ゆーだい@元スーパー店員・菩薩系エンジニア

お寺生まれ ｜デザインから保守運用までwebアプリ開発支援｜国内・越境EC｜#shopify #Ruby #Java #React

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

@tetumemo @trq212 @bcherny @LilysAI_ @grok 要約して

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

最近のハイライトは何万いいねもついてる記事の内容の一文目から「MCPプロトコル」とか書かれててその瞬間に記事を読む気が失せました。
SNSでバズってる記事の質なんて大体そんなもん。
公式・中の人・有識者・論文をチェックしとけばええねん。

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

LLMはもちろんガンガン使うんだけど、粗悪な情報に左右されるのではなく、LLMやそれを取り巻く技術を勉強したり、セキュリティ・品質保証・運用保守の定石を勉強したりする方がよいという意味

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

llmのベストプラクティス系の記事みてると、そのうちllm側が対応するので一切参考にしなくてよくて、そんなことより、純粋な自分のスキルを伸ばすのが一番効率いいAI活用術なんじゃないかと思う今日この頃

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

AIスロップに塗れた非エンジニアバイブコーダーが生み出したプロダクトの限界がやってきて、チューニングだとかセキュリティだとか品質保証だとかを依頼される未来が視える、視えるぞ、、、！

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

コーディング領域でLLMがハマっているのも

仕様 → コード
テストケース → 実装
エラー → 修正案
既存コード → リファクタ

という変換と、

ビルドが通るか
型チェックが通るか
テストが通るか
Lintが通るか
実行結果が期待通りか

というテストのFBループを回せるからなのかな

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

AIに任せる範囲と人が踏ん張る範囲の切り分けが重要と言う点で激しく同意で、
個人的には最適化する作業が人間の踏ん張る領域だと思っています。最適化についてはアルゴリズム的な限界があるのでトークン量が増えようが解消しない。
(x1,x2,x3)→zみたいな問題を解きまくるのが人間の仕事なのかなぁ。

[Shin丨AI×プロダクト開発の専門家🤵🏻 @shin_sasaki19]

周りのデザイナーから「Figmaを開く時間が減った」という声を、最近よく聞くようになりました。Claude Designがデザインからエンジニアリングへの“引き渡し”という長年の問題を、ついに正面から潰しに来ている。発表当日にFigmaの株価は7%下���、その3日前にはAnthropicのCPOがFigmaの取締役会を去った。タイミングが偶然とは思えない動きが続いてるので、要点を整理してみます📝

■Claude Designとは何か？
Claude DesignはAnthropic Labsの新プロダクトで、Claude Opus 4.7を基盤に「プロトタイプ・スライド・1ページャー・ビジュアル」を会話で生成できるツールです。ただし、本当のキモは生成機能そのものではなくハンドオフ（引き渡し）』にあります。デザインが固まると、Claude Designはその成果物を「コンポーネント・デザイントークン・コピー・インタラクション仕様」をまとめた“実装バンドル”としてパッケージ化し、そのままClaude Codeに渡せるようになっています。

■なぜ“ハンドオフ”がデザインの最大の問題だったのか？
プロダクト開発をやったことがある人なら誰もが知っているとおり��「デザイン→エンジニアリング」の引き渡しはintent（意図）が��ぬ場所でした。Figmaファイルを渡された瞬間、エンジニアは余白・挙動・エッジケースについて、デザイナーが指定していない判断を“何十個も”下すことになる。リリースされる頃には、当初のビジョンは何度も翻訳された結果、似て非なる何かになっている。

問題はスキルではなく『メディア』だったわけです。Figmaは静的なものでしか語れないし、Jiraはチケットでしか語れない。どちらも“intent”を流暢に話す言語を持っていなかった。Claude Designはその間に立って、意図そのものを次工程に運ぶ仕組みを用意してきた、というのが本記事の核となる主張です。

■ 現場で何が起きているか？
実際に使った企業の数字が興味深い。Brilliantは競合ツールで20以上のプロンプトを要した作業を、Claude Designではたった2プロンプトに圧縮できたと報告。Datadogは「ブリーフ→モック→レビュー」で1週間かかっていたサイクルを、たった1回の会話で済ませたとのこと。記事の筆者自身、Claude Codeで個人プロダクトを作っている中で「ターミナルから感情を出発点にするのは寒い場所だ」と書いていて、これがClaude Designの存在意義を端的に表しています。

■ デザイナーのスキルはどう変わるのか？
筆者は「スキルがなくなるのではなく、シフトしているだけ」と整理しています。
・テイスト、判断、原則は引き続き必要
・人間心理とビジネス戦略を理解する人材は希少
・全員がFigmaの達人である必要は薄れる
・引き渡しは「翻訳」ではなく「会話」になる

特に面白いのが「ファウンディングデザイナー」の役割が、AI時代にむしろレバレッジを増すという指摘。ターミナルに慣れていて、コンポーネントツリーが読めるデザイナ���には、扱える表面積が一気に広がる。

そしてもう1つの大きな変化が『探索のコストが下がる』ことです。デザインの汚い秘密として「制約は哲学ではなく時間」というものがある。経験豊富なデザイナーですら、12方向のプロトタイプを作る時間はなく、数案に絞らざるを得ない。Claude Designはこの計算を変える。探索が安くなれば、出荷物の質を縛るのは“イテレーション速度”ではなく“判断の質”になる。

■ 最後に残る論点
筆者が最後に投げかけている問いが本質的でした。Claude DesignとClaude Codeは「アイデア→コード」の連続したパイプラインを作る。しかし、パイプラインはスループットを最適化する仕組みであり、デザインは必ずしもスループットの問題ではない、と。

最高のデザイン判断は『摩擦』から生まれることが多い。Figmaファイルの中で1週間こもって、ボタンを2ピクセル動かし、「Continue」と「Next」のどちらかで自分と論争する。���縮は強力ですが、抵抗もまた強力です。
新しい環境で勝つデザイナーは、ツールを最速で導入する人ではなく『いつ加速させ、いつ意図的に遅らせるか』を知っている人になる。摩擦が答えになる瞬間を見極められる人。その判断はAIには渡せない、と筆者は締めています。

PMやデザイナーに限らず、あらゆる職種で「AIに任せる範囲」と「人が踏ん張る範囲」を切り分けるのが、今後の最重要スキルだと改めて感じる記事でした👀

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

昨今のハーネスエンジニアリング云々がこの最適化をどう実現するかという試行錯誤の過程として捉えられるのか。
とはいえ、ハーネスエンジニアリング云々の話も結局はベストプラクティスが定ったらLLM側が対応するだろうからあんまり積極的にキャッチアップしたいとならないんだよな、、、

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

補足
アルゴリズム的な限界というのは、LLMを超でかい意味ベクトル空間を持った���ルコフ連鎖の拡張として捉えた場合の話をしています

[エナミコウジ@RaiseTech代表 | 自走力を鍛え上げるエンジニアリングスクール @koujienami]

【AIエンジニアコースリリース！】
皆さん、お待たせしました。
RaiseTechにて【AIエンジニアコース】をリリースしました！

詳細はPR見て頂ければと思いますが、いわゆる「AI生成を活用しよう」みたいなレベルのものではなく「AI(ClaudeCodeやCursor)を業務に取り入れ、実際にサービスやアプリ開発ができるレベル」を教えるためのカリキュラムとなっています。

勿論アプリが開発できる、というのはそれは世に出せる、納品できる、というレベル感なので社内でなんちゃってアプリを作って、わー楽しい、というレベルではないです。

また一番攻めている部分（私自身も挑戦した部分）としては「AI使用を前提としたカリキュラムである」ということです。
当たり前では？と思うかもしれませんが、いわゆる手でプログラムを書く、といった行為が一切ありません。このレベルの内容をここまで振り切って教えてるスクールはまだないか、少ないんじゃないでしょうか。

全てをAIを使って行う、というカリキュラムになっており、また基礎学習をほぼスキップした上で上流工程から学ぶという流れになっています。
これはAI駆動開発そのものを体系的に学び、エンジニアとしてキャリアアップないしキャリアチェンジできるようになる為に意図的に設計したもので、楽をするためにしたものではないことは明記しておきます。

AIを使って開発をする、ということを実際���やっている現場のエンジニアはわかると思いますがもはやコードを手で書くというのはあまりイメージできないと思います。
また、プログラミング言語やフレームワークに依存することも少なくなっているはずです。
それよりももっと大事な、アプリケーション開発として押さえないといけない知識や技術・経験があり、そちらに意識を向けているはずです。

そのため、基礎学習をしてもそれを実際に使うことはほぼなく、そして知識や技術としてもあまり重要でなくなってくると考えています。今正に到来しているAI時代だからこそ、学び方も含めた様々な知見へのアップデートが必要です。

AIエンジニアコースはそれを体現したコース設計・カリキュラムにしています。

誤解しないで欲しいのは、あくまでエンジニアとしてのキャリアを積み上げるためのものなので当然転職に向けたサポートを充実させています。
企業の担当者から見た時に「全部AIだと自力がないでしょ？」と思われないための内容にしてあります。カリキュラムを軽く見ていただいたら理由はわかってもらえ��と思います。むしろ今まで以上にパワーを感じてもらえるようにしています。

現場に出続けている僕自身の知見と経験をそのまま凝縮して教育カリキュラムにしたものなので、今後も引き続きアップデートしていきます。
よくある売れそうな講座作りました、というものではなく、僕が実際に教育の現場に出てリアルタイ��講座もしながら教えているので、めちゃくちゃ自信がある内容になっています。

興味がある方は、是非気軽にご連絡ください。僕宛のDMでも対応させていただきます。
法人研修も行っていますので、法人の教育担当の方もお気軽にご連絡ください。全力で対応させていただきます！

[エナミコウジ@RaiseTech代表 | 自走力を鍛え上げるエンジニアリングスクール @koujienami]

AI コーディングツールの開発基盤【AI-Dev-Helm】を公開しました。

以前に汎用的な開発基盤を作るためのプロジェクトをやるかーというところで、僕が実際に開発時に使っているものを纏めて使いやすくしたものになります。

【主な機能】
22種のスキルを使って、開発基盤を各プロジェクト単位、もしくはグローバルなユーザー単位で作れます。今ある環境を壊さずに差分導入するのとバックアップを最初に取るので、導入して問題があっても大丈夫な設計にしてます。

具体的には
・設計のブレスト → 実装計画 → TDD → デバッグ → コードレビュー → マージまで、開発フロー全体をカバー。
・ローカルで多段階の品質検証を自動実行。
・変更検出 → 静的解析 → ユニットテスト → マルチペルソナレビュー → E2Eテスト → レポート生成

特にマルチペルソナレビューでは、セキュリティエンジニア・ソフトウェアアーキテクト・QAエンジニア・インテグレーションアーキテクトの4つの専門家視点で並列レビューを実施。最低3サイクルのレビューを経ないと push できない仕組みになっています。

強みとしてはどちらかというと開発ルールを標準化する、というよりはレビューサイクルを回すことに寄る「非エンジニア」の方が安心して開発出来るようにするための基盤です。なのでレビュー観点はセキュリティやパフォーマンス、全体設計に対するものが多いです。

ただ当然ですが一部の技術や汎用的なものに関する技術的なルールや標準化は搭載されています。品質を一定化するためのものなので。

【開発時に嬉しいポイント】
安全性と堅牢性を維持しつつ、品質を高めることに特化したものなのですが、他にも

・毎回同じコーディング規約やプロジェクトルールを AI に教え直している 。
・チームメンバーごとに AI の使い方がバラバラで品質にムラが出る。
・AI が勝手に破壊的な変更を実行しないか不安。

みたいな人向けのものです。

【使い方】
セットアップコマンド実行するだけです。npmに公開もしているので分かる人はコマンド叩けばGitHubからcloneする必要もないです。
対話形式のもありますが、まぁAIに導入を支援させても問題なく入ります。

MacだろうがWindowsだろうが動作しますし、Cursor、Codex、ClaudeCodeなどでも動きます。好きな環境に好きに導入してください。

詳細はREADME見てくださいね。

【注意点】
MITライセンスで公開してます。法令遵守もしてますが、導入は自己責任で。

あと、言うてわからない人にはありがたさがわからないものでもあるのと、導入のハードルは非エンジニアには少し高いです。
なので困ったときはエンジニアの支援を受けましょう。
勿論、気軽に声かけてもらえたら、AI導入支援のコンサルとか技術顧問もしてるのでサポートします。

GitHub: https://t.co/8tnMH0t1sr
npm: @crearize/ai-dev-helm

[Günther | グンタ @gunta85]

【拡散希望】

npm週間1億DLの axios が乗っ取られました。

リードメンテナーのアカウントが乗っ取られ、RATが仕込まれた偽バージョンがnpmに公開されています。

現在進行系。
[email protected] と [email protected] にRATが仕込まれています。npm install した瞬間にマルウェアが実行されま���。

✅ 安全なバージョン: 1.14.0 / 0.30.3
❌ 危険: 1.14.1 / 0.30.4

macOS、Windows、Linux全対応。ペイロード実行後に自己消去。プロの仕事です。

npm install を今すぐ止めてください。

全容をまとめました↓

[Koji Shimada @snoozer05]

Rubyリリース30周年🎉という節目をお祝いしたく、12月刊行予定の #るびま に皆さまからのお祝いコメントを掲載したいと思います :-) 以下のGoogleフォームより投稿いただけます。たくさんのメッセージお待ちしています🙏（2025/11/22 締切）
https://t.co/1fgFUz2u3b

[Kaito @Kaito___AI]

MITから衝撃の研究が出ました。

自らのコードを書き換えて賢くなるAI、Self-Adapting Language Models (SEAL)が登場。

人間によるファインチューニングを介さず、AIが自律的に学習・進化する画期的なモデルです。

【SEALの仕組み】
1. 自己編集: 新しい情���を読み込み、要約したメモに変換
2. 自己学習: そのメモを元に自らのコードを更新
3. 強化学習: パフォーマンスが向上した変更のみを定着させるループを実行

【驚異的な成果】
✅ 外部チューニングなしで事実精度が13.5%向上
✅ わずか2回の自己強化学習でGPT-4.1生成データを上回る性能
✅「何を学ぶか」だけでなく「より良く学ぶ方法」自体を学習

静的なモデルとは異なり、継続的に知識を成長させる未来のLLMの姿かもしれません。

[チャエン | デジライズ CEO《重要AIニュースを毎日最速で発信⚡️》 @masahirochaen]

【保存版】OpenAIのエンジニアがDevDayで語った開発を10倍速にするCodeXの使い方

約30分の動画を日本語で要点をまとめたので是非

○note
https://t.co/i8fETsX4vm

《詳細要約》

■ 意外な発見

1. 独自用語が効く
・「Exec Plan」など独自の用語を使うとCodexが特別概念として認識
∟ 一般的な「設計書」より効果的
∟ 「exec plan」と言えば自動的にplans. mdを参照・更新

2. レビューは別コンテキスト
・実装スレッドとレビュースレッドは完全分離
∟ 実装バイアスがないため客観的にバグ発見
∟ 新鮮な目でコードを見直せる

3. Plans. mdが長期記憶に
・160行の計画書を作成させる
∟ 進捗・発見・決定ログを自己管理
∟ 全コード読まなくても何が達成されたか分かる

4. マルチモーダル検証
・Codexが自分で書いたUIをスクリーンショットで確認
∟ ピクセルパーフェクトまで自動調整
∟ 数週間前に追加された新機能

5. 最後の10%問題を解決
・UI微調整などの「最後の10%」が作業時間の90%を占める問題
∟ Codexが自動処理してくれる間に他作業へ

■ 実践Tips

1. agents. mdの活用
・プロジェクト固有のルールを記載
∟ コーディング規約
∟ テスト方法
∟ ワークフロー
・Codexの「行動憲法」として機能

2. Plans. mdの構造
① 全体像
② 進捗状況（チェックリスト）
③ 発見と驚き
④ 決定ログ（日時と理由）
⑤ To-Do

3. /reviewコマンド活用
・PRを出す前に必ず実行
∟ 問題発見 → 修正依頼 → 再レビュー
∟ バグゼロまでループ

4. テスト監視
・別ターミナルで常時実行
∟ watch -n 1 "cargo test"
∟ 長時間赤なら介入

■ OpenAI社内の実績
・92% → 技術スタッフが���日使用（7��は50%）
・70%増 → PR提出数の増加
・3分 → UI実装完了
・1時間 → 大規模リファクタ4,200行完成
・7時間以上 → 最長連続稼働
・1.5億トークン → 最大処理量

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

@shjkt お返事遅くなり申し訳ございません。
設定を修正いたしました。
引き続きよろしくお願いいたします。

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

awesome

[Anton Osika @antonosika]

Lovable just crossed $100M ARR in 8 months.

Faster than OpenAI, Cursor, Wiz, and every other software company in history.

Today we're launching a game-changing update, it reduces the error rates by 91%.

Introducing Lovable Agent:

[AIDB @ai_database]

AIと会話しながらゲームをするだけで人の性格を高い精度で測定できる方法を開発したという報告。

研究者らは、さまざまな特性を持つAIと対戦させることで、その人のパーソナリティを分析する仕組みを開発しました。
たとえば明るいAIと対峙する場合と、心配性のAIと対峙する場合では、同じ人でも違う面が出てくるので、最終的に本当の性格がわかる確率が高まるということです。

実験の結果、（仮説通り）複数のAIと話した方が、一つのAIとだけ話すよりもずっと正確に性格がわかることが判明しました。
また、AIとゲームをしながら楽しんで行う性格テストは、診断であることを意識させないため、より自然な反応が得られることも分かったようです。

ただし、性格を厳密に測定することはそもそも非常に難易度が高い課題である���とは押さえておく必要があります。
その上で、こうした技術は、教育、職種の適性診断、カウンセリングなどに応用できる可能性があります。

なお、これは一人ひとりに合ったAIの開発につながるアプローチでもあるとのことです。

[ゆーだい@元スーパー店員・菩薩系エンジニア @1582Anch]

grok4も来てるっぽいけど、モデルとしての性能以上にツールに組み込まれた結果の性能が知りたい今日この頃。

[🚨 AI News | TestingCatalog @testingcatalog]

Grok 4 early benchmarks in comparison to other models.

Humanity last exam diff is 🔥

Visualised by @marczierer