amu_lab

ニュースはnote、検証はZennとブログ。
社内で「AIを入れろ」と言われた製造業向け。判定は閉域・現場が触れるか・異動後に残るか。実測は自分の機体だけ。

[amu_lab @Amu_Lab__]

同じ企画でも、載せる媒体で判定がひっくり返る。

TypeSafeのJevに「媒体適合」だけ渡して採点した。同じネタで:
・note → 0.04（赤）
・zenn → 0.96（緑）
・blog → 0.08（赤）

複数媒体に出す人は、需要より先に媒体の役割だけで一度切れ。

[amu_lab @Amu_Lab__]

Mac StudioでQwen3.8-27B（MLX 8bit）の同時リクエスト1→16並列を回した報告がある。
集計tok/sは1並列10.1 → 4並列14.1 → 12並列16.0で頭打ち、16並列では14.1に低下。
測定条件の詳細は不明な自宅検証だが、27B denseの並列天井は複数の独立実測でも同型の挙動が確認されており、メモリ帯域の飽和が壁になっているとみられる。
一方、手元のM5 MacBook Pro 16GB・Ollama・5BクラスQ4は単発warm 66 tok/s・コールド初応答6.0秒を実測済み。重いモデルほど並列で合計スループットが伸びにくく、軽いモデルは単発でも十分速い、という傾向は実測と整合する。

[JASON MCNAB @JASONMCNAB]

Mac Studio Qwen3.8-27B Uncensored MLX 8-bit concurrency stress (same prompt, thinking off).

@OrcaRouter

Concurrent streams → aggregate tok/s:
1: 10.1
2: 13.8
4: 14.1
8: 14.4
12: 16.0
16: 14.1

I love this model. Performs so well and does what I ask. How can I gain speed with out loss to performance?

Ran at home. No extra tuning.

Where does your Studio stop adding aggregate tok/s?

https://t.co/0kkStOYGL1

Direct 8-bit tree:
https://t.co/nw4ratYQCD

[amu_lab @Amu_Lab__]

5/5 Claude Code本番運用ガイド — CI/CDに組み込む自律エージェント設計（Zenn Book）
https://t.co/IRuh6VdGoB

[amu_lab @Amu_Lab__]

今週のClaude Code運用、5本。

1. Claude Codeを「使うほど育つAI秘書」に変える設計
└ CLAUDE.mdを一度書いて終わらせず、セッションで得た気づきをそのつど追記・修正していくメンテナンス運用そのものをノウハウとして体系化している。書きっぱなしにした瞬間に陳腐化する、という前提に立っている点が実務寄り

2. Claude CodeのRulesはもう死んでいる
└ ルールを足すほどモデルが萎縮し、当たり障りのない短文に逃げて出力の質が下がる、という逆説を指摘。禁則そのものではなく「足し方」を問い直している

3. AIが書く日本語のクセ単語を検出するtextlint
└ 「〜と言えるでしょう」「重要です」「様々な」などAI特有の言い回しを正規表現ルール化し、誰でも使えるlintとして公開。人力の推敲チェックリストを機械に肩代わりさせる発想

4. 開発期間を2.5か月→1か月に縮めた「ハーネス」設計
└ SmartHRがClaude Codeの運用手順を「型」として明文化し、属人化していた実装速度をチーム全体で再現できるようにした事例。個人の勘に依存させない設計が主眼

5. CI/CDに組み込む自律エージェント設計ガイド
└ 人の承認を要所に挟みつつ、Claude Codeを自律ループとして本番パイプラインに組み込む設計をまとめたZenn Book。止める場所の設計こそが本題になっている

5本に共通しているのは、結局「ルールを足すか削るか」という同じ設計判断に行き着くこと。うちのVaultでも同じ壁にぶつかっていて、AI臭を機械検査する自作lintで文章の抑揚（文長の変動係数）を実測したところ、公開済み44本の中央値は0.554、最も平坦だった記事は0.361だった。同じ書き手が書いた記事の中でも、リズムの死に方には3倍以上の開きがある。

だから今のうちの運用は、執筆はGemini系モデルに任せ、lintで機械的にゲート違反を検知したら文ごと書き直しを最大2回まで指示する、という形に落ち着いた。禁則を1個足すなら、人間向けの文章ルールからは1個削って機械検査側に移す。ルールは足すほど良くなるわけではなく、増えた分だけどこかを削らないとモデルは萎縮する。今週の5本を並べて、それを再確認した格好だ。ルールは思いついた順に足すものではなく、置き場所ごと設計し直すものだと思う。

元記事リンクはリプ欄に↓

[amu_lab @Amu_Lab__]

4/5 Claude Codeで開発期間を2.5か月から1か月に縮めた「ハーネス」の設計手法 - SmartHR Tech Blog
https://t.co/uI5uUGXzTn

[amu_lab @Amu_Lab__]

これは嬉しい

[James Sun @JamesZmSun]

Today, we’re launching support for Chrome extensions in the ChatGPT desktop app!

Bring the extensions you use every day to the in-app browser. You can now install, pin, and use your favorites, like 1Password, while getting things done with ChatGPT.

Enterprise admins can now centrally deploy and manage extensions across their workforce so the IAB meets security requirements.

Try it out and let us know what you think!

[amu_lab @Amu_Lab__]

MacBook内のChatGPTアプリで設定して使ってましたが、スマホからリモート接続してもちゃんとOllamaモデル表示して動いてる！
Plus課金ですぐリミットになるので、めっちゃありがたい😁

[ollama @ollama]

ChatGPT Desktop (the Codex app) can now be configured to use Ollama models. Download or update to Ollama 0.34 to get started.

[amu_lab @Amu_Lab__]

新しいモデルの速さは、自分の機体で測るまで存在しない数字。

先月出た小型MoEモデル「LFM2.5-8B-A1B」は、公開直後に「221〜253 tok/s」という数字がSNSで出回っていた。気になって自分の環境で測ってみた。

- 機種: M5 MacBook Pro 16GB / Ollama / Q4量子化(5.2GB)
- 実測: 84.3 tok/s
- 公称との差: 約3分の1

もう一つ気づいたことがある。16GBのMacだと選べる推論エンジンも限られる。速いと言われるMLXは32GB以上のメモリが前提で、16GB機はいまの構成のまま動かすしかない。

数字が独り歩きしているときほど、まず自分の環境で測るようにしている。

[amu_lab @Amu_Lab__]

①〜⑤の元記事はこちら👇
① https://t.co/LVkmviy1d9
② https://t.co/swOHPkMufY
③ https://t.co/Rx0wGTvzWd
④ https://t.co/2v7xH0Llxx
⑤ https://t.co/gAjl6k8CRU

---

[amu_lab @Amu_Lab__]

🏭 今週の「製造業×AI」5本 — 現場の中の人が選ぶ（9/14）

今週はヒューマノイド量産化のニュースが2件重なった週。ただし現場が今日から動けるのは、価格と評価基準が数字で示された残り3本の方だ。

① 三菱自動車、京都工場でヒューマノイド月産1000台へ
三菱自動車とHighlandersが、エンジン製造拠点の京都工場に遊休建屋・既存の組立治具・物流ラインを転用し、100億パラメータの世界行動モデル「Kepler v1.0」搭載ヒューマノイド「N」を2027年後半に月産1000台体制で量産する。
👉 「新しい設備を作る」前提を疑う価値がある。遊休建屋と既存治具の転用で初期投資を抑える発想は、ヒューマノイド以外の設備更新でも真っ先に検討すべき選択肢だ。まず自社の遊休ラインの棚卸しから始められる。

② Arm、ロボットの自律度を「RL0〜RL5」で標準化
Armが80社以上のパートナーと組む開発支援サービスに合わせ、ロボットの自律度を自動運転のレベル分けに倣い「RL0」〜「RL5」の6段階で評価する「Robotics Capability Framework」を新たに定義した。
👉 「どこまで自律的か」を数字なしで議論してきたロボット選定は終わる。ベンダー比較の要件定義書には今日からRLレベルの列を1本足しておくべきだ。自動運転のレベル表記と同じ感覚で使える。

③ パナソニック、複数メーカーAMRを一元管理するサービス開始
パナソニック コネクトが2026年秋、複数メーカーのAMRとPLC・自動扉等を一括制御する「Robo Sync for Mobility」を提供開始。基本ライセンス月額7万円、AMR接続は1台あたり月額6千円、導入支援パッケージは350万円。
👉 「搬送ルートの変更に毎回外部発注」が続く現場ほど効く。台数課金が明示されているので、まず自社AMR台数×6千円で月額試算してから導入支援350万円の要否を判断できる。

④ 「AIエージェントの安全はモデル単体では守れない」
NVIDIA等が提唱する多層防御の考え方が広がり、ID・認証・ガードレール・監視・脆弱性検出を重ねる業界横断の枠組み「Open Secure AI Alliance」には120以上の企業・団体が参加している。
👉 PoCで真っ先に聞くべきは「モデルの精度」ではなく「このエージェントに何の権限を渡すか」だ。権限設計と操作承認フローを先に固めてからモデルを選ぶ順番にすると失敗しにくい。

⑤ シャオペン、EVの品質管理体制をそのままヒューマノイド量産へ
中国シャオペンが人型ロボット「IRON」を2026年内に量産開始し2027年に海外展開。胴体76自由度・各ハンド21自由度を持ち、生産ラインは主要工程の80%以上を自動化した。
👉 自動車メーカーがEVの生産ラインと品質管理システムをそのまま転用した点が本質。ロボット事業への参入は新工場ではなく既存ラインの再利用から始まる、という順番の話であり、初期投資の考え方を変える。

元記事リンクはリプ欄に↓

[amu_lab @Amu_Lab__]

ルールは書くより、検証するほうが効く。

はてなブックマークで話題の「Claude Code の Rules はもう死んでいる」(285 users)と、AIエージェント向けコーディングルールをArchUnitで機械検証する運用の記事は、言っていることが同じだった。書いたルールやドキュメントは、実行環境で本当に守られているとは限らない。

自分でも同じことをagent-browserで確認したことがある。ドキュメントに書かれた全コマンドを実機で検証したら、実際の挙動との差異が13個出た(macOS Darwin 25.3.0 / agent-browser v0.5.0 / Node v25.7.0 / Playwright-core 1.57.0)。

- Ref表記はドキュメントの `@e1` ではなく `e1`。最初のコマンドで詰まる
- `diff` コマンドは未実装で `Unknown command: diff`
- タブのインデックスは0ベース

ルールもドキュメントも、書いた瞬間は正しくても実行環境とズレていく。読み込む前に、まず1コマンド動かして確かめる方が早い。

[amu_lab @Amu_Lab__]

@saisoku_ai_note コメントありがとうございます。すごいよくわかります。
なんだこれ？ってなって削除することもありました。今、私は少しずつ自動化していて、あとは毎日レポート（投稿した内容、投稿予定の内容など）をメールでもらう運用を回しています。

[amu_lab @Amu_Lab__]

今週のClaude Code運用、5本。

1. Claude CodeのRulesは、もう死んでいる
└ CLAUDE.mdやRulesファイルにルールを書き足すほど、Claude Codeがかえって迷子になるという主張。ルールで縛る運用そのもののインフレが問題だという指摘は、ルールを増やし続けてきた側には刺さる話。

2. CLAUDE.md、そろそろ見直す時期かもという指摘
└ 最初は数行だったCLAUDE.mdが、追記を重ねるうちに数百行の「全部入りの聖書」になり、逆にコンテキストを圧迫し始めるという実務者の観察。棚卸しのタイミングを逃すと肥大化は止まらず、読ませたい指示ほど埋もれていく。

3. Anthropic公式のClaude Code講座、要点は「4つのD」
└ 公式トレーニング教材の要点を整理した記事。フレームワーク化された「4つのD」は、自己流でClaude Codeを使ってきた人ほど答え合わせになる内容で、体系だった講座が公式から出てきたこと自体が節目。

4. 九州大学がClaude Codeハンズオンをワークショップキット化して公開
└ 学生向けに「一人でもプロダクトを作れる」教材として無償公開。企業研修ではなく大学の授業レベルで、Claude Codeを使った開発の実践カリキュラムが整い始めている。

5. WebMCPが来ている、という指摘
└ ブラウザ操作をMCP経由でどう設計するかという論点。MCPエコシステムの焦点が「モデルをどう繋ぐか」から「ブラウザをどう操作させるか」に移りつつあることを示す一本。

この5本を貫くのは「ツールを増やすより、既存の運用をどう測り直すか」という視点。CLAUDE.mdもRulesもMCPも、足すだけなら誰でもできる。難しいのは、増えたものを定期的に棚卸しして、効いている部分だけ残すこと。

自分もMCP経由のブラウザ操作は速度で選んでいて、Page AgentとClaude in Chrome MCP拡張を同じ3タスクで比較した実測では、合計77.24秒 vs 117.47秒（Page Agentが約35%速い）、テーブル読取＋分析だけなら6.32秒 vs 18.66秒で約3倍の差がついた。一方でフォーム入力のような単純作業では36.24秒 vs 39.45秒とほぼ差がつかない。速度差が出るのは読み取り系のタスクだけ、という条件つきの結論だった。ルールもMCPも、増やす前に「どう検証して選ぶか」が問われている週だった。

元記事リンクはリプ欄に↓

[amu_lab @Amu_Lab__]

元記事リンクはこちら👇
1. Claude Code の Rules はもう死んでいる — https://t.co/T6hyjUisOh
2. CLAUDE.mdをそろそろ見直す時期かも — https://t.co/v3tlQDOMV2
3. Anthropic公式のClaude Code講座で学んだ「4つのD」 — https://t.co/5mc8iLtRxn
4. 九州大学でのClaude Codeハンズオンを、一人でもプロダクトを作れるワークショップキットとして公開 — https://t.co/8zPCX4nioI
5. WebMCPがアツいので見てほしい | DevelopersIO — https://t.co/v5JGFXeD5r

[amu_lab @Amu_Lab__]

モデルのスペック表は、そのままでは信じないほうがいい。

■ BitNet: 公式は「重み1.15GB」と書くが、実行時はコンテキストとコンピュートが乗って約3.1GB。約3倍で見ておく必要がある
■ qwen3-coder:30b: 「実効パラメータ3.3B」という表記があっても、メモリにはMoEの全30B分の重みが展開される。16GB機に積んだら激遅だった
■ Bonsai 27B: モデルカードの「Ternary 5.9GB」は理論上のfootprint。Hugging Faceの実配布ggufは約7.17GBある

3つとも「公称値」と「実際に動かした時の数字」が一致しなかった例。ローカルLLMを選ぶとき、私は速度表より先にメモリ欄を見る癖がついた。

[amu_lab @Amu_Lab__]

環境構築で待たされるかどうかは、ツール選びで決まる。

Pythonのパッケージインストールをpipとuvで同条件で測ったら、2回目以降で64倍の差が出た。

- クリーンな状態から: 9.66秒 → 3.41秒（2.8倍）
- 2回目以降（キャッシュあり）: 7.76秒 → 0.12秒（64倍）

条件はuv 0.11.7 / pip 25.1.1。numpy・pandas・requestsなど依存込み40+パッケージを、クリーンなvenvに`/usr/bin/time -p`で計測した。差が開くのは2回目以降で、同じパッケージを何度も入れ直すCI環境やDockerビルドほど効いてくる。

手元のvenvを作り直すたびに、pip installで数秒待つのが当たり前だと思っていた。uvに変えてから、その「待つ」を数える必要がなくなった。

[amu_lab @Amu_Lab__]

ツールを信じる基準は、宣伝文句の%ではなく自分の実測にしている。

「生成コードを最大94%削減する」というツール「ポニーテール」が話題になっているが、94%がどの条件・どのタスクでの数字かは記事だけでは分からない。

自分は音声認識モデルを比較したとき、公式ベンチマークだけで判断せず11モデルを実際に測った。
・Faster-Whisper tiny: 44秒の音声を507ms（0.5秒）で処理
・条件: RTX 2000 Ada / テスト音声10秒+44秒 / Teams会議の録画
・レイテンシ・精度・メモリの3軸で11モデルを並べて比較

条件が書いてない数字を見たら、まず「何で測ったか」を聞く癖がついた。