daishiro

(｀・∀・´)つ〝 ∩ たまに美味かったものをポストしてるITの人

[daishiro @daishiro_jp]

Agentic AI Innovation Challenge 2025で「Outstanding Solution Implementation」を受賞しました！嬉しい😊

LLMKnowledge2: A Framework for Automated Knowledge Extraction and RAG Integration🏆
https://t.co/llsGEHGKsd #ReadyTensor #AI

[高木 @takagi8826]

日本初の女性首相が浜四津敏子さんみたいに気品があり、知性と包容力のある方だったら良かったのに

[中川康洋（中道改革連合・比例東海ブロック) @nakagawa_komei]

できれば私も入れていただき#6爺でお願いします！

[Md Ismail Šojal 🕷️ @0x0SojalSec]

Chinese scientists have developed,

The best shortest-path algorithm in 41 years!

A team from Tsinghua University has broken Dijkstra's "sorting barrier" - the first improvement since 1984.

Just use for a world-map 🤯

Paper - https://t.co/0AhR5O7vl4
https://t.co/a9KMVRuYGx

[nogu @_nogu66]

「エージェントを作る時代は終わった？」Anthropicが語った本当の突破口

最近のAI界隈で静かに、とんでもないパラダイムシフトが起きています。

Anthropicが語った「Don't Build Agents, Build Skills Instead」という講演が、その方向を完全に示しています。

結論から言うと、AIエージェントは賢いけど専門家じゃないという致命的なギャップを抱えていました。

そこで、彼らはエージェントではなくスキルを作り始めました。

どんなに高性能なモデルでも、すべての専門知識が常に搭載されてはいません。

優秀な新人を採用しても、経験がないと実務は任せられないことと同じです。

それに対して、彼らがたどり着いた答えはシンプル。

「知性（モデル）と専門知識（スキル）の分離」

スキルはあくまで、ただのフォルダです。しかし、その中には、手続き的な知識（プロがどう考えて、どう動くか）がコードとして格納されています。

要は、専門家の実務をそのままパッケージ化したファイルをAIが実行できる世界になったということです。

「モデルが万能になる未来」ではなく、「モデルに専門家の作業手順を後付けする時代」が来ています。

特に、スキルは最初にメタデータだけを見て判断して、使うべきと判断した瞬間だけディスクリプションを読んで実行します。

これによって、複数のスキルを持たせられる。コンテキストを圧迫しない。構成の可能性が爆発的に高まる。

すでにAnthropicは３つのカテゴリーを提示しています。

1つ目は、基盤スキル。文章生成能力、科学研究、解析するなど汎用OSレベルの能力をAIに付与します。

2つ目は、サードパーティースキル。Notionなどが公開している、「特定製品でプロ級の使い方ができるAI」を実現する。

3つ目は、エンタープライズスキル。企業が自社の作業手順や内部知識をAIに覚えさせる新人研修のデジタル化とも言えるレイヤーです。

要するに、 企業内のノウハウそのものがスキルとしてAIに継承される時代が来る。

Anthropicは、エージェントを以下のように整理している。
・モデル＝CPU
・ランタイム＝OS
・スキル＝アプリケーション

これが最もわかりやすい。スキルは「AIにおけるアプリ層」であり、ここに人間の経験値や専門知識が書き込まれる。

AIの価値は モデルそのものではなく、スキルのエコシステムで決まっていく。

最後に、なぜ今スキル”なのか？

エージェントを自前で作り直すのは非効率だった。

正解は、エージェントの上に能力ファイルの積み重ねをつくること。

スキルは、以下のという特性を持っています。
・チームで共有できる
・会社に蓄積される
・AI同士で引き継がれる
・将来のモデルでも再利用される

「AIに何ができるか」ではなく、「AIに何を学ばせられるか」。

この転換点を理解した人から、AI時代の生産性のボトルネックを完全に突破していくはず。

[daishiro @daishiro_jp]

こちらも久々投稿。

https://t.co/BH9fP5Sjxf

[daishiro @daishiro_jp]

Zenn面白いな〜。素晴らしい。初投稿でした。

https://t.co/v6C7PknMap

[OpenAI Developers @OpenAIDevs]

Here’s @nikunjhanda and @stevenheidel to show you how MCP, reasoning, and multiple Responses API tools can work together.

Read more in our blog: https://t.co/4QgjNOvWlP

[daishiro @daishiro_jp]

便利なので作った。
https://t.co/NMaKMXqVqv

[daishiro @daishiro_jp]

作った！

https://t.co/gBkTyUHeu9

[daishiro @daishiro_jp]

蕎麦より蕎麦つゆが美味しかった

[daishiro @daishiro_jp]

どうしても、LLMを自由に扱える、メモリ帯域の馬鹿でかいStudioが欲しいので、Mac整備済製品をチェックするゆるキャラを作った。

[daishiro @daishiro_jp]

Mac整備済み品チェックbotに煽られて悲しみ🥲
—-
こんにちは！🎵

残念ながらStudioはないよ。。。

今見てる整備済み製品の中には、MacBook AirやiMac、MacBook Proはたくさんあるんだけど、Mac Studioは見当たらないんだ😅

また在庫が入ったら教えるね！待ってる間に他のMacを見てみるのはどう？✨

[daishiro @daishiro_jp]

旅行中だけど、必要なので作った。

https://t.co/zckSidWxuW

[daishiro @daishiro_jp]

とても楽しかった！

[daishiro @daishiro_jp]

横田基地、マジでか！！

[Dify Japan @DifyJapan]

🏖️ Dify v0.7.2が新登場しました！新しいシステム変数といくつかの改善点が含まれています。

⏱️ sys.dialogue_count
これは、チャットフロー内での会話ターン数を追跡するための変数です。

この変数を活用することで、会話の進行に応じたダイナミックな会話ロジックを開発者が実装できます。if-elseノードを用いて、チャットフローの異なる枝をトリガーすることができます。例えば：

フェーズ1：最初の5ラウンドの対話
if sys.dialogue_count < 5: 情報を収集する
フェーズ2：5ラウンドを超えた後
else: 情報を略して出力する

🤖 Moonshotモデルは、JSON形式での出力をサポートし、下流ノードやツールがより構造化データを簡単に生成します。

☑️ アプリセッションリストは、ユーザー体験の向上のために、最終修正のタイムスタンプでソートされるようになりました。

⚙️ 新しいモデルとツール
Qwen text-embedding-v3
siliconflow：Stable DiffusionとFluxを活用した”テキストから画像へ”の変換ツール

🐞 このリリースでは、コミュニティの皆様のおかげで多くのバグ修正できで感謝致します。

完全な変更ログはこちらをご覧ください：https://t.co/gr5tWhn3uk

[Dify Japan @DifyJapan]

🧙🏻‍♂️ Dify v0.7.1がリリースされました！新たにOpenAIのStructured Outputsサポートやカスタマイズ可能なアプリアイコンが追加されています。

🔢 OpenAI Structured Outputs（gpt-4o-mini & gpt-4o-2024-08-06 only）
アプリケーションを構築する際に、OpenAIモデルを選択し、ワークフローのLLMノードでJSONスキーマを有効にすることで、カスタマイズが可能です。これにより、LLMはあらかじめ定義された形式でデータを出力し、下流のノードでのデータ解析、処理、変換がより簡単になります。

🖼️ カスタマイズ可能なアプリアイコン
ビルドを始める際に画像をアップロードすることで、アプリケーションアイコンをカスタマイズできます。これにより、より個性的で魅力的なものになります。

📦 Difysandboxがv0.2.6にアップデートされ、Pythonパッケージのインストールに関する制限が緩和されました。

⚙️ 新たに追加されたモデルとツール

- chatgpt-4o-latest: チャットに最適化されたモデルです。
- Jina Tokenizer: テキストをトークンに変換し、LLMプロセスで長文を小さなセグメントに簡単に分割するためのツールで、APIは無料で利用できます！
- GitLab: Dify内でGitLabからファイルの内容やコードコミット履歴を直接クエリし取得するのに役立ちます。

🐞 コミュニティの貢献により、このリリースでは数多くのバグ修正が行われました。

詳細な変更ログはこちらをご覧ください：https://t.co/Q13SwVnAMc