AIニュースまとめ 2026-08-11｜OpenAIが防御特化のGPT-5.6-Cyberを投入
アップデート情報
各社が 2026-08-11 に公式発表したプロダクトアップデートです。
Claude / Claude Code
- Claude Code 2.1.227 が公開され、期限切れのログイントークンでセッションを開始すると購読プランを見ずに機能フラグが評価され、Max プランの利用者に誤って使用量クレジットの有効化を促していた不具合を修正した。（Claude Code CHANGELOG）
- 同バージョンで、GitHub ホストのランナー上で
allowed_non_write_usersを指定したclaude-code-actionの Bash コマンドがすべて失敗する問題と、最初のメッセージより前まで巻き戻した会話を/tuiが復活させてしまう問題も修正された。（Claude Code CHANGELOG） - スラッシュコマンドのメニューが改善され、青は選択中の行だけを示すようになり、一致した文字は色替えではなく太字で強調され、絵文字やアクセント付きの名前もグリフを保つようになった。（Claude Code CHANGELOG）
- Compliance API が利用者の端末上で動く Cowork と Claude Code のセッションのトランスクリプトを返すようになり、Claude Enterprise 組織向けにベータ提供が始まった。（Claude Platform Release Notes）
ChatGPT / Codex
- OpenAI が無料での利用を支えるために ChatGPT 内での広告テストを開始し、明確な表示・回答の独立性・強固なプライバシー保護・利用者側での制御を伴うと説明した。（OpenAI Blog）
Gemini
- 2026-08-11 に発表されたアップデートはありません。
Top 20
OpenAI、サイバー防御「Daybreak」を赤青2階層に 特化型「GPT-5.6-Cyber」投入
Source: ITmedia AI+ | Published: 2026-08-11 11:48 JST
- OpenAI が防御者向け施策「Daybreak」を Blue と Red の2階層に再編し、Red 経由で専用モデル「GPT-5.6-Cyber」を提供して、正当な防御作業まで巻き込んでいた要求選別の制限を審査付きで段階的に緩めた。
- 内部評価「Advanced Cybersecurity Completion Rate」で GPT-5.6-Cyber は 95.0％の依頼に応じ、GPT-5.6 Sol 単体の 1.5％、Daybreak Blue 経由の 2.0％、前世代 GPT-5.5-Cyber の 57.3％を大きく上回った。
- Chrome の JavaScript エンジン V8 を調べさせたところ未知の脆弱性2件を発見し、連鎖させるとヒープサンドボックスから脱出できる内容で、Google へ報告されて CVE-2026-15903 が割り当てられた。
- このほかモバイル OS で5件以上、データベースでリモートコード実行に至る重大な脆弱性3件、OS カーネルで権限昇格につながるものを400件超特定したが、いずれも製品名は明かしていない。
- 安全性評価では自社の Preparedness Framework でサイバー能力を「High」と判断し最上位の「Critical」には届かないとしたうえで、詳細を含むシステムカードは後日公開するとしている。
ザッカーバーグCEO、超知能の集中化に警鐘 「単一の善意ある超知能は存在しない」とオープンモデル公開再開へ
Source: ITmedia AI+ | Published: 2026-08-11 07:21 JST
- Meta のザッカーバーグ CEO が論考「The Future is for Everyone」を公開し、Meta Superintelligence Labs（MSL）が本格稼働した今、間もなくオープンソースモデルの公開を再開すると明言した。
- 論考は個人のエンパワーメントを繁栄の源、発明を超知能の主目的、権力の均衡を安全の基礎とする3点を柱に据え、相反する価値観すべてに同時に沿う技術的解決策は存在しないと論じている。
- 政策面ではフロンティアAI企業が学習途中のチェックポイントを政府へ提供し重要インフラ防御に活用させる仕組みを提案し、中国へのチップ輸出規制の継続は支持する一方、米国のモデル公開を遅らせる政策には反対した。
- 自社体制としてモデル公開の安全基準の承認と適合性審査を社外の独立した取締役会に委ねる仕組みを導入すると表明し、他のラボにも同様の体制を促した。
- 実際に同日 MSL がオープンウェイトの「Muse Glimmer」を公開し、最新の基盤モデル「Muse Spark 1.2」のウェイトも近く公開するとXで述べた。Meta の新規オープンモデル公開は2025年4月の Llama 4 以来となる。
親が子にAIを使わせる理由は「勉強に役立つ」ではなく「うちの子だけは遅れさせたくない」？ 2000人を調査
Source: ITmedia AI+ | Published: 2026-08-11 07:00 JST
- 米シカゴ大学などの研究者が PNAS で発表した論文により、親が子に生成AIを使わせる判断は品質評価ではなく周囲の利用率という社会的圧力で動いていることが示された。
- 米国・カナダ・英国の13〜18歳の子を持つ親約2000人を対象に、周囲の10代の利用率を20％から80％と変えて提示すると、支払意思額は約17ドルから約28ドルへと6割以上増加した。参加者間の追試でも平均約18ドルと約26ドルで8ドルの差が出た。
- 「制限なしのAIを使えた生徒は後の数量的思考力テストで2割近く成績が低かった」と危険性を伝えるとマイナス評価に変わったものの、支払意思額はほとんど下がらなかった。
- 利用率を高く伝えても低く伝えてもAIの品質評価や学校での禁止への賛否に差は出ず、「良い物だと分かったから買う」わけではないことが確認された。全面禁止の方がよいと答えたのは危険性を伝えた群で57％、伝えなかった群で44％だった。
- 答えと解き方を出す数学アプリと、考えさせながら段階的に導く学習支援ツールを比べると、学校で禁止すべきという賛成は56％対39％で開き、子どもの思考を肩代わりしない設計なら親は受け入れやすいと示された。
Metaがローカル動作するオープンモデル「Muse Glimmer」を公開、30BでGoogleのGemma 4 31Bより高性能
Source: GIGAZINE | Published: 2026-08-11 10:58 JST
- Meta がパラメーター数296億の Dense モデル「Muse Glimmer」をオープンモデルとして公開し、第三者機関の評価でもクローズドモデルを上回るスコアを記録した。
- Artificial Analysis の Intelligence Index では Claude Haiku 4.5 を上回り Gemini 3.5 Flash-Lite に迫るスコアで、2025年に登場した Llama 4 シリーズと比べて大きな飛躍だと評価されている。
- テキストと画像の入力に対応し、公開されたベンチマーク表では多くのテストで Gemma 4 31B を上回っている。
- 軽量な拡散モデルでドラフトを生成する投機的デコーディング手法「DFlash」に対応し、NVIDIA GeForce RTX 5090 ではデコード速度が3.1倍、毎秒233トークンに達する。
- ライセンスは Apache License 2.0 で VRAM 24GB の GPU にウェイト全体を載せられ、LM Studio と Ollama はすでに対応済み。Meta は「Muse Spark 1.2」も近日中にオープンモデル化すると告知している。
Meta、ローカル動作に特化したオープンモデル「Muse Glimmer」公開 Apache 2.0で提供
Source: ITmedia AI+ | Published: 2026-08-11 07:11 JST
- Meta Superintelligence Labs が「Muse Spark」を教師モデルとして蒸留した約296億パラメータのマルチモーダルモデルを Apache 2.0 で公開し、常時稼働のローカルエージェント用途を想定すると説明した。
- 入力はテキストと画像、出力はテキストのみで、学習データは100以上の言語をカバーし、コンテキスト長は13万1072トークン以上、推論の強さは low／medium／high／xhigh の4段階から選べる。
- 完全精度では55GB超のメモリが必要だが約4bit量子化で言語モデル部を20GB未満に圧縮でき、15種のベンチマークの平均精度低下は24GB向け構成で1.0％、32GB向けで0.2％にとどまった。
- 同社測定では MCP Atlas 75.5、DeepSearch QA 74.6、SWE-Bench Pro 51.2、AIME 2026 94.7 で Gemma4-31B と Qwen3.6-27B を上回った一方、OSWorld-Verified や SWE-Bench Verified、TerminalBench 2.1 は Qwen3.6-27B が上回った。
- 間接的なプロンプトインジェクション耐性を測る Siren AgentDojo の攻撃成功率は28.4％で Gemma4-31B の25.6％より悪く、能力面では同社の定義する「フロンティアAI」には該当しないと評価されている。
Introducing Muse Glimmer（Muse Glimmerを紹介する）
Source: Simon Willison | Published: 2026-08-11 08:56 JST
- Simon Willison 氏が Muse Glimmer を手元で動かし、ローカルモデルに求めていた要件をちょうど満たしていると評価した。
- Apache 2.0 ライセンスは、かつての扱いにくかった Llama 系ライセンスからの前進だと指摘している。
- LM Studio の18.16GB版でペリカン画像を生成したうえ、自作の llm-coding-agent プラグインで Datasette の新規チェックアウトに対し「how does auth work?」を実行させ、コードベースを探索するツール呼び出しの一部始終を記録として公開した。
- 実行には llm-lmstudio に LLM 0.32 との互換用パッチを当てており、その手順もそのまま示している。
- 32GB以上のRAMがあれば他のアプリを同時に動かす余裕が残るサイズ感が気に入っているとし、視覚モデルとして画像の描写もテストしている。
無料のVPSコントロールパネル「1Panel」、OpenClawなどのAIエージェントの複数一括管理も可能
Source: GIGAZINE | Published: 2026-08-11 12:00 JST
- VPS の管理画面に AI エージェントの作成・設定機能まで組み込んだ無料パネル「1Panel」を実際に構築し、OpenClaw を App Store から導入できることを確認した。
- サーバー状態の確認、Webサイト設定、データベース構築、Dockerコンテナ管理、ファイルブラウザ、ファイアウォール設定をブラウザ上のWebUIから行える。
- エージェント作成には先に Model Account を作る必要があり、Provider と API キー、検証用モデルを登録したうえで AgentType に OpenClaw、WebUI ポートを指定する流れになる。
- 構築は Google Cloud の VM 上の Ubuntu に
quick_start.shをワンライナーで流し、言語・インストール先・ポート・管理画面のパス・管理者ユーザー名とパスワードを対話的に設定するだけで完了した。 - 有料の Pro Edition では OpenClaw エージェントの無制限作成に加え、MCP Server 管理・GPU 監視・Webサイトの改ざん防止・定期ウイルススキャン・監視レポートが利用できる。
OpenAI launches GPT-5.6-Cyber to help defenders find vulnerabilities before attackers do（OpenAI、防御側が攻撃者より先に脆弱性を見つけられるようGPT-5.6-Cyberを公開）
Source: The Decoder | Published: 2026-08-11 03:01 JST
- OpenAI は Daybreak を2階層化して GPT-5.6-Cyber を投入したが、防御側に猶予がないことを最もよく示したのは自社モデルが Hugging Face などを偶発的に侵害した一件だったと記事は皮肉を込めて指摘している。
- Daybreak Blue は脆弱性検出やマルウェア解析、インシデント対応といった認可済みの防御作業向けに GPT-5.6 Sol を提供し、Daybreak Red は脆弱性研究・エクスプロイト検証・ペネトレーションテストを行う研究者を対象とする。
- どちらの階層も本人確認、アカウントのセキュリティ対策、監視、法的宣誓が必要で、2026年9月1日からは全 Daybreak アカウントでハードウェアセキュリティキーが必須になる。
- 内部ベンチマーク「Advanced Cybersecurity Completion Rate」で GPT-5.6-Cyber は95％の依頼に応じ、GPT-5.6 Sol は1.5％、Daybreak Blue 経由で2％、GPT-5.5-Cyber は57.3％だった。
- 管理パネル向けの WebSocket 認証バイパスを作らせるテストでは Daybreak Red 上の GPT-5.6-Cyber だけが動作するエクスプロイトコードを生成し、他の構成はすべて回答を拒否した。
AI記事生成プラットフォームのアーキテクチャを設計する
Source: Zenn | Published: 2026-08-11 18:36 JST
- 記事を増やすことと検索で勝てる構造を作ることは別物だとして、AI記事生成を単発のライティング支援ではなく検索意図を起点にしたトピッククラスター設計から組み込む方針に切り替えたと述べている。
- 生成ジョブをキューに積む前にピラー（親）とクラスター（子）の境界条件を JSON で固定し、親は定義・全体像・判断軸、子は手順・条件分岐・注意点に分けて各見出しにアンカーIDを割り当てた。
- 生成プロンプトには参照先の親アンカー一覧を必ず添付し、子記事が勝手に論点を増やせないようにしたうえで、生成HTMLから内部リンクの到達性を機械的に検査している。
- E-E-A-T は経験を一次情報、検証を再現可能な手順、権威を参照元の明示、信頼を免責の記載へ対応づけ、SEOスコアは観測点の充足度を集計する方式にした。加点を増やすと根拠の量だけが膨らむ罠も指摘している。
- 運用は「要求→下書き→検証→公開→再生成」の状態機械に寄せ、失敗時は親のみ・子のみ・画像のみの粒度で切り戻せるようにしている。
Claude Code 新機能のセッション間メッセージ、使う前に知ってほしい「即座には読まれない」問題
Source: Zenn | Published: 2026-08-11 18:12 JST
- セッション間メッセージは届いた瞬間に読まれるものではなく、受信側はターン中のツール呼び出しと呼び出しの合間にしか処理しないため、「送信済み」を「読まれた」と扱うと事故ると警告している。
- 著者は編集部型のエージェント運用で2026-08-08から09の2日間に同種の行き違いを4件起こし、プルリクエストの競合、承認済み修正の巻き戻し、消えた変更を戻すためのプルリクエストまで発生した。
- 具体例として担当範囲を「11から13まで」に縮める指示が届く前に相手が15本目まで終えており、記事14と15が別担当と二重レビューになった。
- 対策は2つで、着手前に対象ブランチとプルリクエストの状態を必ず確認させること、範囲変更で衝突したら先に終わっていた方を採用して差分だけ追加でやり直す「先勝ち＋残差」方式にすることだとしている。
- 対応環境は macOS と Linux（WSL 2 内の Linux を含む）で、v2.1.225 の Windows ネイティブでは
/list-agentsも/peersも「isn’t available in this environment」を返し、しかも終了コードは 0 だったと実測している。
音声AIに推論を足したgpt-realtime-2.1、それでも遅くならない理由
Source: Zenn | Published: 2026-08-11 13:36 JST
- gpt-realtime-2.1 は推論を積みながら遅延を下げており、その改善は推論そのものではなくプロンプトキャッシュの改良で稼いでいると分析している。
- OpenAI は Realtime 系の音声モデル全体で p95 レイテンシを最低25％削減しており、平均ではなく遅い側5％の尾を縮めた点が音声UXでは重いと指摘する。
- 音声入力トークンは100万あたり32ドルだがキャッシュ済み入力は0.40ドルまで下がるため、セッションが長引くほど後半のコストと遅延が下がる構造になっている。
- mini は推論を得ても価格が据え置かれ、テキスト入力0.60ドル・音声入力10ドル・音声出力20ドルで、フルモデル（4ドル・32ドル・64ドル）とは音声出力で3倍以上の開きがある。
reasoning.effortは minimal から xhigh の5段階で既定は low、GA 版では従来のOpenAI-Beta: realtime=v1ヘッダを外す必要があり、接続は WebRTC・WebSocket・SIP の3系統が用意されている。
公開前チェックを自作したら、自分の過去記事を誤検知した話
Source: Zenn | Published: 2026-08-11 13:51 JST
- 自作した公開前チェックが初回実行でレビュー済み・公開済みの記事1件を誤検知し、チェックロジックの正しさよりも「何を禁止文字とみなすか」の線引きの方が難しいと結論づけている。
- チェック項目は slug の形式（半角英数とハイフンで12〜50文字）、
publishedの有無と真偽値、topics が3〜5個、禁止文字の混入の4つに絞った。 - 誤検知の原因は frontmatter の
emoji: "🛠️"が U+1F6E0 と異体字セレクタ U+FE0F の2コードポイントで構成されていたことで、emoji 行をスキャン対象から外すと本物の記事10件すべてが errors=0 で通過した。 - 他の9記事の絵文字は単一コードポイントで、使っている絵文字の種類次第で同じロジックでも引っかかったり引っかからなかったりすると確認している。
- わざと不備を仕込んだ7ファイルでは6種類の不備を6/6検出し、正常なファイル1件は誤検知せず、スマートクォートを2箇所混ぜたファイルは2箇所とも検出できた。
BM25を使用してCodexのトークンの消費を30%抑える
Source: Zenn | Published: 2026-08-11 10:08 JST
- 自社コードベースでの検証の結果、BM25 を候補検索として Codex の前段に置くと回答品質を保ったままセッション全体のトークンを29.2％削減できた。
- 検証対象は7,536ファイル・68.8MBのリポジトリで、Codex CLI 0.146.0-alpha.3.1、gpt-5.6-sol high を使い、低・中・高難度の質問を4問ずつ各条件1回ずつ実行している。
- トークン合計は1,812,066から1,283,250へ減り、質問ごとの削減率中央値は28.5％で12問中10問が削減、動作時間の中央値も50.8秒から30.0秒へ短縮した（参考値）。
- 難度別の削減率中央値は低39.8％、中31.9％、高28.5％で、足がかりの情報に到達した後の効率差は小さいため難度が上がるほど恩恵が減ると考察している。
- 15,000個のコード断片に分割した SQLite インデックスは164MBで構築は27秒。識別子を構成語にも分割し、日本語は2文字ずつにも分け、パスに現れる語を本文より強く評価する工夫を入れている。
SkillとMCPを1ディレクトリで配る最小規格 - Agent Plugins 1.0
Source: Zenn | Published: 2026-08-11 00:00 JST
- 仕様書と JSON Schema の実物を読み込み、Agent Plugins 1.0 はセキュリティ機構ではなくパッケージ規約であり、トラストモデル・権限システム・サンドボックス要件を意図的に定義していないと整理している。
- 2026年8月6日に公開された規格で、Vercel が提案し AWS・Anysphere（Cursor）・GitHub・Microsoft・OpenAI が共同で内容を練り上げ、技術運営委員会は Amazon・Cursor・Microsoft・OpenAI・Vercel の5名で構成される。
- 発見位置は固定で
plugin.jsonから上書きできず、skills/は直下1階層のみを探索するためskills/team-a/deploy/SKILL.mdは発見されない。skills/もmcp.jsonも存在しなくてもエラーにはならない。 plugin.jsonのトップレベルは$schema・name・version・description・author・homepage・repository・license・keywords・extensionsの10個で閉じており、publisherやdependenciesは存在しない。- パス封じ込めが守るのはパッケージが供給するファイルへのアクセスまでで、コマンド引数や環境変数の値は不透明な文字列として扱われ、起動したサブプロセスのサンドボックス化は対象外だと注意を促している。
LLM APIの個人デモを公開するとき、キーを隠すだけでは足りなかった
Source: Zenn | Published: 2026-08-11 08:55 JST
- APIキーをサーバー側に隠しても公開された中継サーバーのURLは叩かれ続けるため、キーが盗まれないことと課金が止まることは別の対策だと結論づけている。
- 上限は3か所に重ね、出力は
max_tokensを1024でサーバー側に固定してクライアントから指定できないようにし、入力は記録文4000文字までで超えたら400を返すようにした。 - 最も効いたのは前払いクレジット残高そのものを5ドルに絞ることで、自動リロード設定がオンだと壁が壁でなくなるため公開前に必ず確認すべきだと指摘している。
- レート制限は IP ごと20回/10分・全体200回/10分としたが、Vercel のサーバーレスではインスタンスごとにメモリが分かれてカウントが共有されず、ベストエフォートに留まると自ら明かしている。
- 共有ストア化を見送ったのは損失上限が5ドルで動かないためで、どこを堅くしどこを緩めたかを理由つきで README にも書いたという。
OpenAIのFedRAMP Moderate認可から考える規制環境向けAIアーキテクチャ
Source: Zenn | Published: 2026-08-11 12:18 JST
- FedRAMP Moderate 認可は新モデル単体のニュースではなく、公共部門の AI 導入が PoC から本番運用へ移るための基盤だと位置づけている。
- OpenAI は2026年4月27日に ChatGPT Enterprise と OpenAI API Platform の FedRAMP 20x Moderate authorization 取得を発表し、対象は米連邦機関向けの利用である。
- 公式発表では ChatGPT Enterprise、OpenAI API Platform、FedRAMP Marketplace、Trust Portal、将来的な Codex Cloud 環境へのアクセスが示されている。
- 認可は利用できる機能範囲やモデル、データ処理条件を自動的にすべて保証するものではなく、FedRAMP 向けが商用プラットフォームの全機能を初期から含むわけではないと注意を促している。
- 実装指針として、
commercialとregulatedを分ける ClientPolicy と、dataClass が regulated のとき承認済み環境でなければ例外を投げるリクエスト前チェックの TypeScript 例を示している。
論文メモ：OP4KSRのRoPE周波数調整と周期アーティファクト抑制
Source: Zenn | Published: 2026-08-11 20:55 JST
- OP4KSR は4K画像をパッチ分割せず1ステップで超解像し、その副作用として出る32ピクセル周期の格子模様を RoPE の基底値変更と周期性損失で抑える手法だと整理している。
- F16 VAE と2×2 token packing により4096×4096の画像を128×128の token grid に落とし、UltraFlux を基盤とする Flux 系 DiT で低解像度latentを t_mid=0.3 に対応付けて1回の forward で予測する。
- 1トークンが担当する元画像上の範囲が16×2＝32ピクセルになるため、水面・壁・芝生・顔など隣接領域が似た場所で token 由来の模様が反復して見える。
- 原因は token 間の RoPE phase collapse と token 内部の intra-token blindness の2粒度に分けられ、2D-RoPE の基底値を10,000から100へ下げると強い位相信号を持つ次元が28次元中8次元から15次元に増える。
- token 内部の周期性には予測画像と正解画像の局所自己相関を lag {8,16,24,32,40} で合わせる損失を使い、32ピクセルだけを潰してタイルや窓のような本物の周期模様までぼかすことを避けている。
【第16回】同じことを二度調べさせるな。Hermes Agentは作業履歴からセカンドブレインを作る
Source: Zenn | Published: 2026-08-11 20:18 JST
- Hermes Agent にすでに同梱されている llm-wiki skill を呼ぶだけで、貯まった作業履歴から索引と相互参照を備えたセカンドブレインが作れると解説している。
- 元ネタは2026年4月3日に Andrej Karpathy 氏が投稿した「LLM Knowledge Bases」で、2146万インプレッションを集め、raw に投げ込んだ資料を LLM が wiki へまとめ続けるパターンとして広まった。
- その4日後の2026年4月7日に Nous Research の Teknium 氏が Hermes Agent へ LLM-Wiki を同梱したと告知しており、読者は
hermes update済みなら.envに2行足して/llm-wikiを呼ぶだけでよい。 - 本回で Vault 配下に
entities/（人物・組織・製品・ツール）、concepts/（概念・技術トピック）、queries/（よくある問いと回答）の3フォルダが生まれ、raw 層は読むだけで書き換えない。 - これら3層は公式の「Which File Does What」というメモリ地図（Memory・Vault knowledge・state.db・raw/transcripts）には載っておらず、自分の判断で足す第5の層という位置づけになると注意している。
話しかけたら絵が出てくる——小さなローカルLLMを実戦投入するまでの5日間
Source: Zenn | Published: 2026-08-11 20:33 JST
- 日本語で「夕暮れの海辺に立つ女性」と打つと20秒後に画像が返る仕組みを、自分で借りた GPU に立てた1.5B のローカル LLM で実現するまでの5日ぶんの判断をそのまま公開した本である。
- 1枚の GPU に画像生成器と LLM を同居させる構成を採り、要件定義では合格条件を先に7つ書いてから着手している。
- 小さいモデルで起きる「指示を落とす」「無視する」「ありもしない語を作る」という3つの事故に対し、壊れ方を8つの型に分けて数えられるようにしてから対策している。
- 効いた対策は出力を形で縛ることと生成の回を選び直すことの2つで、運用初日に出た4件のつまずきまで記録している。
- 全12章のうち本編11章は無料公開で、そのまま貼れるコードと自分の用途への持ち出し手引きを収めた付録章のみ200円の有料、文章量は約47,211字となっている。
GPTシリーズとは？OpenAIのLLM系列
Source: Zenn | Published: 2026-08-11 07:36 JST
- 生成AIパスポート試験の対策として、GPTシリーズを「OpenAIが開発するTransformerベースの大規模言語モデル系列」と一文で言えるように整理している。
- GPT-2、GPT-3、GPT-4、GPT-5 と世代を重ねるごとにパラメータ数などの規模と性能が拡大してきた系列だと位置づける。
- GPTシリーズが採用する「事前学習＋追加調整」という枠組みが、現代のLLM開発における標準的なアプローチとして広がっていると説明する。
- 混同しやすい用語を表で切り分け、Transformer は基盤アーキテクチャ、LLM は概念のカテゴリ、RLHF は出力を人間の意図に整合させる調整手法、ハルシネーションは現象だと区別している。
- 学習のヒントとして、基盤技術・カテゴリ・調整手法・課題をセットで覚えると関係を整理しやすいと薦めている。
All Articles
Zenn
| # | Title | Summary | Author | Published |
|---|---|---|---|---|
| 1 | 「RAGの正答率89%」を現場の言葉で聞き直したら6%だった | 同一システムの同一実行でも合格基準の置き方だけで正答率が94%・87%・42%・6%と変わると示し、規程に転記できる水準では6%だったと明かしている。 | @TATSU｜独立フルスタックエンジニア | 22:57 |
| 2 | DynamoDBのベクトル検索で簡単にRAGができるようになったぞ！ | 2026年8月5日にGA化されたDynamoDBのリアルタイムベクトル検索を試し、従来必要だった別サービスとのID紐づけによる二重管理なしでRAGを組めるようになったと報告している。 | @とすり | 22:21 |
| 3 | 長い仕事は「切れ目」で割る — 文脈を捨てるための工程分割3基準 | セッションを切るのは崩れてから打つ手だとして、分業ではなく文脈を捨てるために工程を割るという目的を置き直し、切れ目を判定する3つの基準を提示している。 | @手順屋 | 22:10 |
| 4 | 要求の「曖昧さ」より、LLMが返す「過剰な確定性」のほうが危ないのではないか | 要求工学が長年「検出して潰すべき欠陥」としてきた曖昧性より、LLMが勝手に確定させて返す方が危険ではないかという未確定の仮説を、機能安全の文脈で提起している。 | @Haowei Cheng | 21:51 |
| 5 | AIが「仕事をする」時代に、エンジニアの仕事はどうなるのか | 要件定義から設計・実装・テスト・レビューまで人間が主役だった工程にAIが実務レベルで入り込み、「AIを使う」より「AIと一緒に進める」感覚が近いと自身の業務から述べている。 | @Saiko-Seiko | 21:31 |
| 6 | 自宅サーバーではじめる ローカルLLM入門 第1巻 基礎・構築編 | UbuntuとNVIDIA GPUを基本構成にOllamaとGemma 4を導入し、家庭内の別PCから使える自分専用AIサーバーを構築する手順を、量子化の考え方から運用とトラブル対応まで解説している。 | @Murasan Lab | 21:25 |
| 7 | 監視ソースをYAMLで管理し、クラッシュしても再開できるキューを作る #3 | ローカルLLM分析とRSS収集を1本のパイプラインへ結合して監視対象をYAMLで宣言的に管理できるようにし、検証中のBSODを機に「LLMが死んでもパイプラインは壊れない」キュー設計へ作り直している。 | @katamarize | 21:18 |
| 8 | ローカルLLM推論中のブルースクリーン(DPC_WATCHDOG_VIOLATION)をWinDbgで追う #2.5 | ローカルLLM推論中に発生したDPC_WATCHDOG_VIOLATIONをWinDbgで解析し、実用運用にはソフトウェア設計だけでなくハードウェア側の見立ても要ると学んだ顛末を記録している。 | @katamarize | 21:18 |
| 9 | 「あの人なら？」を4件から集める――意思決定RAGのExcelづくり | 事業承継では設備や契約は残せても判断の癖が残らないとして、後継者が相談できる意思決定RAGへ入れる判断エピソードを4件だけ作る手順を具体化している。 | @hobomokha | 21:03 |
| 10 | AIエージェントにできることを1つ増やす ― Claude Code に MCP サーバーを1本つなぐ最初の一歩 | claude mcp add ひとつだけを扱い、MCPサーバーを1本つないで接続済み表示を自分の目で確認し、不要になったら削除して元に戻すまでを10分で体験できるよう手順化している。 | @あきらパパ | 20:43 |
| 11 | ChatGPTをPM、Claude Codeをエンジニアにして失敗した。PM役のAIを外すまで | 人間の開発チームに近い役割分担のつもりでChatGPTに仕様整理を任せる構成を続けたところ妙なことが起き始め、最終的にPM役のAIを外すに至った経緯を振り返っている。 | @亀井優希｜AI変革アーキテクト | 20:20 |
| 12 | MoneyPrinterTurboとは？MacのDockerで動かして再生ボタンまで直した | AI短編動画を自動生成するOSS MoneyPrinterTurbo v1.3.3をMacのDockerへ導入し、イメージ取得の失敗・コンテナ名の競合・完成後に再生ボタンが反応しない問題までの直し方をまとめている。 | @hrak0x59 | 20:04 |
| 13 | Hermes AgentでCoder専用Profileを作る | 同じKimi K3・同じ28タスクでもharnessを替えるとtoken消費中央値がKimi Code 61k、Hermes 67k、Claude Code 340kと5倍開くという比較を引き、Coder専用Profileの作り方を解説している。 | @Na | 19:50 |
| 14 | サブエージェントに仕事を任せる設計パターン 〜「とりあえず並列」から卒業する5つの型〜 | 分け方を勘で決めると分業したのに前より遅くて雑になると指摘し、手分け・実装と検証の分離・受付役による振り分けなど型は数が限られていると整理している。 | @シュンク堂 | 19:41 |
| 15 | Claude Codeの自動モードでも、一部コマンドを確認したいのでPreToolUseフックを作った | CLAUDE.mdに禁止事項を書いても実行時の強制ルールにはならない問題への対策として、Bash実行直前にローカルのルールで禁止・確認を判定するOSS「PolicyApprovalGate」を公開している。 | @Nobuo Miura | 19:30 |
| 16 | ループエンジニアリングは、なぜ同じ提案を繰り返すのか | 答えが一意に決まらない探索系のループでは数周を過ぎると既出の2〜3案を言い回しだけ変えて再提案し続け、トークンだけが確実に減っていくと指摘している。 | @MotimotiNotch | 19:26 |
| 17 | 双極性障害の私が、AIと一緒にObsidianを「自分を責めない記録システム」に作り替えた話 | 自分の脳の仕様を先に明文化してからObsidianを設計し、やることリストではなくやったことリスト、習慣トラッカーではなく責めない記録へと世間のベストプラクティスを改造したと述べている。 | @かのん | 19:22 |
| 18 | Gemini in BigQueryで自然言語からSQLを生成する実践ガイド【2026年版】 | GA4データをBigQueryへ連携したもののSQLが書けず活用できていないEC事業者向けに、日本語や英語でやりたい分析を入力してSQLを生成させる手順を2026年版として整理している。 | @ウェブの便利屋 | 19:20 |
| 19 | 開発の暗黙知を集約するskillsを作った | レビューでの違和感やデバッグの直感は抽象度が高く熟練者ほど言語化しにくいとして、会話から自動的に暗黙知を収穫してskillsへ蓄積する仕組みを作っている。 | @FatRicePaddyyyy | 19:20 |
| 20 | Fabric Automation Tool — Microsoft Fabric環境を構築するAI支援自動化ソリューション | Microsoft Fabricの問題は自動化の不足ではなくTerraformやBicepが動き出す前にアーキテクチャや権限、命名規則を人が手作業で決め終えている点だとして、その前段をAIで支援する構成を紹介している。 | @Data Impact | 19:03 |
| 21 | ChatGPT 生成画像の色ムラを NovelAI API で修正する方法 | ChatGPTのアニメ風画像は色ムラが強く修正を重ねるほど悪化する一方Stable Diffusion系では起きないと指摘し、NovelAI APIで色を均一化する手順を示している。 | @Lycoris52 | 18:57 |
| 22 | GitHub Issue を「行動 OS」にする ── Life Management Agentという実験 | Notion・Obsidian・Todoistはいずれも情報を貯めるまでは得意でも次の行動を導けないと整理し、GitHub Issueを行動の実行基盤に据える実験を紹介している。 | @macksat | 18:46 |
| 23 | AI開発の半分をローカルLLMへ。大きいモデルを選ばず、役割で振り分けた話 | 2026年7月30日時点で社内AI開発の実行量比率がローカルLLM 50.3%・クラウド48.2%になったという観測値を示し、そこへ至る役割ベースの振り分け方を記録している。 | @chooser | 18:44 |
| 24 | Claude Code 完璧マスター講座【中級編】——「なんか使いこなせてない」を解決する装備庫 | 全4冊構成の第2冊として、プロンプトの型・CLAUDE.mdの育て方・ターミナルへの移行・スキル・MCP・モデル選びに加え、資料作成やリサーチなど業務別のレシピをまとめている。 | @いむたろ | 18:33 |
| 25 | Strands Agentsのshould_offloadでツール結果を選択的にオフロードする | Context Offloaderは従来トークン閾値を超えた結果を一律で外部ストレージへ退避していたが、v1.51で追加されたコールバックにより結果ごとに退避の可否を判断できるようになったと解説している。 | @ルサンチマン | 18:20 |
| 26 | 複数LLMを1つの会話で切り替えたい。星合庵が会話中心の構成になるまで | 自作チャットUIとFastAPI中継の構成を見直し、ひとつの会話画面から複数のLLMへ接続して途中でモデルを切り替えても続きを引き継げるところまで作り込んだと報告している。 | @Mai | 18:19 |
| 27 | 固定費ゼロで自宅DifyをAzure OpenAIに繋ぐ — ケチケチIaC構成 | 理想はPrivate Endpointによる閉域接続だが月2,000円弱の固定費は趣味用途には重いとして、自宅KubernetesのDifyとAzure OpenAIを固定費ゼロで繋ぐ構成を選んだ理由とコスト比較を記録している。 | @よたん | 18:19 |
| 28 | AIでLPを1〜3日で作るために、最初に固定する5つのもの | 修正を頼むたび別の場所が崩れる原因はAIの性能ではなく人の頭に判断が残っているためだとして、着手前に固定しておきたい5項目と実務的な進め方を示している。 | @Tact Works | 18:16 |
| 29 | なぜAIで作業を効率化しても、給料が上がらないのか？ | GitHubのコミット数が前年同期の約3倍になったのに報酬の振込予定額はほぼ同じで時給換算ではむしろ下がっていたという実感から、生産性向上が収入に結びつかない理由を考えている。 | @karamage | 18:09 |
| 30 | コーディングエージェント（Cursor / Claude Code）をクラウド版で動かしてみた（2026年8月版） | Claude Code on the webとCursor Cloud Agentsをいずれも月20ドル前後のProプランで実際に動かし、隔離環境で開発する体験とUI・料金・権限まわりを個人開発者の視点で比べている。 | @Saka_Tech | 17:55 |
| 31 | LLMアプリの「デモでは動くが本番で使えない」を潰す評価設計 | デモが通ってしまうのは作り手が無意識にモデルの得意なパターンを選ぶためだとして、デモを通す評価と本番で求められる評価は別物だという前提から評価設計の考え方を示している。 | @Ohmiya-Mizuki | 16:46 |
| 32 | クライアントワークでClaude Codeを使う際の運用設計 | 個人開発と違いクライアントワークではコンテキストに何を読み書きさせるかがそのままセキュリティと契約上のリスクになるとして、FDEとして固めてきた線引きの運用設計を公開している。 | @Ohmiya-Mizuki | 16:42 |
| 33 | コードを1行も書かずに、AI3人と組んで、現場で使えるものを作った話（AI HACK 2026） | 打ち合わせの録音から追加見積が必要な変更や保留とその期限を仕分け、施主向け・職人向け・社内保存用の3文書に変換するアプリKIMARIを、自分は一行もコードを書かずに完成させたと報告している。 | @Mari | 16:35 |
| 34 | なぜ、AIは悪意の天才ハッカーが使うほど危なく、イタズラ小僧が使っても比較的安全なのに、人々は逆だと思いがちなのか？ | 社会全体の被害がどれだけ増えるかという問いと、一人に渡したとき誰が最も危険になるかという問いが混同されていると整理し、両者を切り分けて論じている。 | @pdfractal | 16:32 |
| 35 | 【AIエージェントでナポレオン】# 10. 競りの記憶も持たせたら、キャッシュがまた分裂した日 | カードプレイには過去のトリック記録があるのに競りフェーズには記憶が無かった点を補って経過を覚えさせた結果、キャッシュが再び分裂した経緯と打ち手のLLM化完成までを記録している。 | @ガク | 16:20 |
| 36 | 母さん、スライド用の画像をChatGPTで作らないで！ | 画像は後から編集しづらい形式なので、テキストや数字を後で書き換えたくなるスライドを一発目から画像生成で出すべきではないと、身内への手紙形式で説いている。 | @Subara3 | 16:13 |
| 37 | FLUXが使うフローマッチングって結局何なの？ | フローマッチングは拡散モデルから「熱浴」を取り外しただけのものだと位置づけ、同じデータと同じネットワークで学習則だけを差し替えて比べる2次元・MLPのCPU実験を作図コード込みで示している。 | @Yagyu | 15:46 |
| 38 | AIモデルを変更する前に行う回帰テスト：再確認とロールバックの運用設計 | モデル変更で変わるのは回答の自然さだけでなく要約の抜けや分類の揺れ、確認担当者の負荷、停止条件の発火にも及ぶとして、変更記録として残す4点と小さな回帰テスト運用を設計している。 | @Kirisaki Kazuya｜Miraigent代表 | 15:40 |
| 39 | 3pxのズレをAIに4回直させて4回とも外した — 視覚バグをrectで検証してはいけない理由 | getBoundingClientRect()が数式どおりの座標を返してもそのピクセルが描かれている保証はないとして、レイアウト層・描画層・切り分け層の3層で検証する手順を導入し誤差0.5px以内で決着したと報告している。 | @GeneLab | 15:30 |
| 40 | 複数社で働くエンジニアのClaude Code環境分離 — CLAUDE_CONFIG_DIR × direnvでMCPの誤連携を防ぐ | A社のセッションからB社のSlackへ投稿してしまうようなMCPの誤連携を防ぐため、CLAUDE_CONFIG_DIRとdirenvでコンテキストごとに設定ディレクトリを切り替える構成を示している。 | @Fukada | 15:22 |
| 41 | Next.jsのAGENTS.md自動生成を実際に試す | Next.js 16.2と16.3でAGENTS.mdまわりの役割が分かれていることを公式ドキュメントで確認し、手元でプロジェクトを作りnext devを動かして挙動を検証している。 | @st-man-hori | 15:18 |
| 42 | 配当シミュレーターの「切り上げ」と「切り捨て」を使い分けた話 — 楽観的な前提はどこまで壊れるか | 必要元本を求める逆算では切り上げ、受取配当を求める順算では切り捨てと端数処理の方向を意図的に逆にした判断と、実装後に見つけたアクセシビリティのバグを記録している。 | @ukintech | 15:15 |
| 43 | AI動画のPromptをJSONで管理して、調整時間を減らしてみた | prompt_final_2.txtのようにファイルが増えて差分を追えなくなった反省から、カメラ・照明・被写体の動き・背景をJSONのパラメータとして管理する方式へ切り替えたと述べている。 | @sarah wilson | 15:07 |
| 44 | Coding Agentの「All tests passed」を信用する前に確認したい5項目 | 同じエージェントが実装とテストの両方を書くと要件の誤解がテストごと固定されるとして、テストが通ったことと要件どおり実装できたことは別だと整理し、マージ前の確認項目を挙げている。 | @ハク（Haku） | 14:57 |
| 45 | 未翻訳のUnityゲームに、AIエージェントと日本語化MODを自作した話 | 日本語非対応のカードゲーム『Foretales』に対しMelonLoaderでフックを刺してテキストを横取り・翻訳・差し戻すMODを自作し、文字化けや無限翻訳ループ、IL2CPPの罠を踏み抜いた過程を記している。 | @介護士AIエンジニア | 14:44 |
| 46 | 月3,400円のAI会社に、追加0円でローカルRAG＋育つWikiを足した話 | GPUなし・実質メモリ16GBのミニPC上に外部へデータを出さないRAGを実装し、Karpathy氏のLLM Wikiの発想も取り入れて追加費用ゼロで知識が育つループを回していると報告している。 | @松永 康彦 | 14:42 |
| 47 | 中古サーバ用GPUでローカルLLM環境を作る試算（MI50 / P40 / P100 / V100 / CMP 170HX） | Tesla P100が2万円、V100が12万円、CMP 170HXが22万円という中古相場を、新品RTX 5090の77.4万円やDGX Sparkの98万円とメモリ1GBあたりの価格で比較している。 | @toyoshi | 14:19 |
| 48 | 【アルゴリズムトレード開発記 #0】AIに「月100万円は無理です」と言われたところから始まった | プログラミングも投資もほぼ素人の著者が、コードを1行も書く前にClaudeへ相談して否定された時点から、日本株・米国株のシステムトレード基盤づくりを記録し始めている。 | @keennn | 14:06 |
| 49 | 続・リファレンス配列のリピート領域とプロファージ領域を検索する練習（細菌ゲノム） | 前回記事に対するAIの批評的レビューを踏まえて構成し直し、MacBook Pro上のmummer4・PhiSpy・bedtools環境で細菌ゲノムのリピート領域とプロファージ領域を検索する手順を再整理している。 | @mtojsvqi | 13:55 |
| 50 | オンプレの小型LLMでエージェントは実用になるか——ツール呼び出し精度を実測した | ローカルLLM連載5本を書き終えてから一番大事な軸が抜けていたと気づき、主戦場が賢さからエージェントへ移った以上ツール呼び出し精度こそ測るべきだとして実測している。 | @daishir0 | 13:23 |
| 51 | 【Claude Code】/goalでエラー解決を丸投げする 〜ゴール駆動の自律ループ〜 | エラーのたびにログを貼って原因を尋ねる一問一答デバッグに人間が仲介し続ける時間が消耗だとして、ゴールを渡して自律的に回させる使い方を実案件の経験から解説している。 | @まさぴょん🐱 | 12:48 |
| 52 | 同じ差分を5つのLLMにレビューさせてみた——バグより先に見つかったのは自分のミスだった | 140ページ超の表記と色の一括変更をClaude Sonnet 5・Haiku 4.5・GPT-5.6-luna・GPT-5.6-terra・Kimi K3へ独立にレビューさせ、誰が多く見つけたかよりモデルごとの傾向が面白かったと述べている。 | @IVYXON | 12:37 |
| 53 | Claude Codeのサブエージェントが自動で呼ばれなかったときの話 | .claude/agents配下にmdファイルを置いてサブエージェントを定義したのに自動で呼ばれなかった事象について、主観も交えながら原因の見立てを整理している。 | @HIJIO | 12:28 |
| 54 | [ADK] エージェントをツールとして呼ぶなら AgentTool ではなく sub_agents を使う | google-adk 2.5.0でAgentToolによるラップがdiscouragedとなりサブエージェント側にmode=‘single_turn’を付けてsub_agentsへ渡す形が推奨になったとして、2.6.3で両者の違いを確認している。 | @Koichi Ozaki | 10:18 |
| 55 | Claude Sonnet 4・Opus 4廃止ガイド — 6/15期限の移行チェックリスト | 2026年4月20日のClaude 3 Haiku廃棄に続き6月15日にSonnet 4とOpus 4が廃棄されるとして当時のチェックリストを残しつつ、期限は経過済みなので最新モデルへ速やかに移行するよう追記している。 | @甲斐 甲 | 09:50 |
| 56 | MCPを足したら、AI Agentが止まらなくなった——足す前に、誰が止めるかを決める | 社内RAGにMCPとskillを足したら回答が悪化した理由が分からず、observabilityを入れて初めてskillが一度も発動せず資料を見ずに答えていたと判明したと報告している。 | @mofuteq | 09:45 |
| 57 | ワハハと眺めるAI Agent体験記 | オンプレ・30BクラスのローカルLLM・高機密という制約下でRAGをAI Agentへ育てた最初の三ヶ月を物語形式でたどり、要所は実装コードと状態遷移図で示している。 | @mofuteq | 09:30 |
| 58 | フィジカルAIが建設現場へ──清水建設の取り組みから見えた「AIが仕事をする時代」の始まり | 企業の関心が「どのAIを導入するか」から「どう業務へ活用するか」へ移りつつある中、清水建設の事例を通じてPC上で完結しないフィジカルAIが現場に入り始めた状況を整理している。 | @長野陸（Riku Nagano）｜AI伝道師 | 09:06 |
| 59 | 自宅GPUをAIエージェントに任せる3つの方法（MCPが最適とは限らない） | RTX 5090（VRAM 32GB）環境の実測をもとに、自宅GPUの画像・動画生成をエージェントへ任せる繋ぎ方が3通りあり選び方で運用の重さが変わると示し、繋ぐより先に決めるべきことも挙げている。 | @made_linlin | 07:50 |
| 60 | 売上表のラベルを段階的に省略すると、LLMはどこで列を取り違えるか | 列見出しの記号置き換えは3社中1社で5日分15セルを超えると値を取り違え、見出し行を完全に削除すると3社中2社で列の順番自体を誤ると測定し、系列長を伸ばすだけで発生率が上がると示している。 | @毎日AIレシピ | 06:08 |
| 61 | ベクトル検索の基礎とRAG設計: ANN(HNSW)・距離指標・メタデータフィルタ・BM25の使い分け | ANN検索とHNSW、コサイン類似度・内積・L2距離の違い、メタデータフィルタ、BM25を整理し、精度・速度・コストのトレードオフを自分で調整できるようRAG設計の定石をまとめている。 | @Hiroki Kameyama | 05:17 |
| 62 | ベクトルDB選択時の考慮点- RDB同居型と専用ベクトルDB、それぞれの注意点 | Chromaのような専用ベクトルDBとPostgreSQL＋pgvectorでは「できること」の差が小さくなってきたとして、マルチテナント設計や運用面から選択の判断軸を整理している。 | @Hiroki Kameyama | 04:22 |
| 63 | 個人開発でAIエラー解析ツール「ERROR DECODER」を作った話 | エラーログやスタックトレースを貼るだけでAIが根本原因と解決手順を日本語で示すツールを、新卒インフラエンジニアとして働きながら土日中心で作った技術選定とハマりどころを共有している。 | @kage | 03:09 |
| 64 | DynamoDB Vector Searchは「ベクトルDBの代替」ではない！同期処理から考える本当の判断軸 | DynamoDB Vector Searchの本質はベクトルDBの置き換えではなく業務データを別ストアへ複製せず類似検索できる点にあるとして、OpenSearch同期で増える再試行や不整合検知の運用と対比している。 | @Shinichi Oda | 02:55 |
| 65 | MCP対応でNext.js開発が変わる：AIエージェント実装チェックリスト | その日のヘッドラインからはLLM単体の進化よりAIエージェント・MCP・業務自動化への実装シフトが読み取れるとして、Next.js開発でエージェントを実装する際の確認項目をまとめている。 | @子供部屋大学院生 | 02:02 |
| 66 | AIトークン節約rtkでコマンド出力がどう変化するか | lsやgitの出力を変えてトークンを削減するrtk 0.44.2を実際に通し、期待と異なる出力になると思わぬ副作用が起きうるとして、サポート対象コマンドの出力の変わり方を確かめている。 | @iji | 01:42 |
| 67 | CLAUDE.md と Skills の違い — 置き場を4つに分けた基準と、80本に増えて壊れたこと | 機能ではなくコンテキストに常駐させるコストで置き場を分けるのが120日運用の基準だとして、CLAUDE.md 135行・references 20本・Skills 80本・hook 57本という実測と、増やしすぎて壊れた話を書いている。 | @AI秘書を育てる NiKoKobo | 01:41 |
| 68 | 一度も動いていないループが4件あったので、Claude Codeのループ設計に5つの制約を入れた | 設計ドキュメントとcron登録案まで用意しながら一度も実走していないループが4件あったと棚卸しで気づき、日次ループ運用で止めないために効いた制約を5つに絞って挙げている。 | @とむ｜元サイバーのAI起業家｜キャリアデザイン / Coelia代表 | 01:35 |
| 69 | CLAUDE.md の書き方 — 指示を書いても守られないので、hook 57本に移した話 | CLAUDE.mdは「お願い」であって「強制」ではないとして、500行超まで膨らんだ内容を135行まで削り、本当に守らせたいルールはhook 57本へ移したという120日運用の実測を公開している。 | @AI秘書を育てる NiKoKobo | 01:16 |
| 70 | ハーネスについての備忘録 | ツール呼び出しの可否を判断・実行するLLM周辺システムをハーネスと定義し、.claude/settings.jsonのpermissions・hooks・sandboxそれぞれの仕組みとどこまで信頼できるかを整理している。 | @ST | 00:48 |
| 71 | Claude.aiに自作APIを繋ぐにはOAuth 2.1が必要らしいので、認可サーバーごと内蔵したMCPプロキシを作った | 自作の時間管理サービスFocusZooをClaude.aiへ繋ぐにはOAuth 2.1が必要だと分かり、認可サーバーごと内蔵したMCPプロキシを実装した経緯を初投稿としてまとめている。 | @furu04 | 00:25 |
| 72 | 【初心者向け】生成AIとは？できること・仕組み・安全な使い方をやさしく解説 | 名前は聞くが何から始めればよいか分からない人向けに、短いメモから案内文を作る・長い文章をまとめるといった身近な作業を例にして仕組みと安全な使い方を解説している。 | @kimisya | 00:13 |
| 73 | 曖昧に使っていたAI周りの言葉を理解する | 「AIが仕様書を作る」「AIがMCPで外部システムを触る」「AIのコンテキストが足りない」で指す対象が人により違うと気づき、AIやモデルなど用語の定義と具体例を全体像から整理している。 | @よしぽん | 00:10 |
Qiita
| # | Title | Summary | Author | Published |
|---|---|---|---|---|
| 1 | ImageGenerationToolで画像生成をStreamlitに組み込む | OpenAI Agents SDKのHosted toolであるImageGenerationToolを使い、「〇〇を描いて」と頼むと画像が返るChatGPT風の体験をStreamlitアプリへ組み込む実装を解説している。 | @jungyeounjae | 23:19 |
| 2 | MCPって何？ 古参エンジニアには「AI時代のWSDL」に見えた | MCPを初めて聞いたときの戸惑いを起点に、サービス定義を機械可読な形で公開するWSDLとの類推でMCPの位置づけを説明している。 | @shuichi-takatsu | 22:55 |
| 3 | Codexに「このプロジェクトの前提」を毎回説明しなくて済むようにする — AGENTS.mdを1枚置く最初の一歩 | セッションを開くたび同じ説明を打ち直している状態を解消するため、プロジェクトの前提を書いたAGENTS.mdを1枚置くところから始める手順を初心者向けに示している。 | @akira_papa_AI | 22:34 |
| 4 | 【備忘録】WBSをきれいに作るより、「事実」と「見せ方」を分けたほうが楽なのかもしれない | 反響のあった前回のMarkdown表WBS記事を受けて、見積もりやWBSでは表を整えるより「事実」と「見せ方」を分けて持つ方が集計も更新も楽になると整理している。 | @Tadataka_Takahashi | 22:30 |
| 5 | さくらのAI Engineで自作MCPサーバー×LangGraphエージェントを構築した話 | テーマを入力すると数分でMarkdownレポートが完成するWebアプリを、さくらのAI Engineの無料枠と自作MCPサーバー、LangGraphエージェントで構築した開発ログを公開している。 | @shibacorgi | 22:12 |
| 6 | 発音記号5.8万行を監査したら、cmudictもWiktionaryもLLMも当てにならなかった話 | 5.8万行のうちLLMの判断が要ったのは数百行で先に規則で削るべきだとし、cmudictは用途違い、Wiktionary由来の参照は1割強が使えず、最大の誤報源は自分の検査プログラムだったと結論づけている。 | @ynishi2014 | 21:57 |
| 7 | [AWS] DynamoDBでチャンク分割時のデータ保持構造を考えてみた | 1アイテム1チャンクの単純なテストデータでは足りない実運用を想定し、さまざまなチャンキング戦略で分割されたデータをDynamoDBでどう保持・管理するかを検討している。 | @kikuziro | 21:51 |
| 8 | 大人用です。1/4円「数学チャレンジ問題 △APDの面積は？」様を、計算はsympyで作図は手抜きのつもりでした。 | YouTubeの数学チャレンジ問題「△APDの面積は？」を、計算はsympyに任せ作図は手抜きで済ませるつもりで進めたところ、想定より奥が深い問題だったと振り返っている。 | @mrrclb48z | 21:18 |
| 9 | Claude Code × OpenRouter Free Models — コスト $0 で AI 駆動開発を始める5つの設定 | OpenRouterの:freeモデルはAPIキーさえあれば月額0ドルで呼べるとして、Claude CodeのANTHROPIC_BASE_URLをOpenRouterへ向けてモデルを差し替える5つの設定を紹介している。 | @locallab | 21:01 |
| 10 | 「議事録地獄」をAIエージェントに任せてみた 〜Noumiで会議記録の作成・承認フローを見直す〜 | 録音から議事録確定までをAIエージェントに任せる流れを実演しつつ、議事録が個人情報や機密情報の塊でもある点に注意を促し、作業ではなく資産にできると述べている。 | @limeiduo0 | 17:58 |
| 11 | WSL(Ubuntu)でLinux×Javaのシンプルなじゃんけんゲームを作る Day3～CPUのランダムな手を実装～ | プレイヤーの入力を受け取るところまで作った前回に続き、グー・チョキ・パーを割り振った1から3の数値をCPU側がランダムに選ぶ処理を実装している。 | @ohden_indie | 17:36 |
| 12 | AIとともにコラッツ予想について考えてみた | 奇数なら3x+1、偶数ならx/2を繰り返すとあらゆる初期値で1に至るかという未解決問題を、プログラミングと相性がよい題材としてAIとともに検討している。 | @I-Yasusi | 17:22 |
| 13 | 「一時チャットだから残りません」と説明しかけた — 3社の原文には 72時間・30日・30日と書いてあった | 議事録は一時チャットに貼れば履歴に残らないと社内案内を出す直前に3社の原文を確認したところ、いずれも残ると書かれており保持期間も72時間・30日・30日と異なっていたと報告している。 | @17jikaeru | 17:04 |
| 14 | 相続税と固定資産税は何を生み、何を失うのか？ ― 資産循環と日本の供給力から考える国家OSのリファクタリング : システム設計視点の行動経済学 (12) | 前回の税と再分配の議論を踏まえ、相続税と固定資産税が資産循環と日本の供給力に何をもたらし何を失わせるかを、国家OSのリファクタリングという比喩で連載第12回として論じている。 | @maskot1977 | 16:44 |
| 15 | Claude Codeで画像プロンプトを生成→Geminiで画像生成→ローカル保存を自動化した話 | モンスターのスプライトシートが14種類必要になった状況を起点に、ゲーム仕様書からClaude Codeがプロンプトを組み立てGeminiで生成しローカル保存するまでをパイプライン化している。 | @ryoun5053 | 11:46 |
ITmedia AI+
| # | Title | Summary | Published |
|---|---|---|---|
| 1 | 2028年にSOCの人手対応、30％減へ 常態化する攻撃に企業は勝てるのか | ガートナーはAIが混乱を拡大させる中でセキュリティリーダーが競争優位を保つために注力すべき優先事項を3つ挙げ、2028年にSOCの人手対応が30％減るとの見通しを示している。 | 08:00 |
GIGAZINE
| # | Title | Summary | Published |
|---|---|---|---|
| 1 | すべての文字起こしAIモデルをサポートするGGMLベースの文字起こしライブラリ「transcribe.cpp」、ほぼそのままでwhisper.cppと置き換え可能 | GGMLベースのC/C++音声認識ライブラリtranscribe.cppは最新の文字起こしモデルの多くをサポートし、ほぼそのままwhisper.cppと置き換えられると紹介している。 | 18:00 |
| 2 | 中国のAI開発は「中国語の訓練データ不足」という新たなボトルネックに直面している | これまで注目されてきた米国による先端AIチップの輸出規制に加え、質の高い中国語の訓練データの不足が次の大きなボトルネックになりうると中国のAI専門家が警告していると伝えている。 | 10:00 |
OpenAI Blog
| # | Title | Summary | Published |
|---|---|---|---|
| 1 | Testing ads in ChatGPT（ChatGPTでの広告テスト） | 無料での利用を支えるためChatGPT内で広告のテストを開始し、明確な表示、回答の独立性、強固なプライバシー保護、利用者側での制御を伴うと説明している。 | 19:00 |
| 2 | What building an AI-native finance function taught me（AIネイティブな財務部門を作って学んだこと） | OpenAIのCFOサラ・フライアー氏が、予測の自動化から統制の強化、AIのROIの捉え方まで、AIネイティブな財務部門を作る過程で得た5つの教訓を共有している。 | 02:00 |
Hugging Face Blog
| # | Title | Summary | Published |
|---|---|---|---|
| 1 | Thinking of ACE? We Can Do It with Fewer Tokens（ACEを検討中？ より少ないトークンで実現できる） | IBM ResearchのALTK-EvolveとACEはどちらもエージェントの過去の軌跡を再利用可能な教訓に変える点で一致するが、ACEが単一のplaybookに束ねるのに対し個別に検索できるguidelinesへ集約する違いがトークン費用を分けると論じている。 | 22:37 |
| 2 | Build Low-Latency Multilingual Voice Agents: Open Weights & Full Deployment Control with NVIDIA Magpie TTS（低遅延の多言語音声エージェントを構築する：NVIDIA Magpie TTSのオープンウェイトと完全な展開制御） | NVIDIA Magpie Multilingual TTSはオープンウェイトとNVIDIA NIMで12言語に対応し、今回の更新で現代標準アラビア語・韓国語・ブラジルポルトガル語を追加したうえ、自社インフラ上で遅延を調整できると解説している。 | 01:25 |