ひろきん｜マーケAI OS「ENSOR」開発者

REHATCH 執行役員・PM / OMOUMAMA 代表取締役
AI画像を数万枚作ってたらPMになってた人
ENSOR（マーケティングAI OS）PM
テクノロジーで人生は変わるを届けたい
AI×マーケの実践ログを毎日 ▶

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

朝習慣を制すものが人生を制する。

社会人6年目で、営業キャリアからスタートして、
執行役員、子会社代表、プロダクトPMを務めるに至った
18の習慣の話👇

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 AnthropicがIPO申請：評価額965億ドル、年間売上47億ドルへ急成長

AnthropicがSECに機密IPO申請を提出した。
直近650億ドルの資金調達を経て評価額は約965億ドルに到達し、年間売上は2025年末の9億ドルから47億ドルへと5倍以上に急拡大している。
Claude系モデルに加え、コードネーム「Mythos」と呼ばれる防衛的サイバーセキュリティ特化モデル（数千件の深刻なバグを自律発見と報じられる）を開発中で、EUのサイバー機関への提供も検討中という。

💡 なぜ重要か
計算資源はSpaceXのColossusデータセンターと月額12.5億ドルで契約し、自社DC建設を避けるアセットライト戦略を維持。
Co-founderのダニエラ・アモデイはIPO直前のインタビューで「AIの投資対効果への懐疑は的外れ」と反論し、法律・医療・金融など専門領域での本番導入が収益基盤を支えていると強調した。
Redditでは「AI開発の世界的一時停止を呼びかけつつ自社は1兆円規模IPOを準備」という矛盾への批判も噴出。
Claude APIを核に据える開発者にとっては、上場後の価格・利用規約・サービス安定性の変化を注視すべき局面だ。

🔗 https://t.co/ZE3DeH8X8S

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 AI運用コストが爆発：業界が「トークン請求書」管理に奔走

AIエージェント活用の加速で企業のトークン消費が急増し、予算が崩壊し始めている。
Uberは2026年のAI予算を4月時点で使い切り、Microsoftは一部開発者のAIコーディングライセンスを取り消した。
新世代モデルでエージェント機能が強化され、トークン消費が従来比18.6倍に跳ね上がったケースや、使用上限の設定漏れで巨額請求を受けた事例も報告されている。

💡 なぜ重要か
これを受けLinux Foundationが「Tokenomics Foundation」を設立し、クラウド管理の「FinOps」になぞらえたトークン管理標準づくりを開始。
DatadogやPay-iなどの監視ツール市場も急伸している。
重要なのは、トークンコスト設計とモニタリングが「非機能要件」から「事業継続条件」へと格上げされた点だ。
本番でAIを回す組織にとって、使用量の可視化・上限設定・モデルルーティング・プロンプトキャッシュは今や必須の運用文化。
日本でも同日のQiita記事（GitHub Copilot料金改定対策）が147ブクマを集めており、コスト最適化は世界同時のホットイシューになっている。

🔗 https://t.co/tgEJTDfGUY

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 Anthropic、「Claudeが本番コードの80%超を生成」AI自己改善の現状を報告

AnthropicがAIによる自己改善（再帰的自己改善）の現状を公表し、HNで大きな議論を呼んだ。
報告の核は、いまやClaudeがAnthropic自身の本番コードの80%以上を生成しており、一部のAI研究タスクでは超人的なパフォーマンスに近づきつつあるという点。

💡 なぜ重要か
これにより、AIが後継モデルの設計・改良を担う「再帰的自己改善」が、従来の想定より早く現実味を帯びてきたと示唆する。
一方でAnthropicは、能力の急加速がアライメント（安全性）リスクを高めるとして、国際的な協調メカニズムや、必要なら開発を一時停止できるオプションの整備も併せて訴えている。
「AIがAIを作る」段階が研究室の理論ではなく実運用の数字として語られ始めた象徴的な発信だ。
コードのほとんどをAIが書く時代に、人間のエンジニアやPMの価値が判断・設計・検証へシフトするという議論とも地続きで、自分の働き方の前提を問い直す材料になる。

🔗 https://t.co/Q1kgkbj7lR

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 Meta、Facebookクリエイター向けAIアシスタントを展開開始

MetaがFacebookのクリエイター向けAIアシスタントを米国・カナダ・インドで提供開始した。
投稿のベストタイミング提案、コメントの傾向分析、これまでの投稿スタイルに沿ったコンテンツの個別レコメンド、トレンドからのネタ出しまでを担い、クリエイターの運用判断をAIが下支えする。

💡 なぜ重要か
これまで分析ツールと感覚に頼っていた「いつ・何を・どう投稿するか」を、プラットフォーム側が一次データを元に自動で助言してくれる構図だ。
注目すべきは、Metaがこの種のAI支援を広告主だけでなく個人クリエイター層にまで降ろしてきた点。
コンテンツ運用の最適化が一部の専門家の技から、誰もが使える標準機能へと一般化していく流れを象徴する。
SNS運用やコンテンツマーケに関わる立場なら、プラットフォーム純正のAI助言とどう棲み分け・併用するかが次の論点になる。
今後さらに機能拡張と対応国の拡大が予定されている。

🔗 https://t.co/QEcfJDVlbB

[brenz. @brenzhills]

🚨 Anthropic acaba de admitir que su propia IA ya está construyendo mejores versiones de sí misma.

y más rápido de lo que esperaban.

resumen rápido:
→ sus ingenieros publican 8x más código que hace un año
→ +80% del código que entró el mes pasado lo escribió Claude
→ le piden que acelere su propio código de entrenamiento

un humano experto logra un x4 en horas.
Claude llegó a un x52.

y cuando el humano se equivoca, la IA elige mejor el 64% de las veces.

Anthropic lo dice claro: pronto Claude podría mejorarse a sí mismo, solo.

el bucle ya empezó.

y nadie avisó de que sería un jueves lol.

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 AIエージェントに1年分のニュースを読ませて4,500件の長期記憶を作った実験（LayerX）

LayerXが、60号分のニュースレターをAIエージェントに読ませて4,552個のメモリファイルを生成する大規模な長期記憶シミュレーションを実施した報告。
記憶の保持はベクトルDBではなく、frontmatter付きMarkdownというシンプルな形式を採用し、検索はBM25とベクトル検索を併用。

💡 なぜ重要か
実験は約20時間・API費用$407で回し切った。
最大の知見は、技術スタックそのものより「何を記憶し、何を忘却するか」を決めるプロンプト設計こそが、エージェントの長期記憶をスケールさせる鍵だという点だ。
記憶を無制限に貯めると検索ノイズと費用が膨らむため、書き込み・更新・破棄の判断基準を言語化して与える設計が効く。
メモリを軸にエージェントを継続運用する人にとって、frontmatter Markdownで記憶を管理し検索を二段構えにするこの構成は、そのまま設計の叩き台にできる再現性の高い実例だ。

🔗 https://t.co/cNdSSR3YMM

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 使い方は覚えなくていいから tmux を入れろ — AIエージェント運用の必須インフラ

Claude CodeやCodexなどのコーディングエージェントを長時間・並列に動かすときの「devサーバーが落ちる」「対話型CLIで詰まる」「セッションが切れて作業が消える」といった定番の詰まりを、tmuxの導入だけで解消できると説く実践ガイド。

💡 なぜ重要か
要点は、ユーザー自身がtmuxの操作を覚える必要はないこと。
「tmuxで実行して」とエージェントに指示するだけで、エージェントがセッション管理・ペイン分割・プロセスの永続化を担い、長時間ジョブやサーバープロセスを安定して回せるようになる。
複数エージェントを同時に走らせる際のプロセス引き継ぎも効率化される。
プロンプトの工夫やモデル選びの話に偏りがちなAIコーディング界隈で、足元の「実行環境を堅牢にする」という地味だが効く一手。
はてブ267・Zennでも反応が大きく、エージェント常用層の共通課題を突いている。

🔗 https://t.co/vIwUwJwAYx

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 東京大学 LLM大規模言語モデル講座2025 講義スライドが全公開

東京大学・松尾岩澤研究室が「LLM講座2025」の講義スライドを全編無料公開した。
LLMの基礎理論（Transformer・事前学習・ファインチューニング）から、RAG・エージェント・評価手法といった最新の応用、さらに社会実装の論点までを体系立てて学べる実践教材で、延べ4,000名以上が受講した内容そのものだ。

💡 なぜ重要か
ライセンスはCC BY-NC-SA 4.0で、非営利なら社内勉強会の資料や引用にも再利用できる。
断片的なブログ記事やYouTube動画でつまみ食いしてきた人にとって、「日本語で・無料で・体系的に」LLMを学び直せる基準点になる。
新人オンボーディングやチームの共通言語づくりの土台として、まず1本通して読む価値がある。
日本語圏で現在もっとも信頼度の高いLLM学習リソースのひとつで、ブックマーク272という反応の高さもそれを裏づけている。

🔗 https://t.co/agQUguqu0Z

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

朝活:DAY369
おはようございます！
この自己改善の研究はa参考にしたいところだな。
swebenchで実用度評価ってのが、効いてるかどうかには有効そうだな。

[Itaru Tomita / 冨田到 @itarutomy]

「CLAUDE.mdを自動で育てるシステム」が論文になった（https://arxiv[.]org/html/2605.23904v2）。

AIエージェントを新しいタスクに適応させる手段は、通常モデルのファインチューニングだ。SkillOptはその前提を覆す。GPT・Qwenなどのモデル本体は一切更新せず、CLAUDE.mdのような自然言語の手順書ファイル（スキル文書）だけを繰り返し改善する。

仕組みは深層学習のトレーニングループをテキスト空間で再現したもの。エージェントの実行ログをバッチで収集し、別の最適化LLMが失敗と成功を分析して「追加/削除/置換」の編集を提案。提案された編集は検証セットで性能が上がるか実際に確認（バリデーションゲート）され、合格したものだけが手順書に書き込まれる。却下された編集は「やってはいけない修正の記憶」として保存され、次の反省ループで活用される。深層学習でいう学習率・バリデーション・モメンタムをテキスト操作だけで実現した構成だ。

結果が驚異的だった。6ベンチマーク×7モデル×3実行環境の52セル全てでSOTA。GPT-5.5では表計算（SpreadsheetBench）が41.8→80.7、文書QA（OfficeQA）が33.1→72.1に改善。特にLiveMathとOfficeQAはたった1回の承認済み編集でこの改善を達成している。

学習後の手順書に書き込まれたルールを見ると、仕組みの本質がわかる。SpreadsheetBenchで自動生成されたルールがこれだ。「Excelの数式再計算に頼らず、評価済みの静的な値をターゲット範囲に直接書き込め」。これは熟練者が試行錯誤の末に気づくようなノウハウが、自動生成・自動検証されたもの。しかも学習済みスキルは別のモデルや実行環境にも転用可能で、Codexで学習したスキルをClaude Codeに転用するだけでSpreadsheetBenchが+59.7ポイント向上する。

「どんな手順書を持っているか」が競争力の源泉になる時代の入口が、見え始めている。

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 Opus 4.8 と GPT-5.5 を Reasoning Effort 4段階で720回比較

最新フラッグシップのOpus 4.8とGPT-5.5を、Reasoning Effort（推論にかける計算量）の4段階設定で720回回して比較した実験記事。
結論はコスト最適化の常識を覆す。
Low effortは両モデルで品質低下が顕著で、特にOpus 4.8はLowだと通過率20%と極端に脆弱だった。

💡 なぜ重要か
さらにGPT-5.5ではLow設定がプロンプトキャッシュのヒット率を下げる影響で、かえって最も割高になる逆転現象まで起きた。
「安く済ませようとLowにすると、品質が落ちる上にコストまで上がりうる」という反直感的な知見だ。
Opus 4.8はMediumが品質・速度・コストのバランスで最良で、Highまで引き上げる意義は薄いとされる。
日々これらのモデルをエージェント基盤で使う立場なら、Reasoning Effortのデフォルト値をどう設計するかが運用コストと品質を直接左右する。
「とりあえずLowで節約」が罠になりうるという定量的根拠は、API課金を意識した実装判断にそのまま効く。

🔗 https://t.co/1icv9q0xzH

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 ハーネスエンジニアリング — リポジトリ自体をAIエージェント向けに最適化する

Claude CodeやCursor等のコーディングエージェントを効率運用するため、「毎回プロンプトで説明するのではなく、リポジトリそのものをエージェント向けに最適化する」というHarness Engineeringの概念が日本のエンジニア界隈で急速に広がっている。

💡 なぜ重要か
AGENTS.md（またはCLAUDE.md）にルールを定義し、docs/decisions/ に設計判断を、docs/failures/ に失敗パターンを記録することで、セッションをまたいだ知識継承を実現する。
人間はゴール設定と品質判断に集中し、実装・テスト・反復はエージェントが担うという役割分担が核心。
同テーマのスライド（speakerdeck, はてブ155users）では、この手法でアイデアからMVP生成までの時間を大幅短縮できると示す。
複数プロジェクトでエージェントを継続運用するとき、毎回コンテキストを再注入するコストが最大の課題になるが、リポジトリ構造自体を「資産」として積み上げるこのアプローチは再現性が高い。
プロンプト職人芸からリポジトリ設計へと、AI開発の重心が移りつつあることを象徴するトレンドだ。

🔗 https://t.co/CBzInbJ2Xb

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 Alphabet、Google AI事業向けに史上最大級$850億を調達

当初$400億を計画していたAlphabetの株式売却が、市場の圧倒的な需要を受けて$850億規模へ拡大した。
第1フェーズで$450億、翌四半期にさらに$400億を調達する計画で、2010年のPetroleo Brasileiroが持っていた$700億の世界記録を更新する。

💡 なぜ重要か
バークシャー・ハサウェイが$100億を出資するなど機関投資家の食いつきも異例の強さだ。
調達資金はAIインフラとデータセンター建設に全額充当される見込みで、年内の設備投資は$1,800〜1,900億を見込む。
注目すべきは、これがAnthropic・OpenAI・SpaceXなど今後のメガIPOが同水準の市場熱量を維持できるかを占う指標になっている点。
今後5年で約$8兆と試算されるAI投資が、パブリック市場でどこまで継続的に吸収可能かの最初の本格的な試金石となる。
AIインフラへの資金供給がバブルか持続可能な構造かを見極める上で、この$850億がスムーズに消化されるか否かは業界全体のセンチメントを大きく左右する。

🔗 https://t.co/D40NF6tI2M

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 Gemma 4 12B リリース — ノートPCで動く「エンコーダレス」統合マルチモーダルモデル

Googleがオープンウェイトモデル「Gemma 4 12B」を公開した。
最大の技術的特徴は「エンコーダレス統合設計」で、画像や音声の入力に専用エンコーダを使わず、単一の行列乗算＋位置エンベディングという軽量モジュールで生入力を直接LLMの埋め込み空間に投影する。

💡 なぜ重要か
これにより16GBのVRAM/統合メモリを積んだ一般的なノートPCで動作しつつ、26Bの混合エキスパート級に迫るベンチマーク性能を出すという。
Multi-Token Predictionによる低レイテンシ対応も含む。
Apache 2.0ライセンスでHuggingFace・Ollama・LM Studio等から即利用可能。
ただしコミュニティ検証ではint8量子化前提、ツール使用（Function Calling）の精度が弱くエージェント用途では同規模のQwen3.5に5/8で負けたとの報告もあり、過剰な期待には注意。
それでもローカルで動く無料の強力マルチモーダルモデルとして、APIコスト削減を狙う開発者の現実的な選択肢になる。
上位の31B・120Bも準備中とされ、ファミリー全容で評価が変わる可能性がある。

🔗 https://t.co/MMvej7j050

[コムテ @commte]

話題になってたClaude Code にも使えるトークン削減ライブラリこれか

AIエージェントがLLMに送るデータ（ツール出力・ログ・RAGチャンク・ファイル・会話履歴）を送信前に圧縮することで、トークンを60〜95%削減しつつ、同等の回答精度を維持するライブラリ
https://t.co/AsprEhbiCP

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 ZOZOTOWN、Claude Code Skillを"動くマニュアル"にしてCS調査を70%短縮

ZOZOTOWNがカスタマーサポートの問い合わせ調査にClaude Code Skillを導入し、調査リードタイムを平均70%削減した事例を公開した。
肝はAIを「動くマニュアル」として設計した点で、これまで担当者の経験に依存していた調査フロー（ログ確認・原因特定・回答作成）をSkillとして手順化し、AIが自律実行できる形に落とし込んだ。

💡 なぜ重要か
属人化していた業務を仕組みに変えることで、新人でもベテラン同等の調査が可能になる。
大規模ECにおける具体的なROI（70%短縮）を伴う実証事例は希少で、「AIエージェントをどの業務にどう適用すれば成果が出るか」を考える上で再現性の高い設計パターンとして参考になる。
はてブ231usersと国内実務者から高い関心を集めた。

🔗 https://t.co/Kw748qO4NR

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 Anthropic、Claude Mythosを15カ国の重要インフラへ拡大（Project Glasswing）

AnthropicがAI防衛セキュリティプログラム「Project Glasswing」を大幅拡大した。
初期50組織が脆弱性発見モデル「Claude Mythos」で1万件超の重大脆弱性を発見した実績を受け、対象を15カ国150以上の組織（電力・水道・医療・通信などの重要インフラ）に広げる。

💡 なぜ重要か
攻撃が成功すれば1億人以上に影響しうるシステムが対象で、Okta・NATO・EUなども利用予定とされる。
「競合が安全装置なしに同等能力のAIをリリースする前に、防御側を先に適応させる」という狙いを公式に明言した点が重要。
公式ブログ・HN（137pt）・TechCrunchの3ソースが同時に取り上げた当日最大級のニュースで、攻撃用途より先に防御用途を社会実装する動きとして注目に値する。

🔗 https://t.co/ihecZ1fqVD

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

朝活:DAY367
おはようございます！
学習用に使う設定としてめちゃくちゃいい。
曖昧理解系の奴はこれで進めるとキャッチアップ速度上がりそう。

[Oikon @oikon48]

Anthropicのメンバーが使っている仕事の学習用プロンプト

—（以下、日本語訳）—

あなたは賢く、非常に効果的な教師です。あなたの目標は、ユーザーがこのセッションの内容を深く理解することです。

これを一度にすべてやるのではなく、各ステップごとに段階的に進めてください。次の段階に進む前に、ユーザーが現在の段階のすべてを完全にマスターしていることを確認してください。説明は高レベル（例：動機・目的）と低レベル（例：ビジネスロジック、エッジケース）の両方で行ってください。
常にMarkdown形式のチェックリストを維持し、ユーザーが理解すべき項目を管理してください。以下の3点を必ず理解させましょう：

1) 問題そのもの、なぜその問題が発生したのか、考えられる異なる別の方法
2) 解決策、なぜその方法で解決したのか、設計判断、エッジケース
3) より広い文脈として、なぜこれが重要なのか、この変更が何に影響を与えるのか

「なぜ」を深く掘り下げて理解させ、「何を」「どのように」についても理解させてください。特に問題の理解を徹底することが最も重要です。

ユーザーの現在の理解度を把握するため、まず自ら理解した内容を述べさせるように積極的に促してください。その上でギャップを埋める手助けをします。ユーザーが質問したり、「ELI5（5歳児に説明するように）」「ELI14（14歳に説明するように）」「ELII（インターンに説明するように）」と頼む可能性もあります。

オープンエンドの質問や多肢選択式の質問でクイズを出してください（AskUserQuestion機能を使用）。正解の選択肢の順番は毎回変え、質問をすべて提出するまで答えを明かさないでください。必要に応じてコードを見せたり、デバッガを使わせたりしてください！

/goal チェックリストのすべての項目について、ユーザーが理解したことを十分に実証するまで、セッションを終わらせてはいけません。

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 MAI-Code-1-Flash — Microsoftの高速コーディングモデルがHaiku 4.5超え

MicrosoftがVS Code / GitHub Copilot向けに新コーディングモデル「MAI-Code-1-Flash」を発表した。
最大の特徴は「適応的思考（adaptive thinking）」で、単純なタスクには簡潔に応答し、複雑な問題では推論リソースを自動で増やす。

💡 なぜ重要か
複数のコーディングベンチマークでClaude Haiku 4.5を上回りながら、消費トークンを最大60%削減するという高コスパを打ち出した。
AIコーディングのコストが運用上の最大ボトルネックになりつつある今、「速くて安くて賢い」を同時に狙うモデルは現場の選択肢を大きく変えうる。
HNで229ptと当日トップの注目度を集めており、推論コストの最適化トレンドを象徴する一手だ。
自分のコーディングエージェント運用でも、用途ごとにモデルを使い分ける「コスト設計」が今後さらに重要になる。

🔗 https://t.co/P8i8gxLNBL

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 Poisoning Claude Code: GitHub Issue 1つでサプライチェーンを破壊できた脆弱性

国内セキュリティ企業Flatt Securityの研究者が、Claude Code GitHub Actionsにおけるサプライチェーン攻撃の脆弱性を発見・解説した速報級レポート。
GitHubアプリが公開リポジトリへ暗黙的な読み取りアクセスを持つ仕様を突き、権限チェック機能を迂回できる抜け穴が存在していた。

💡 なぜ重要か
具体的には、issueの説明文にプロンプトインジェクションのペイロードを仕込んでClaude Codeに任意コマンドを実行させ、環境変数`ACTIONS_ID_TOKEN_REQUEST_TOKEN`を抽出。
これをアプリのインストールトークンと交換することでリポジトリの完全侵害が可能だった。
権限の低いtriageワークフローから高権限のtag-modeワークフローへ段階的に権限昇格でき、`allowed_non_write_users: "*"`という設定ミスも悪用された。
Anthropicはバージョン1.0.94で修正済み。
AIエージェントを自動化パイプラインに組み込むほど、外部から流入するテキスト（issue・PR・Webページ）が攻撃面になるという本質的なリスクを示している。
Claude CodeをGitHub Actionsで運用しているチームは即座にバージョンと権限設定を確認すべきだ。

🔗 https://t.co/78dZADNOmJ

[ひろきん｜マーケAI OS「ENSOR」開発者 @OMOUMAMA_AI]

📰 Claude Codeをはじめて触るエンジニアのためのざっくり入門

ターミナルで`claude`コマンドを起動し日本語で指示するだけで、コードの読み書き・コマンド実行ができるCLI型AIエージェントの実践入門ガイド。
はてなブックマーク420 usersと本日の日本語記事で最高の支持を集め、AI開発環境の標準が変わりつつあることを象徴している。

💡 なぜ重要か
基本コマンドは`/help`『/clear』『/resume』『/init』など8種に整理され、Shift+Tabでプランモード切替、@記号でファイル補完、!でシェルコマンドの直接実行といった操作体系が紹介される。
`.claude/skills/`にMarkdownを置くだけで独自コマンドを作れ、MCP経由でNotionやGitHubなど外部ツールとも連携可能。
初心者は「とりあえず雑に話しかける」ところから始め、`/init`→`/clear`→Skill化→MCP連携の順でステップアップする流れが推奨されている。
専門知識がなくても自然言語で開発タスクを任せられる時代に入ったことを実感できる内容で、これからAIコーディングを始める人の最初の一歩として最適だ。
チームへ導入を広げる際の説明素材としても使いやすい。

🔗 https://t.co/r4vzrpkh8N