログデータサーバー (a.capcom.co.jp) LogData Server FileSystem KVS 77 ログクライアントはセッション終了後、メインサーバーにログデータ送信先をREST APIで問い合わせます。 メインサーバーは適切なログデータサーバーへの接続先を返します。 77

79.

【Ⅲ-4】全てのログがサーバーに集積 ログデータを圧縮してログデータサーバーに送信 開発⽤PC (172.16.1.1) Target Manager 圧縮︕ Log Client スタンバイ メインサーバー プライマリ メインサーバー Main Server コンシューマー開発機 (172.16.1.2) RDBMS 送信︕ ログデータサーバー (a.capcom.co.jp) LogData Server 保存︕ FileSystem KVS 78 ログクライアントはログデータをBrotli形式で圧縮し、案内されたログデータサーバーに対して圧縮されたログデータを送信します。 78

80.

【Ⅲ-4】全てのログがサーバーに集積 CBORログデータをBrotli圧縮 圧縮により現実的な予算と 設備で保存可能︕ 1/16 に圧縮 1⽇のCBORログデータ 1600GiB Brotli圧縮済 カプコンでは今までのログ データはすべて保存中︕ 100GiB • RE:Logサービス開始〜現在までの2年半(2023年12⽉20⽇〜2026年6⽉19⽇) • 圧縮済みログデータサイズ総量は 51.5TiB 79 さて、ログデータを圧縮するとどのくらい縮むのでしょう。 CBORログデータをBrotli圧縮した場合ですが、1/16程度にサイズが縮みます。 ⼀⽇のCBORログデータが1600GiB程度でしたので、⼀⽇100GiBに縮むことになります。 それでも結構⼤きいのですが、このぐらいなら1年250営業⽇として25TiB程度であり、現実的な予算と設備で保存可能です。 カプコンでは2023年12⽉20⽇からRE:Logを実戦投⼊しており、 それから2026年6⽉19⽇までの約2年半で圧縮済みログデータサイズの総量は51.5TiBとなっております。 そしてこの2年半のログデータは現状消去されることなく全て保存され続けています。 79

81.

【Ⅲ-4】全てのログがサーバーに集積 80 さて、ここまででログデータがログデータサーバーに保存される様⼦を⾒てきました。 ただしこのままでは、求めるログデータを探し出すのが難しいです。 たとえセッションIDが分かっていたとしても、ログデータサーバーが分散しているため、どのログデータサーバーにそのセッションIDのログが保存されているか分かりません。 そこでメインサーバーは、欲しいログを探し出すための各種メタデータをリレーショナルデータベースに保存しています。 80

82.

【Ⅲ-4】全てのログがサーバーに集積 セッションメタデータをメインサーバーに送信 開発⽤PC (172.16.1.1) Target Manager Log Client POST /session { id: fe8cf4f1-b6b8-492a-..., application_id: RERuntime, channels: [ channel_name: RERuntime.core, コンシューマー開発機 stats: { (172.16.1.2) 1: 3 2: 4 5: 1 } ] } スタンバイ メインサーバー プライマリ メインサーバー Main Server RDBMS ログデータサーバー (a.capcom.co.jp) LogData Server FileSystem KVS 81 ログクライアントは圧縮したログデータをログデータサーバーに送信したあと、 セッションの内容を解析し、 その解析内容やセッションメタデータなどをメインサーバーにREST APIで送信します。 81

83.

【Ⅲ-4】全てのログがサーバーに集積 session テーブル id device_id user_id application_id content_id platform build major_version minor_version revision tick_frequency start_time end_time created_at is_appended parent_id prev_id client_guid server_url file_size text text, text, text, text, text, text, integer, integer, bigint, bigint, timestamp timestamp timestamp boolean text, text, uuid, text, bigint, NOT NULL, -- セッションID -- デバイスID, PC名など -- ユーザーID, 社員番号など -- アプリケーションID, RERuntimeなど -- コンテンツID, タイトル名など -- プラットフォーム, PS5など -- ビルド情報 -- アプリケーションのメジャーバージョン -- アプリケーションのマイナーバージョン -- アプリケーションのリビジョン -- パフォーマンスカウンタの⼀秒あたり増加数 -- セッション開始⽇時 -- セッション終了⽇時 -- セッションのサーバー登録⽇時 -- 追記済みセッションか︖ -- 親セッションID -- 前セッションID -- (LiveSessionのみ) 接続先ログクライアントのID -- (FixedSessionのみ) ログデータ保存先サーバーのURL -- (FixedSessionのみ) 圧縮済みログデータサイズ NOT NULL, NOT NULL, NOT NULL, NOT NULL, RE:Logサービス開始〜現在までの2年半 (2023年12⽉20⽇〜2026年6⽉19⽇) / ⾏数 約 2100万 ⾏ / テーブルサイズ(インデックス含む) 16.3 GB 82 メインサーバーには様々なテーブルがあります。 詳しく紹介する時間は無いのですが、このsessionテーブルにはセッションの主なメタデータが保存されています。 82

84.

【Ⅲ-4】全てのログがサーバーに集積 stat テーブル channel_name format_id session_id count start_time end_time updated_at text integer text bigint timestamp timestamp timestamp NOT NULL, NOT NULL, NOT NULL, NOT NULL, NOT NULL, NOT NULL, NOT NULL, RE:Logサービス開始〜現在までの2年半 (2023年12⽉20⽇〜2026年6⽉19⽇) -- チャンネル名 -- フォーマットID -- セッションID -- セッションを通して何回出⼒されたか︖ -- セッションのstart_time -- セッションのend_time -- セッションのcreated_at (歴史的経緯で名前が不⼀致) / ⾏数 約 43億 ⾏ / テーブルサイズ(インデックス含む) 2.5TB 83 statテーブルは、セッションに対しどのフォーマットのログが何回出⼒されたかを保存しているテーブルです。 パラメタ等の情報は省いて出⼒された回数のみを記録することで、リレーショナルデータベースで扱うことのできるデータ量に抑えています。 それでも⾏数は約43億⾏、テーブルサイズはインデックス含め2.5TB程度になっています。 83

85.
[beta]
【Ⅲ-4】全てのログがサーバーに集積

URLで柔軟なクエリ
relog://relog.capcom.co.jp/relog/node/session:find-many?filter=
{
"where": {
"end_time": {
⽇本時間2026年5⽉19⽇16:00以降に
"gte": "2026-05-19T07:00:00.000Z"
終了したセッションを対象とする
},
"user": {
"display_name": {
"⻲⼭"という⽂字列を含むユーザーによる
"contains": "⻲⼭"
セッションを対象とする
}
},
"stats": {
"some": {
RERuntime.coreチャンネルの
"format_id": 277,
"channel_name": "RERuntime.core"
ID 277 のフォーマットを使⽤した
}
セッションを対象とする
}
},
"orderBy": {
"end_time": "desc"
セッション終了時刻降順で
},
クエリはPrismaORMの
100セッション取得する
"take": 100
⽂法に則っている
}

84

さて、実際にURLを使⽤してログを取得する際に何が起きているのか⾒ていきます。
RE:Logのログ取得URLでは、このように複雑なクエリを構成して、条件に合ったセッションのログを取得することができます。
これはPrismaというORMの⽂法に則っています。
さて、これで特定のフォーマットを使⽤したセッション⼀覧は取得することができました。
ただし特定のフォーマットにおいてどのようなパラメタを持ってログが出⼒されたのかを知るには、
得られたセッション⼀覧に対応するログデータ全体をサーバーから取得して展開し解析する必要があり、かなりの時間を要するケースが多いです。
これを解決するため、RE:Logのサーバーには追加の解析機能が存在します。

84

86.

【Ⅲ-4】全てのログがサーバーに集積 おわり RE:Logの5つの特徴 1. チャンネルによるカテゴライズとIDログ 2. ログを⾼速・⼤量に出せる 3. URL1つでログを共有・取得 4. 全てのログがサーバーに集積 5. 強⼒なログ解析機能 85 ここまでRE:Logの4つ⽬の特徴を解説してきました。 85

87.

【Ⅲ-5】 次に、RE:Logのログ解析機能について説明してまいります。 86

88.

【Ⅲ-5】強⼒なログ解析機能 87 まずは先ほど話に出てきた、特定のフォーマットのログを出⼒したセッション⼀覧からログデータを取得して解析するパターンをご説明します。 87

89.

【Ⅲ-5】強⼒なログ解析機能 ログデータファイルを取得して解析 RE:Log Browserの 解析機能はこのパターン  あらかじめ統計を取る対象を 指定しなくていい  お⼿軽  対象とするログだけではなく セッション内の全てのログを 読み込む必要がある  時間が掛かる 88 事例紹介のときに出てきましたRE:Log Browserの解析機能ではこのパターンを使⽤しています。 あらかじめどのフォーマットに対し統計を取るか指定しなくても使⽤することができ、お⼿軽ではあるのですが、 対象とするログだけではなくセッション内の全てのログを読み込む必要があるため、かなり時間が掛かります。 88

90.

【Ⅲ-5】強⼒なログ解析機能 89 解析結果の取得に⻑時間掛かる⽋点を克服したのが、パラメタ統計です。 89

91.

【Ⅲ-5】強⼒なログ解析機能 パラメタ統計 事前にどのログフォーマットのどのパラメタを解析対象とするかを サーバーに登録しておく Fixed Session登録処理の最後にメインサーバーが ログデータサーバーに対し解析リクエストを送信 メインサーバーは解析するセッションと登録されたログフォーマット・ パラメタの情報をリクエストボディに与える ログデータサーバーは解析結果をレスポンスボディに与える メインサーバーは解析結果をRDBMSに挿⼊ Main Server LogData Server Main Server RDBMS 90 パラメタ統計では、事前にどのログフォーマットのどのパラメタを解析対象とするか登録しておく必要があります。 メインサーバーはログデータサーバーに解析リクエストを送信し、解析結果を受け取ってリレーショナルデータベースに保存します。 90

92.

【Ⅲ-5】強⼒なログ解析機能 パラメタ統計のメリットとデメリット メリット  解析結果の取得が⾼速 ログデータファイルを取得して解析する⼿法 に⽐べて数⼗倍速 デメリット  あらかじめ統計対象とするフォーマット・ パラメタをサーバーに登録しておく必要がある  RDBMSがストレージを⼤量に消費し (180⽇で約2.8TB) 解析結果の永久保存は難しい 解析結果の取得が⾼速であるメリットを⽣かし、 アサーション失敗⼀覧ページで採⽤されている ストレージ使⽤量を抑えつつログのパラメタを保存できないだろうか︖ 91 このパラメタ統計のメリットとしては、解析結果の取得が⾼速であることが挙げられます。 この特徴を活かし、アサーション失敗⼀覧ページでパラメタ統計が採⽤されています。 ⼀⽅で、 あらかじめ統計対象とするフォーマット・パラメタをサーバーに登録しておく必要があって今すぐ解析して結果を⾒たいときには使えないこと、 リレーショナルデータベースがストレージをかなり消費してしまうため永久保存が現状できていないといった⽋点が存在します。 ストレージ使⽤量を抑えつつログのパラメタを保存できて、しかもそれを⾼速かつ柔軟にクエリできる…… そんな夢のような話はないのでしょうか。 91

93.

【Ⅲ-5】強⼒なログ解析機能 92 ここで登場するのが列指向DBです。 92

94.

【Ⅲ-5】強⼒なログ解析機能 列指向データベースとは︖ ⾏ではなく「列」ごとにデータを保存するデータベース - 特徴 • クエリ時に必要な列だけを読むため、集計・分析が⾼速 • ⼤量データの保存・検索・集計に向いている • 列ごとに⾃動で圧縮され、ストレージ使⽤量を抑えられる 向いている⽤途 ログ分析 / アクセス解析 / BI / 時系列データ / DWH ⼤量のデータを効率的に保存し、⾼速にクエリできるデータベース 93 列指向データベースは⾏ごとではなく列ごとにデータを保存するデータベースです。 列ごとに圧縮を掛ける機能が標準で備わっているため、 リレーショナルデータベースより⾮常に少ないストレージ使⽤量で⼤量のデータを保存し、 それを⾼速にクエリできます。 93

95.

【Ⅲ-5】強⼒なログ解析機能 最も単純なログサーバー(再) ログデータを メインサーバー に送信 Application Main Server ログデータを リレーショナルDB にInsert RDBMS このlogdataテーブルを 列指向データベースで扱えば 良いのでは……︖  logdata テーブル session_id index timestamp frame_count message 0 8dabdc47 0 2026-06-04 11:12:13 32 Stage1をクリアしました 1 8dabdc47 1 2026-06-04 11:12:16 200 Stage2を読み込み中 2 126d39b9 0 2026-06-04 11:12:19 3 モジュールを初期化しました … … … … … … 94 先ほど登場した⼀番単純なログサーバーに再度ご登場いただきましょう。 このlogdataテーブルはリレーショナルデータベースではいともたやすくペタバイト規模になってしまうという話でしたが、 列指向データベースであれば現実的なストレージ容量でこれを実現できるのではないでしょうか。 そして列指向データベースならクエリが⾼速で、パラメタの解析もすぐにできてしまうのではないでしょうか。 94

96.

【Ⅲ-5】強⼒なログ解析機能 ClickHouseの検証 ストレージ 使⽤量⽐較 CBORログデータ量 1600 GiB セッションごとにBrotli圧縮 100 GiB  圧縮性能としてはセッションごとにBrotli圧縮する現状に 及ばないものの許容可能  params, props については CBORで表現できるあらゆる型が⼊りうるため、 今回はCBORバイナリをそのまま突っ込んでいる  このままでは params, props を使⽤したフィルタは難しい  このテーブルを唯⼀のログデータ保存⼿段とするとき session_idに対応するログの抽出が最頻出クエリと 想定されるため (session_id, ordinal) が主キー  このとき特定フォーマットのログを抽出する操作は⾮効率的 ClickHouse ClickHouse / Brotli 138 GiB 138 % 参考︓ClickHouseスキーマ (default_compression_codec=ZSTD) CREATE TABLE default.logdata ( `session_id` String, `created_at` DateTime64(6), `channel_name` LowCardinality(String), `format_id` Int32, `timestamp` DateTime64(6) CODEC(Delta, ZSTD), `thread_id` UInt32, `ordinal` UInt32 CODEC(Delta, ZSTD), `frame` UInt32 CODEC(Delta, ZSTD), `format` Nullable(String), `params` Array(String), `props` Map(LowCardinality(String), String) ) ENGINE = MergeTree PARTITION BY toYYYYMM(created_at) ORDER BY (session_id, ordinal); 95 というわけで、有名な列指向データベースであるClickHouseを使⽤して、先ほどのようなlogdataテーブルを作るとどうなるか、検証してみました。 こちらの表にある通り、圧縮性能としてはセッションごとにBrotli圧縮する現状に及ばないものの許容可能であるという結果が出ました。 ただし、これを唯⼀のログデータ保存⼿段として使⽤する場合、最頻出クエリはセッションIDに対応するログを抽出するものであると考えられるため、 主キーの先頭をsession_idとする必要があります。 ただし主キーの先頭をsession_idとしてしまうと、 特定のフォーマットでどんなパラメタであったか抽出する操作は、列指向データベースであってもあまり効率的ではないのです。 95

97.

【Ⅲ-5】強⼒なログ解析機能 列指向DBを新しいログ統計機能に利⽤し 従来のパラメタ統計の⽋点を克服  解析対象とするフォーマットをあらかじめ サーバーに登録するのは引き続き必要となる このトグルをONにすると 統計対象として登録される  対象とするログを絞り込むことで ストレージ容量を節約  現状のRDBによるパラメタ統計に⽐べ使⽤する ストレージ容量を1/10以下に削減  主キーを (channel_name, format_id) と することで特定フォーマットのパラメタを 抽出する操作が効率的に  ユーザーがSQLを⾃由に組んで強⼒な解析と 結果の取得が可能 列指向DBを使⽤する ログ統計機能を 2026年7⽉にリリース︕ 96 そこで、セッションごとにBrotli圧縮する既存の仕組みは維持しつつ、列指向DBを新しいログ統計機能の基盤として利⽤することで、 従来のパラメタ統計が抱えていたストレージ使⽤量の問題を抜本的に解決することができました。 あらかじめ解析対象とするログフォーマットをサーバーに登録する必要があるのは現在のパラメタ統計と変わりません。 しかし、現状のリレーショナルデータベースを使⽤したパラメタ統計よりも圧倒的にストレージ使⽤量が少なくなりました。 セッションに対応するログの抽出は既存の仕組みを使えばよいため、テーブルの主キーをチャンネル名・フォーマットIDとすることができ、 このとき特定フォーマットに対するパラメタを抽出する操作は⾮常に⾼速となります。 このように、既存の仕組みと列指向DBのいいとこどりをして、2026年7⽉に列指向DBを使⽤する新しいパラメタ統計機能をリリースいたしました。 96

98.

【Ⅲ-5】強⼒なログ解析機能 おわり RE:Logの5つの特徴 1. チャンネルによるカテゴライズとIDログ 2. ログを⾼速・⼤量に出せる 3. URL1つでログを共有・取得 4. 全てのログがサーバーに集積 5. 強⼒なログ解析機能 97 ここまで、RE:Logの5つの特徴についてご説明してきました。 97

99.

最後にRE:Logについてのまとめを⾏います。 98

100.

【Ⅳ】まとめ(莫⼤な物量を⽀えるログシステム「RE:Log」の設計と実装) RE:Logはゲーム制作に⽋かせないログを もっと便利にするログシステム 従来のログが抱えていた問題をRE:Logで解決した RE:Logの機能によりゲーム開発における ログの活躍の幅がさらに広がった 99 RE:Logはゲーム制作に⽋かせないログをもっと便利にするカプコン内製のログシステムです。 RE:Logにより、従来のログが抱えていた問題を解決するだけでなく、 解析機能などによりゲーム開発におけるログの活躍の幅が広がりました。 99

101.

10年分の知⾒へ のアクセスを LLMで実現する 「RE:AssistAI」 これにてRE:Logについての講演を終わります。 続きまして、RE:AssistAIの講演を始めます。 100

102.

【10年分の知⾒へのアクセスをLLMで実現する「RE:AssistAI」】アジェンダ I. 前置き II. RE:AssistAIとは III. 全体構成 IV. 今後のビジョン V. まとめ 101 アジェンダは 前置き RE:AssistAI とは 全体構成 今後のビジョンと まとめ の五項⽬になります。 101

103.

前置き 102 前置き

104.

【Ⅰ】前置き 103 さて、さっそくではございますが、皆さま、開発中に知りたい機能や情報について、こんな経験はありませんか︖ 103

105.

【Ⅰ】前置き 記憶の断⽚ コミュニケーション ツールの会話で ⾒たことがある気がする 社内ドキュメントのどこか に書いてあった気がする GitLab/GitHub の PullRequest に コメントを書いた気がする 探してみても⾒つからない あるいは 沢⼭の時間の浪費… 104 SlackやTeamsの会話で⾒たことがある気がする… 会社のマニュアルに書いてあった気がする… Gitのプルリクエストにコメントを書いた気がする… 等、うろ覚えの記憶でいざ検索してみても、知りたいことが⾒つからない、⾒つかっても⼤量の時間を浪費してしまう。

106.

【Ⅰ】前置き RE:AssistAI 105 そんな断⽚的な知識と、10年分貯まったカプコンのドキュメントを結び付け、調査コストを削減させるサービスが、 RE:AssistAI となります。

107.

RE:AssistAIとは 106 RE:AssistAI とは

108.

【Ⅱ】RE:AssistAIとは RE:AssistAIとは 3つを掛け合わせた、AIサービス ⽇々の情報更新 ⾃然⾔語処理(NLP)を 基盤とした ハイブリッド検索 ⼩規模⾔語モデル (SLM) による⾃動返答 107 ⽇々の情報更新、NLPを基盤としたハイブリッド検索、SLMによる⾃動返答。 これら3つを掛け合わせたサービスとなります。

109.

【Ⅱ】RE:AssistAIとは 108 ここで⼀旦どのようなものなのかを動画でお⾒せします。 チャットツールにテキストを⼊⼒すると システムが感知し、エモートをつけて反応します。 少し待つとこのように返答がきます。 カプコンではコミュニケーションツールとしてMicrosoft Teamsを利⽤しています。 Teamsのユーザーからの質問に対して返答を⾏い、関連ドキュメントへのリンクを提供します。

110.

全体構成 109 今⾒ていただいたのが、RE:AssistAIの実際の動きです。 では、この動きをどう実現しているのか、その全体構成を説明します。

111.

【Ⅲ】全体構成 ユーザー RE:AssistAI Core クエリ整形処理 クエリリライト処理 会話⽂脈取得処理 質問 SLM⽣成処理 返答 RE:AssistAI BackEnd 情報検索処理 ベクトル検索 BM25検索 曖昧検索 ⽂書正規化 チャンク・ ベクトル化 リランク処理 各DBに格納 SLM返答処理 最終プロンプト整形 110 RE:AssistAI は、RE:AssistAI CoreとBackEnd、2つに分かれたサービスとなっており、 この⼆つのサービスを連携させて稼働しております。

112.

111 まず、先ほどの全体構成にあった RE:AssistAI BackEndについて解説します。

113.

【Ⅲ】全体構成 RE:AssistAI BackEnd ユーザー RE:AssistAI Core クエリ整形処理 クエリリライト処理 会話⽂脈取得処理 質問 SLM⽣成処理 返答 RE:AssistAI BackEnd 情報検索処理 ベクトル検索 BM25検索 曖昧検索 ⽂書正規化 チャンク・ ベクトル化 リランク処理 各DBに格納 SLM返答処理 最終プロンプト整形 112 先ほどの全体構成図の右側の部分となります。

114.

【Ⅲ】全体構成 ⽂書正規化 Markdownのメリット  構造が明確になり、検索精度が向上  ⾒出しや段落等の構造が統⼀されている 社内ドキュメントやTeamsの会話履歴は、 ⾃然⾔語処理として扱う上でノイズと なる情報が多く含まれた状態になっている。 HTMLの装飾やツール都合の情報を 統⼀されたMarkdownフォーマットに 変換する。  異なるデータソースを統⼀的に扱える  後⼯程でのベクトル化等の前処理のロ ジックを共通化出来る  SLMが解釈しやすい  プレーンなテキストベースなので ノイズが少ない 113 まず BackEnd 側では、最初に⽂書正規化を⾏います。 社内ドキュメントや Teams の会話履歴は、そのままだと、 HTML の装飾情報や独⾃ JSON、ID、タグなど、⾃然⾔語処理にとってノイズになる情報を多く含んでいます。 そこで RE:AssistAI では、これらを⼀度 Markdown 形式に変換します。 Markdown に統⼀することで、⾒出しや段落などの構造が揃い、検索精度を上げやすくなります。 また、データソースごとの形式差を吸収できるため、後続のチャンク化やベクトル化の処理も共通化できます。 さらに Markdown はプレーンテキストに近く、SLM が参考⽂書として読み取りやすい形式です。 つまり⽂書正規化は、後段の検索や回答⽣成の品質を⾼めるために、バラバラな情報を AI が扱いやすい共通形式へ整える⼯程になります。 ここで情報の形を揃えておくことで、後続の検索・ベクトル化・回答⽣成の品質を底上げしています。

115.

【Ⅲ】全体構成 ドキュメント例(Teams) 114 こちらは、Teamsの独⾃JSON形式を Markdownフォーマットに整形したサンプルになります。 IDやタグ等、必要のない情報が無くなりより⽂章としてわかりやすい形に変換されているのがわかります。

116.

【Ⅲ】全体構成 チャンク・ベクトル化 前⼯程で準備したMarkdownファイルを、検索に適した粒度へ分割し、 Dense / Sparse の2系統でベクトル化します Markdown ドキュメント 適切な分量に チャンク分け 意味がまとまる ⽂字数で分割 Dense Vector 後⼯程へ paraphrase-multilingualMiniLM-L12-v2 各DBへの 登録に利⽤ Sparse Vector BM25⽤に変換  なぜチャンク分けするのか ベクトル検索では⻑⽂よりも「意味がまとまった適切な⽂字数」 の単位でないと検索精度が落ちる Dense Vectorで利⽤している モデルが384次元ベクトル  ⽇本語だと約800⽂字までが表現限界  ⽣成する検索表現 Dense Vector︓paraphrase-multilingual-MiniLM-L12-v2 Sparse Vector︓BM25 DenseとSparseの両⽅を保持し、後続の検索で利⽤します 115 Markdownへの加⼯が終わりましたら、次はチャンク、ベクトル化を⾏います。 Markdownファイルを、検索に適した粒度へ分割し、DenseとSparseの2系統のベクトル化を⾏います。 ここでチャンク分けする理由ですが、ベクトル検索では⻑すぎる⽂よりも、意味がまとまった単位のほうが意図を拾いやすくなります。 ⻑すぎると逆に検索精度が落ちてしまいます。 また、Dense Vectorで利⽤している埋め込みベクトル⽣成⽤のモデルは384次元ベクトルなので、 ⽇本語ベースで約800⽂字が表現できる限界量となります。それ以上の⻑さだと、後ろの⽅の⽂が無視されてしまう結果となります。

117.

【Ⅲ】全体構成 各DBへのデータの登録 分割前 ドキュメント parent_id Chunk 01 doc_id+parent_id Chunk 02 Chunk 03 PostgreSQL DB parent_idで PostgreSQLの原⽂へ紐づけ  なぜDBを分けるのか Qdrant︓⾼速なベクトル検索を担当 PostgreSQL︓親⽂書の管理を担当 分離することで検索の効率性と容量効率を両⽴ Qdrant DB Elasticsearch  各DBのデータ内容 PostgreSQL︓親⽂書 QdrantDB︓Dense Vector+Sparse Vector+チャンク⽂章 Elasticsearch : チャンク⽂章 116 前処理が完了したら、次は各DBへデータの登録を⾏います。 前処理をする際の、チャンク分けする前のドキュメントに対して、parent_id という親⽂書を⼀意に定めるIDを付与し、PostgreSQLに格納します。 チャンク分けした各データは、それぞれ分割前と同じparent_id とチャンクそれぞれにIDを付与します。 分けたデータをそれぞれQdrant (クアドラント) とElasticsearch (エラスティックサーチ) に格納します。 なぜ複数のデータベースシステムを使⽤しているのかというと、Qdrant (クアドラント) ではベクトル検索は⾮常に⾼速に動作する⼀⽅で、 それ以外のインデックス検索にはあまり向いていないからです。 また、チャンク1つ1つに親⽂書を持たせるとDBが肥⼤化します。 親⽂書が必要な場合、インデックスアクセスができればいいので、通常のRelational DatabaseであるPostgreSQLを活⽤しています。

118.

【Ⅲ】全体構成 RE:AssistAI BackEndではDB更新処理を毎⽇稼働させています DBを最新状態に保持 毎⽇ ⽇々の情報更新 DB更新 Teams / Document / MR QdrantDB(ベクトル) Elasticsearch(曖昧検索) PostgreSQL(親⽂書) 新しい話題を取り込み、検索⽤DBへ毎⽇反映 毎⽇更新により、DBを陳腐化させません 117 Backendでは、検索に使うDBを毎⽇更新しています。 Teamsやドキュメントなどの最新情報を取り込み、常に新しい状態を維持するためです。 これにより、過去だけでなく、直近の情報も含めて回答できる状態にしています。 毎⽇更新することにより、DBを陳腐化させません。 Backendの説明は以上となります。

119.

118 次に、実際に⾃動返答が稼働するフェイズ、 RE:AssistAI Coreについてお話しします。

120.

【Ⅲ】全体構成 RE:AssistAI Core ユーザー RE:AssistAI Core クエリ整形処理 クエリリライト処理 会話⽂脈取得処理 質問 SLM⽣成処理 返答 RE:AssistAI BackEnd 情報検索処理 ベクトル検索 BM25検索 曖昧検索 ⽂書正規化 チャンク・ ベクトル化 リランク処理 各DBに格納 SLM返答処理 最終プロンプト整形 119 全体構成図の左側の部分となります。

121.

【Ⅲ】全体構成 クエリ整形処理 会話⽂脈を使って、最後の発⾔を「⾃⼰完結クエリ」に変換する前処理 ⼊⼒ 補正処理 出⼒ 会話履歴+最新発⾔ SLM補正 ⾃⼰完結クエリ クエリ整形のため • 対象を補完 • 会話履歴 • 省略された条件を復元 • 最後のユーザーの発⾔ • 検索向けに⽂⾯整形 上記内容を⼊⼒として扱う ⾼速に処理させるために、 ⻑い会話の場合最新の数件 にとどめる 対象・条件・確認内容が明⽰ され、単独で検索処理に 渡せるクエリに変換される  Qwen3:8bのような 軽量モデル  nothinkモードを使い ⾼速に処理 120 RE:AssistAI Coreではまず、 クエリ整形処理を⾏います。 ユーザーからの発⾔を、そこまでの会話履歴を⽤いて補正します。 SLMを⽤いて、ユーザーの発⾔から省略された⽂⾔を復元、付与します。この時に使⽤するモデルはQwen3:8bの軽量モデルを⽤い、 さらにnothinkモードを付与することで、2~3秒で処理させます。 整形処理を経て、検索に適した内容に変換されます。

122.

【Ⅲ】全体構成 クエリ整形処理︓補正サンプル ⼊⼒ 補正処理 出⼒ ゲームのパッケージの 実⾏時引数について教えて SLMのプロンプト 後段へ渡す⼀⽂ ゲームパッケージの実⾏時引数 は、プロジェクト設定の 「Advanced / RuntimeArgs」 に追加し、ビルド時に runtime.args ファイルへ 書き込まれます どこにマニュアルは ありますか︖ • 最新の発⾔を尊重 • 過去の会話補完のため だけに使⽤ 上記を指定することで、 今ユーザーが知りたい情報を ピンポイントで指定することが できる ゲームのパッケージの実⾏時 引数についてのマニュアルは どこにありますか 最後の発⾔に、会話中の 「実⾏時引数」という対象が 明⽰的に埋めこまれているのが わかる 121 クエリ整形処理のサンプルとなります。 まず、⼊⼒としてユーザーとAIの3回の会話リレーが⼊ってきます。 ユーザーが、ゲームパッケージの実⾏時引数についての確認をAIに投げた後、AIがその内容について返答します。 最後に、ユーザーが、「どこにマニュアルはありますか︖」と聞きます。 このままだと、 どこにマニュアルはありますか、という⽂で検索してしまうため、 SLMで補正を掛けます。 補正を掛けた結果、「ゲームのパッケージの実⾏時引数についてのマニュアルはどこにありますか」というクエリに変換され 無事クエリの質問対象が明確化しているのがわかります。

123.

【Ⅲ】全体構成 情報検索処理︓3系統ハイブリッド検索 性質の異なる3つの検索を並⾏実⾏し、 技術⽤語特有の「表記ゆれ・誤字脱字・⽂脈⼀致」をまとめてカバーする 1 2 キーワード検索 ベクトル検索 BM25 ・ SudachiPy 形態素解析 Qdrant ・ 384次元ベクトル 3 曖昧検索 Elasticsearch ・ あいまい⼀致 • ⽂脈・意味の近さで ⼀致させる • SudachiPyで形態素分割し ⾼速にスコアリング • ファジー(あいまい) ⼀致で表記の揺れを吸収 • 技術⽤語は表記ゆれが多 く、⽂脈で合わせたい場 ⾯に強い • 引っかかりが良く、 キーワード⼀致に強い • ちょっとした誤字脱字に 強い 100万件のドキュメントから、700件近くまで、ドキュメントを拾います 122 先ほどのクエリを⽤いた、検索部分の仕組みを説明します。 ポイントは、検索を1種類に絞っていないことです。 社内の技術情報は、表記が揺れていたり、略称で書かれていたり、あるいは会話の⽂脈の中に埋もれていたりします。 そのため、単純なキーワード⼀致だけでは、欲しい情報を取りこぼしてしまうことがあります。 そこでRE:AssistAIでは、ベクトル検索、キーワード検索、曖昧検索の3つを並⾏して動かしています。 ベクトル検索では、⽂章の意味の近さを⾒ます。 キーワード検索では、⼊⼒された単語そのものを重視します。 曖昧検索では、誤字脱字や表記ゆれを吸収します。 この3系統を使うことで、技術⽤語や社内独⾃の表現が多い環境でも、できるだけ検索漏れを減らす構成にしています。 そして、ここで集めた700件近い候補を、次のリランク処理で改めて評価し、最終的に回答⽣成に使う情報へ絞り込んでいきます。

124.

【Ⅲ】全体構成 リランク処理 3系統検索で集めた約700件を、質問との関連度で評価し直し、 ⼀意の尺度(0.0〜1.0)に正規化して並べ替える 0.98 Qwen3:8bReranker SLMを利⽤した リランク処理 約700件の候補ドキュメント 0.95 0.91 スコア上位を抽出 検索⼿法ごとに基準がバラバラなスコアを、⼀意の尺度に統⼀ 0.0〜1.0 に正規化することで、3系統の検索結果を横断して⽐較・並べ替え、関連度の⾼い⽂書を抜き出します 123 前のページでは、ベクトル検索、キーワード検索、曖昧検索の3系統で、できるだけ検索漏れを減らす構成を説明しました。 広く拾うということは、その分ノイズも混ざります。 そこで次に必要になるのが、集めた候補の中から、質問に対して本当に関連度が⾼いものを選び直す処理です。 RE:AssistAIでは、3系統検索で集めた約700件近い候補に対して、SLMを使い質問との関連度を改めて評価します。 ここで重要なのは、検索⽅式ごとに異なるスコアを、そのまま⽐較しないという点です。 ベクトル検索、BM25、曖昧検索では、それぞれスコアの性質が違います。 そのため、リランカーによって0.0から1.0の共通の尺度に揃えたうえで、 横断的に並べ替えています。 これにより、 質問に対してどれだけ役に⽴つかという基準で候補を選べるようになります。

125.

【Ⅲ】全体構成 SLMによる最終回答⽣成 上位10件の親⽂書をRAGとして渡し、COSTAR設計のプロンプトで SLMが最終回答を⽣成する ⼊⼒ SLM(回答⽣成) 上位10件の親⽂書 gpt-oss 20B + COSTAR プロンプト RAGを参照して回答を⽣成 出⼒ 最終回答 根拠付きの⼀貫した回答 プロンプト設計 COSTAR を参考にプロンプトを構成 - Context / Objective / Style / Tone / Audience / Response RAG︓上位10件 PostgreSQL の親⽂書を逆引き - チャンクから親⽂書をたどり、全⽂をRAGに投⼊ gpt-oss 20B を採⽤ - 回答⽣成は20B級モデルで⼗分な品質を確保 SLM 124 3系統検索とリランクによって、質問に関連度の⾼い候補⽂書を絞り込んできました。 RE:AssistAIでは、その上位10件の親⽂書をラグ(RAG)としてSLMに渡し、最終的な回答を⽣成します。 検索に使うチャンクだけでは⽂脈が不⾜する場合があるため、PostgreSQLに保存している親⽂書を逆引きし、全⽂に近い⽂脈を回答⽣成に利⽤します。 また、コースター(COSTAR)を参考にしたプロンプト設計により、 前提、⽬的、⽂体、トーン、対象読者、回答形式を整理して指定します。 これにより、単なる検索結果の提⽰ではなく、根拠付きで⼀貫した回答としてユーザーに返すことができます。

126.

【Ⅲ】全体構成 RE:AssistAI Coreを動かしている環境 ローカルPCスペック CPU : AMD Ryzen Threadripper PRO 9975WX 32-Cores (64 CPUs), ~4.0GHz GPU : NVIDIA GeForce RTX 5090 LocalSLMである理由  ドキュメントをまとめる等、⼤きなモデルを 利⽤しなくても良い処理であるため  SLM⽤に新たに機材を購⼊しなくても、カプ コン社内にはSLMのために利⽤できる⾼性能 なGPUが沢⼭ある 実際にRE:AssistAI Coreの 全体処理は約30秒で完了し、 50秒程度でユーザーの⼿元 に返答が届く 125 最後に、RE:AssistAI Core を動かしている実⾏環境について説明します。 RE:AssistAIでは、SLMを使った処理をローカル環境で動かしています。 現在の検証環境では、Threadripper PRO 9975WX と RTX 5090 を搭載したPC上で動作させています。 なぜローカルSLMなのかというと、RE:AssistAIで⾏っている処理は、必ずしも超⼤規模なモデルが必要なものばかりではないためです。 そのため、必要な⽂脈をきちんと渡せれば、20B級のSLMでも⼗分に実⽤的な回答品質を確保できます。 また、カプコン社内には⾼性能なGPUを搭載した環境が多くあります。 これらを活⽤することで、新しく⼤規模な専⽤環境を⽤意しなくても、ローカルで⾼速に処理できる構成を取れます。 実際の処理時間としては、RE:AssistAI Core全体の処理が約30秒前後、ユーザーの⼿元に返答が届くまでが約50秒程度です。

127.

今後のビジョン 126 ここまでは、現在のRE:AssistAIがどのように検索し、回答を⽣成し、どのような環境で動いているかを説明してきました。 ここからは、その仕組みを今後どのように広げていくか、というビジョンの話になります。

128.

【Ⅳ】今後のビジョン RE:Log 連携  RE:AssistAI Core からRE:Log の強固なログシステムと連携  探したいログの検索に加え、各バックエンドから持ってきた前提知識を⽤いて 問題の解決や統計情報の取得等をサポート  知識とデータを紐づけてよりアクティブなサポートを展開 MCPサーバー SLM⽣成処理 統計的な返答 ログ・統計取得 SLM返答⽣成 127 今後のビジョンとしてRE:Log連携について説明します。 現在のRE:AssistAIは、社内ドキュメントやTeams、MergeRequestなどのナレッジを検索し、⾃然⾔語で回答する仕組みです。 今後はそこにRE:Logのログ・統計情報を組み合わせることで、実際の開発現場で発⽣している問題に対して、 より踏み込んだ⽀援を⾏えるようにしていきます。 RE:AssistAI CoreからMCPサーバーを経由してRE:Logに接続し、ログ検索や統計情報の取得を⾃然⾔語で扱えるようにする構成です。 これにより、単にログを探すだけでなく、社内ナレッジを前提知識として使いながら、問題の原因調査や対応⽅針の検討まで⽀援できるようになります。 知識とデータを紐づけて、よりアクティブに開発現場をサポートしていく体制を構築します。

129.

まとめ 128 最後に、RE:AssistAIについてまとめます。

130.

【Ⅴ】まとめ(10年分の知⾒へのアクセスをLLMで実現する「RE:AssistAI」) RE:AssistAIは、10年分の社内ナレッジを⾃然⾔ 語で活⽤するAIアシスタント DB準備フェーズで⽂書を共通形式へ整備 3系統検索・親⽂書取得・リランク・回答 ⽣成を実⾏ 今後もよりRE ENGINEに特化し、連携させることで ゲーム会社ならではの強みをAI活⽤サポートに反映させる 129 RE:AssistAIは、10年分の社内ナレッジを⾃然⾔語で活⽤するためのAIアシスタントです。 DB準備フェーズで共通形式へ整備し、3系統検索で候補を集め、 根拠付きの⼀貫した回答としてユーザーに返します。 今後は、よりRE ENGINEに特化し、RE:Logなどのシステムとも連携することで、 ゲーム会社ならではの知識とデータを活かしたAI活⽤サポートへ発展させていきます。

131.

ご清聴 ありがとうございました 130 130