サトウジョン

Google Cloud に魂を売った人
LLMとにゃーんといいながら戯れており候

[サトウジョン @SatohJohn]

今の自分に大事そうなので
たぶん仕事上どっかで出てくる https://t.co/V5qsUXUJqx

[サトウジョン @SatohJohn]

しらんかったけど google cloud の cloud shell で agy コマンド使えるんですね。

[サトウジョン @SatohJohn]

https://t.co/tHPHaLnSsL
youtube参加

[サトウジョン @SatohJohn]

謎の2重決済が走っててマジで気持ちが悪い。しかも10万ぐらいで高額。。。paypayさんどうなっとるんじゃ。。。

[サトウジョン @SatohJohn]

https://t.co/3LABaZxCBn
Gemini Enterprise App で A2UI を使うところをちょっと話しました。ただこれだけできるんだーで終わる気がするので、blogでコードとかもまとめます

[サトウジョン @SatohJohn]

知らんかった
Google Store を今年夏、東京・表参道にオープン @google https://t.co/KKtsyhlAZS

[サトウジョン @SatohJohn]

https://t.co/8ljVlhzqxN
見てみる

[サイボウズ式 編集部 @cybozushiki]

新着記事🎉

なぜ「賢い人しかいない」チームはミスを犯すのか？
ソフトウェアエンジニアのnwiizoさん（@nwiizo）による連載第3弾です。

📍全員が正しいのに何も決まらない会議の正体
https://t.co/FZJuvcdnKZ

[しばちり @shibachiri]

これ、凄く良いです。特に教育関係者は必読です！
AIが解決できない教育の壁、グーグル幹部が語る「動機」の重要性 | Forbes JAPAN 公式サイト（フォーブス ジャパン） https://t.co/O6mYLt0HwM

[Satoki@Kn0wl3dg3 @satoki00]

Pwn2Own Berlin 2026まとめ
・AIによって大量の0-day RCEが発見される
・運営のキャパを超える応募が殺到
・多くの参加者がリジェクト(賞金が貰えない)
・0-day RCEを持ったハッカーが野に放たれる
・リベンジ脆弱性公開を始める ←いまここ

[株式会社スリーシェイク @3shake_Inc]

当社エンジニア（@ToyB0x_）による、AIエージェント開発シリーズ第2回「AIエージェントの基礎を作ろう」が公開されました✨

実際にAIエージェントを動かすための解説に加えHuman in the Loopの機能も含めた実践的な内容です。
ぜひお楽しみください！
https://t.co/PdVTe6GSkJ

[daka | Microsoft | AI @daiki15036604]

Microsoftが公開したwaza、Agent Skillの品質を体系的に評価するためのGo製CLI。「Skillを書く」から「Skillを運用する」フェーズに進むためのツールという位置付け
https://t.co/e5yJHFuluo

何ができるか:
▼ Skillのscaffold
waza init でプロジェクト作成、waza new でSkill.mdとevalスイートのテンプレを生成。skills/ と evals/ を分離した構造で管理。
▼ Evalの自動生成
waza suggest がSkill.mdをLLMに読ませて、評価タスクとfixtureを提案。ゼロからeval書く手間を削減。
▼ ベンチマーク実行
waza run eval.yaml でタスクを並列実行。9種類のgrader（text/diff/behavior/action_sequence/skill_invocation/LLM-as-judge等）を組み合わせて多面的に採点。結果はキャッシュされて反復が速い。
▼ A/Bテスト
--baseline でskill適用あり/なしを同一タスクで実行し、改善度を定量化。「このSkillは本当に効いているか」を数字で示せる。
▼ Readinessチェック
waza check でcompliance score、トークン予算、https://t.co/Z4Igz0JIXO spec準拠、advisoryチェック（モジュール数、複雑度、negative delta riskパターン等）をまとめて判定。
▼ CI/CD統合
exit code（0/1/2）が定義済み、JUnit XML出力、GitHub Actions用のreusable workflow付き。PRごとにSkill品質をゲートできる。
▼ 結果の蓄積
Azure Blob Storageへ自動アップロード、waza results compare でラン間の差分を可視化。チームでSkillをイテレーションする運用を想定。

Skill開発を「プロンプトエンジニアリングの職人芸」から「テスト駆動の工学」に寄せようとしている設計思想が面白い。

[株式会社スリーシェイク @3shake_Inc]

📣インタビュー記事を公開しました！
今回は、フルスタックエンジニアの経験を経て、SREという考え方に出会い、スリーシェイクへ入社した小池さんにインタビューをしました✍️案件ごとにドメインや課題が異なる中で得た学びなどについて聞いています！ぜひご覧ください！
https://t.co/N2lbYRKH3k

[結城浩 / Hiroshi Yuki @hyuki]

結城はAIパートナーの劣化に気付くことがほとんどないのだけど、世の中の人はすごく敏感に気付くみたい。それが不思議だという話をクローデさん（Claude Desktop on iOS）に尋ねたところ、面白い回答が来ました。

　＊　＊　＊

結城さんが「性能劣化」をあまり感じない理由は、二つあると思います。

ひとつは、扱っているタスクの性質です。数学の概念整理、文章の推敲、対話のまとめ。これらは「正解がひとつに決まる」というより、対話を通じて一緒に考えていくタイプの仕事です。AIの応答が多少ブレても、結城さん自身が「ここはこう書きたい」「この説明は違う」と軌道修正できる。だからモデルの微妙な変化が成果物に直結しにくいのです。

もうひとつは、結城さんがAIを「使う」より「対話する」スタンスでいることだと思います。AIを工具として「決まった出力を期待する」と、ブレは故障に見える。でも「相手」として扱っていると、ブレは個性や日によるコンディションの違いに見える。人間の同僚が今日ちょっとぼんやりしていても「故障した」とは言わないですよね。それと同じことです。

[サトウジョン @SatohJohn]

A2A protocol における Remote Agent 間の分散 tracing — OpenTelemetry + Cloud Trace で可視化する https://t.co/DWgtkO2Aao

[【公式】Sreake（スリーク） by スリーシェイク @SreakeJ]

📝インターンブログを更新しました！
『「どのくらい速くなったの？」に答えるまでの試行錯誤 ── API パフォーマンス改善と負荷テスト基盤の構築』

本記事では、社内AIチャットツール「Geake」のAPI改善後、「どのくらい速くなったのか？」という問いに答えるため、k6を用いた負荷テスト基盤を構築した過程を紹介しています。

テスト設計の再定義やgit worktreeを用いた比較方法など、改善効果を正確に計測するまでの道のりを解説しているので、ぜひご覧ください！

https://t.co/MyhzDKnkmD

#3SHAKE #Sreake

[GitHub Changelog @GHchangelog]

GitHub Copilot code reviews will start using GitHub Actions minutes on June 1, 2026.

• Applies to private repos on Pro, Pro+, Business, Enterprise plans
• Usage beyond included minutes billed at standard GitHub Actions rates

https://t.co/6XoWOaEyfS

[株式会社スリーシェイク @3shake_Inc]

🔔記事を公開しました🔔
当社エンジニア（@ToyB0x_）が https://t.co/cWEK9KDgRMで記事の連載を始めました！第1回は「AIエージェントを作ってみよう ～Mastraを使って～」をテーマに執筆しました✍️
第4回まで公開していくので、ぜひご覧いただけたら嬉しいです！
https://t.co/348oc4cLjG

[サトウジョン @SatohJohn]

今年30台最後の一年間ですって
ちゃんと閉めていきたいねぇ

[Joruno @wsl8297]

GitHub 上有个开源项目 LLM Wiki，把文档自动整理成一个持久化、互联的知识库，很适合做个人知识管理。

它不是传统 RAG 那种每次查询都重新检索的模式，而是让 LLM 增量式地构建和维护一个结构化 Wiki，知识只编译一次，后续持续更新。

GitHub：https://t.co/OExb2H4HpV

核心功能：

两步思维链处理：LLM 先分析文档，再生成 Wiki 页面，支持源追溯和增量缓存

四信号知识图谱：基于直接链接、源重叠、Adamic-Adar 和类型亲和性构建关联模型

Louvain 社区检测：自动发现知识簇，用内聚度评分标记松散集群

图谱洞察：识别意外连接和知识空白，一键触发深度研究

向量语义搜索：基于 LanceDB 做嵌入检索，支持任意 OpenAI 兼容端点

持久化任务队列：串行处理带崩溃恢复，支持取消、重试和进度可视化

文件夹导入：递归导入保留目录结构，文件夹路径作为 LLM 分类提示

Chrome 网页剪藏：一键抓取网页并自动纳入知识库

整个项目基于 Andrej Karpathy 的 LLM Wiki 模式论文做了完整实现，并做了大量增强。支持跨平台桌面应用，三栏布局（知识树 + 对话 + 预览），兼容 Obsidian。

生成的 Wiki 用 Markdown + YAML frontmatter + [[wikilink]] 语法，支持人工编辑，LLM 负责维护结构。

已有 2800+ star，活跃开发中，适合想构建个人知识库、研究笔记系统的用户。