bluejin55

Software Engineer.
I want to pursue the possibilities of computers.

[サカモト@エンジニアキャリア論 @sakamoto_582]

これは素晴らしい。日系でエンジニアの平均年収1500万円超えている企業なんてSmartNewsくらいなものですからね。

[みのるん @minorun365]

増枠されたらしい！

[トーマス@外資IT @ganbatte_ikiru6]

うちの会社のSI事業で、こないだまで1億円で提案してた案件が「AIの活用で6,500万で出来るようになったよ」と開発陣から言われた。

これお客様にはめちゃ良いんだけど、ワイの売上高とインセンティブはグッと減るのよ。

頑張って今の1.5倍売らなきゃいけなくなる。
これ他のSIerもそうなってる？！🤣

[Hiroaki KARASAWA | Dinii Inc. @karszawa]

これめっちゃすごいです。エンジニアへの問い合わせが激減しました。

https://t.co/vHWGLfWIwH #zenn

[東大ClaudeCode研究所 @ClaudeCode_UT]

【保存版】
Anthropic エンジニアのスキル設計を全部調べた人がいる。
Claude Code を使う上で、毎回プロンプトを書き直している人に知ってほしい内容。
↓ 要点はこれ

https://t.co/gSss75YHUZ
ポイントは 3 つ。

・Anthropic エンジニアはプロンプトをその都度書かない。再利用可能なスキル（説明・手順・ツールの 3 層構成）を作って呼び出す
・多くの人は「説明と手順」だけで止まるが、Anthropic エンジニアはツール整備の層に最も力を入れる
・巨大な 1 個のスキルより、目的を絞った小さなスキルを複数作って組み合わせる「コンポーザブル設計」が推奨されている

コンポーザブル設計の利点は 3 つある。問題箇所の特定が早い。1 つのスキルを改善すると全ワークフローに波及する。同じスキルを別の用途に転用できる。

もう 1 つ見落とされやすいのが、Claude はスキルの説明文を読んで適切なスキルを自動で選ぶという点。説明文が曖昧なスキルは使われない。

保存して、自分のスキル設計を見直す時間を取るといい。

[Claude Code Studio @ClaudeCode_love]

【速報】
Claude Code 2.1.149に新機能「/usage」が追加😳
結論 → どのSkill・Subagent・MCPがコストを食ってるかが一発で見えるようになりました
https://t.co/LeAt1UsKpI
正直、これはマジででかい機能追加なので解説します👇
これまでのClaude Codeは「Skillsもプラグインも全部一緒くた」でした。

でも 2.1.149 で /usage を叩くと

・Skills別の使用量
・Subagent別の使用量
・プラグイン別の使用量
・MCPサーバー別のコスト
・どれが原価ドライバーかが一目で見える
・26件のCLI変更を1リリースに同梱

つまり、コスト管理がプロンプト１発で完結する状態になります。

[감자 @nowlovepan]

Anthropic은 LLM을 처음부터 만들 줄 아는 엔지니어에게
연 75만 달러 이상을 준다고 함

그런데 Stanford CS229에서
LLM이 어떻게 만들어지는지 다루는 강의가 무료로 공개돼 있음

이건 프롬프트 잘 쓰는 법이 아니라

ChatGPT와 Claude가
어떻게 학습되고
왜 답을 만들고
왜 가끔 틀리고
왜 비용이 많이 드는지 보는 강의에 가까움

초보자가 당장 전부 이해할 필요는 없음

근데 AI로 콘텐츠 만들고
자동화 돌리고
웹앱 만들고
부업까지 해보려면

AI를 그냥 도구로만 보는 것보다
어떻게 돌아가는지 구조를 한 번은 봐두는 게 좋다고 생각함

AI 강의 하나 본다고 바로 엔지니어 되는 건 아니지만
도구를 보는 눈은 확실히 달라질 듯

이번 주말에 북마크해두고 볼만한 강의임

[Kazunori Sato @kazunori_279]

ほんそれです。agentic searchの話と検索手段をどうするかは直交した議論。grepか意味検索かはデータ規模や遅延要件や用途に応じて選べばよく、いずれの場合でもLLMにagenticな検索させると従来は実現できなかった情報検索が実現できる。なのでユーザーのインテントとコンテキストを理解できるLLMに数十のクエリを生成させて並列検索と結果評価するデモを2年前から作ってきました。

"この違いを区別しないで議論するから
ごっちゃになるのだと思っている
最終形態は両方がマージされたもので
高速LLMが人間の意図を汲み取って
クエリー拡張を行って検索代行"

[Kenn Ejima @kenn]

一言でRAGといっても
セマンティック検索とエージェンティック検索
これらはレイヤーが全く違っていて

セマンティック検索はほとんどのユースケースで
ユーザーの操作面にむき出しになっているため
速度が優先で、だからインデックスが重要になる

一方のエージェンティック検索は
そもそもLLMの出力に時間がかかるので
最適化なくファイルシステムをフルスキャンしても
全体の待ち時間からみれば誤差という感覚になる
findコマンドが遅いのにも慣れてるでしょう？

この違いを区別しないで議論するから
ごっちゃになるのだと思っている

最終形態は両方がマージされたもので
高速LLMが人間の意図を汲み取って
クエリー拡張を行って検索代行

というところまで行くのは間違いないんですが

現時点の技術水準では
ユーザーがその結果をどれだけ待てるか
というUXの視点が抜けた議論は不毛だと思います

[nini @nini_incrypto_]

Google 把内部工程师的代码审查（Code Review）规范公开啦

这几乎是目前业界最顶级的标准

很多程序员只会写代码，但不知道怎么审代码，可以看看 Google 是怎么做的

1.双向指南：不仅教审查者怎么挑毛病，还教作者怎么写出容易通过的代码

2.术语科普：解释了 Google 内部常用的 LGTM（看起来不错）和 CL（变更列表）到底意味着什么

3.实战价值：这套规范不是理论，而是 Google 每一位工程师都在用的实际操作准则

如果你想提升团队的代码质量，或者想知道顶级大厂的开发门槛，这份文档必读！

https://t.co/OdaozRkMYn

[半熟 @hanjuku_yanen]

海外のガチCodexユーザーが1時間で同時に6つのタスクを進めるマルチタスキング法を説明してたんやが、普通に参考になりすぎたｗ

しかもこれ、OpenAIが直々に「この動画は最高レベルでいいやんけ」と認めてるらしいｗ
そんなことある？笑

絶対に抑えておくべきなのは、

[tatsuki | Claude Code活用支援 @nobel_824]

OpenAI 共同創業者Karpathyの CLAUDE.md が、GitHub トレンドで1位独走中。
中身はライブラリでもアプリでもなく、たった65行のテキストファイル。Karpathy のコーディング観察を圧縮した1ファイルが、累計10万スター超え。
そこに書かれた4つの原則について解説します。

[サカモト@エンジニアキャリア論 @sakamoto_582]

「AIによって、これからのエンジニアはPM/PdM化していく」という話、かなり実感としてある。

以前はコーディングそのものに多くの時間を使っていたが、今はAIが実装の一部を担うようになり、自分の仕事の重心が「何を作るべきか」「どう進めるか」「どう成果につなげるか」に移ってきている。

実際、自分も最近は一つのプロジェクトを持ち、関係者と調整しながら、AIに機能改善の指示を出して実装を進めたり、AIに必要なドキュメントを整理させたりする仕事が中心になっている。

もちろん、これはエンジニアとしての力が不要になるという意味ではない。AIに的確な指示を出すためには、技術者としての知識や判断力が前提として必要になる。

ただ、それ以上に「プロジェクトを前に進める力」の重要性がかなり上がってきていると感じる。そもそも今までも最終的に評価されるのは、どれだけコードを書いたかではなく、プロジェクトを成功に導けたかどうかだったが、より結果に重きが置かれるようになった。

[ふくち @har1101mony]

ありがとうございました！今日の登壇資料です！
TS要素かなり薄めですみませんでした〜〜〜何か得るものがあれば嬉しいです！
#TSKaigi #tskaigi_righttouch

https://t.co/X7zz8QolYg

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

Google社内で使われているIDEの歴史をまとめた記事を読むと、ソフトウエア開発もクラウドやAIという流れに則っていることが窺える。

かつてGoogleでは、Emacs、Vim、IntelliJなどIDEは完全に個人の自由で、「統一は不可能」という考え方が強かった。
しかし巨大モノレポの成長によって、各IDE向けにBazelやコード検索、補完機能を個別対応する負担が増加していく。
そこで登場したのがWeb IDE「Cider」で、コード解析や巨大インデックスをクラウド側で処理する構成を採用した。
さらに2020年頃にはVSCodeをフロントエンドとして統合し、「Cider V」へ進化。
VSCodeの拡張機構を利用できるようになったことで、社内チームによる独自拡張やワークフロー改善も急速に進んだ。
2023年にはgoogle3開発の80%がCider V上で行われるまで普及し、AI補完やレビュー支援も共通基盤上で展開されていったという。

面白いのは、この変化が単なる「ブラウザIDE化」ではなく、「開発環境そのもののクラウドサービス化」に見えることだ。巨大コードベースでは、型情報、依存関係、コードレビュー履歴、検索インデックスなどを常時統合して扱う必要があり、IDEは単なるエディタではなく巨大分散システムのフロントエンドになっていく。

さらにAI時代になると、この流れはより加速する。AIコード補完やレビュー支援は、組織全体のコード知識にアクセスできるほど強力になるため、統一されたIDE基盤の価値が急上昇するからだ。記事の最後にある「standard tooling creates leverage（標準ツールはレバレッジを生む）」という言葉は、AI時代のソフトウエア開発の方向性そのものを示しているように感じた。

https://t.co/AgfNq6qF0L

[はやたす@著書【Pythonブートキャンプ】 @hayatasuuu]

Hugging Faceが
『LLMコース』を完全無料で公開。

GradioやTransformersの開発者が直接書いてる教材です。

・Transformersの仕組み
・モデルのファインチューニング
・DatasetsとTokenizers
・代表的なNLPタスク
・LLMの高度なテクニック
・Gradioでのデモ公開
・推論モデルの構築

日本語訳もあるので、英語が苦手な人も読める。

LLM開発を学びたい人は必修。

https://t.co/HTQQxNEgUw

[みのるん @minorun365]

記事を投稿しました！ #Qiita

Claude Codeに設定したBedrock認証を解除したい！のに /logout できない😭
https://t.co/05By1r0JWe

[はやたす@著書【Pythonブートキャンプ】 @hayatasuuu]

元OpenAI共同創業者のAndrej Karpathyが、
『ニューラルネット入門』をYouTubeで完全無料で公開。

GPTを自作することがゴールの本格講座。

・NNと誤差逆伝播法
・MLP構築
・WaveNet
・Transformer
・GPTの自作

ニューラルネットワークからGPTの構造まで理解して、
AIの専門性を高めたい人は必見。

https://t.co/GqDmJyfAGS

[mizchi @mizchi]

俺のソフトウェア作るときのワークフローだいたいこれ

- ググって参考実装や論文を集める
- テストを満たせ
- リファクタリングしろ
- ベンチマークをしろ
- セキュリティレビューをしろ
- カバレッジ上げろ
- 次にやることは？

[サカモト@エンジニアキャリア論 @sakamoto_582]

私の周囲の話をします。設計という役割の責任は、システム開発・ソフトウェア開発において、実装に着手できる状態を整えることにあると捉えています。

そのため設計者には、状況に応じて最適なインターフェース設計、システムアーキテクチャ図、データベース設計、ソフトウェア構造設計、非機能要件の定義と実現手法、技術選定などを行い、全体として一貫性のある構成を示すことが求められます。これらは単に要素を並べるのではなく、最終的にチームが具体的に手を動かせる形に落とし込まれている必要があります。

さらに重要なのは、それらの設計判断について、「なぜこの構成なのか」「なぜこのインターフェース設計なのか」といった意思決定の背景を、制約条件やトレードオフを含めて説明できることです。この説明があることで、設計の意図がチーム内で共有され、判断の一貫性が保たれます。

特に物事が複雑になるほど、インターフェース設計やデータベース設計のように、ユースケースの多様性や将来的な拡張性を強く意識する領域で差が生まれやすいと感じています。これらは単に知識だけでなく、複雑な状況を整理し、複数の観点から最適解を導く力が求められます。

したがって設計ができる人とは、単に設計書を書ける人ということを超えて、こうした意思決定とその背景を明確にし、それをインターフェースや構成として具体化することで、チームが迷わず実装に着手できる状態を実際に作り出せる人であると考えています。