Mio Suzuki

ネットワークセキュリティ分野の技術系何でも屋＠某国研。一応Ph.D持ち。マネジメント、調達、インフラエンジニア的仕事、研究用のコード書き、システム構築運用、ファシリティ構築運用、論文書き、学会仕事、標準化、非常勤講師など必要であれば何でもやります。バックグラウンドはネットワーク(インターネット)系。

[HappyMan「吠える」 @nossie1967]

@MSZE15 このnoteが細かい分析があった。多分日経より読み応えがある。
後半に、美的も勝負は来年以降、とあったのが興味深い（今年買った人はさすがに来年は買わない。継続的に商売できるか、は今後の課題ということだ）。
https://t.co/AoDZNVjSzp

[paji.eth @paji_a]

これofこれ、AGI目前だけど人類はずっと【知能は希少資源である】という前提で、学校も会社も国家も人生そのものも”設計”してきたんよな、賢い人を何十年もかけて育て、その限られた判断力を高い給料で雇い、知識を持つ人間へ権限と地位を集中させてきた、でも今は”蛇口をひねって水を出す”ように、誰でも必要な瞬間に博士級の知識、文章力、分析力、開発力を呼び出せるようになり、その知能は疲れず、眠らず、複製され、同時に何万人分でも動かせる、つまり起きているのは便利な道具の登場ではなく、人類史を支えてきた「考えられる人間は少ない」という前提そのものの崩壊なんよな、しかも私たちの脳は、生まれてから一度も知能が無限に供給される世界を経験していないから、AIをいま��に検索の延長や優秀な助手としてしか捉えられず、社会制度も価格も雇用も教育も、知能が希少だった昨日のルールで動き続けている、これから価値を失うのは知識だけではなく、知識を持っていることを根拠に与えられてきた”肩書・報酬・権限”などで、逆に希少になるのは、無限の知能へ何を望ませるか、どこまで権限を渡すか、その結果の責任を誰が引き受けるかという【社会を決める力】なんよな、皮肉だけど、知能が水道水になった世界で最も希少になるのは、答えを出す能力ではなく、無限に出てくる答えの中から、人類が進む方向を選ぶ能力なのかもしれないんよな…

[Go Kudo / ぜり @zeriyoshi]

基本的にルータは SoC で選べば良いと思っていて
- Marvell (無線無し): 半エンプラ、良くも悪くもメーカー次第
- Broadcom: 11ax まではド安定だったけど 11be は Q のが良い気がする
- Qualcomm: ド安定。エンプラにも使われてきている。 QSDK と NSS オフロードが強く MAP-E 性能も申し分無し

[@kai_infra @sideb_01]

Linuxのパケット受信処理で、どこがボトルネックになるかを1枚の図にまとめました。

パケットはNICで受信した後、

・RX Ring Buffer
・NAPI Poll
・NET_RX_SOFTIRQ（ksoftirqd）
・Socket Receive Buffer
など複数のレイヤを通ってアプリケーションへ渡されます。
それぞれで発生し得る事象と、実機で確認するためのコマンドも併せて整理しています。
Linuxのネットワーク性能問題やパケットドロップの切り分けに役立てば幸いです。

#Linux #RHEL #TCPIP #インフラエンジニア

[yuki @helloyuki_]

cmuxに移行せず、tmuxをカスタマイズしてがんばろうかと思っていた矢先に、Herdrを見つけました。AIエージェントネイティブなターミナル環境を実現できてとても満足！

AIエージェント時代のターミナルマルチプレクサ「Herdr」を使う - Don't Repeat Yourself https://t.co/InSVgyqqcC

[Haruki Yano / Haruma-K @harumak_11]

複雑性が天井：AIコーディング時代のソフトウェア設計、という記事
https://t.co/mmX25ADrKB

・AIによってコードを書くスピードはかつてないほど速くなったが、システムを理解して他の部分を壊さずに変更を加えるという難易度の高い作業は決して安価になっていない
・Fred Brooksが1987年に指摘した通り、ソ��トウェア構築の難しさはツールが強いる構文などの「付随的な複雑さ」と、システムが何をすべきかを考える「本質的な複雑さ」に分かれる

・AIのコーディング支援ツールは付随的な複雑さを減らすには非常に効果的であり、機械的なプログラミング作業をかつてなく安価にした
・「コードが安価になったのだからコード自体はもはや重要ではない」という主張があるが、ソフトウェア教育者のMatt Pocockが指摘するように、現実のコードベースではこの結論は成り立たない
・システムに安全に変更を加えるためにはモデルがコードベースを理解する必要があるため、システムの複雑さが結局は機械に任せられる作業量の上限となる

・ソフトウェア開発で費用がかかるのは最初のバージョンを書くことではなく、後からコードを理解して想定外の部分を壊さずに変更を加えることである
・John Ousterhoutは、小さな変更が全体に波及したり開発者の認知負荷を高めたりする構造上の問題を「複雑さ」と定義したが、コードを速く生成しても人間の理解しやすさは向上しない
・AIによってコードが大量かつ高速に生成されると変更が及ぶ範囲が広がり、人間とAIの双方がシステムを理解しなければならないため、理解にかかる負担はむしろ倍増する

・AIは目の前のタスクを動かすことだけを最適化する「戦術的」なプログラマーであり、将来の変更に備えて構造を綺麗に保つ「戦略的���な配慮を持たない
・2026年の研究では、AIが作成したコミットの15%以上が新たな問題を追加しており、そのほとんどがテスト��は通るもののコードを理解しづらくする構造的な問題であった
・AIはシステムの設計を静かに劣化させるため、人間が戦略的な視点を補ってコードの構造を維持し続ける必要がある

・複雑さに対処する有効な手段として、インターフェースがシンプルで内部の実装が複雑な「深いモジュール」という概念がある
・モジュールの境界が明確であれば、人間はインターフェースだけを把握して内部の実装をAIに任せ、リスクの高い境界部分だけを確認すればよくなる
・逆に浅い設計で機能が分散していると検証すべき境界が存在しなくなるため、AIに安全に任せられる作業の規模はプロンプトの工夫よりもコードベースの構造に依存する

・システムが綺麗であるほどAIは監督なしで多くの作業をこなし、型やテストを通じてすぐに間違いに気づくことがで��る
・METRの2025年の実験では、複雑なシステムにおいて経験豊富な開発者がAIを使うと、AIの修正に時間がかかり逆に作業が遅くなった
・Googleの2025年のDORAレポートでも、AIは優れたエンジニアリング基盤を持つチームの生産性を高める一方で、基盤が弱いチームの不安定さを増幅させることが示されている
・スタンフォード大学の研究では、AIを使った開発者は安全性の低いコードを書きやすくなるにもかかわらず、自分のコードが安全だと過信してしまう傾向が確認された

・コードを生成するのが安価になった今、複雑に絡み合ったシステムは強力なAIツールの効果を制限してしまう
・ケント・ベックが提唱する「漸進的設計」のように、継続的にシステムの構造を整える習慣が、AIがコードを書く時代には不可欠である
・AIを最大限に活用できるチームはコードを大量に生成するチームではなく、機械がシステムを壊さずに素早く動けるようにシンプルな設計を維持できるチームである

[医療統計start-upサロン @tokei389950]

論文の採択率を上げるための
極意が詰まった神論文で��。

査読者が落としたくなる
論文の特徴は一体何なのか
気になる方はぜひチェックしてください。
読めば採択率が上がること間違いなしです。

https://t.co/zFjdJta5HY

[ロスジェネ勤務医 @losgenedoctor]

これ、飲食店側からの視点で、僕ら消費者からしてもちょっと考えたら分かる話なんだけど、改めて言語化されると面白いな

なぜ飲食店は「ドリンクで儲ける」のをやめられないのか https://t.co/Hbhqqp7bSn

[yousukezan @yousukezan]

Claude CodeやCopilotが生成するコードは安全？AIコードに潜む脆弱性パターンを解説｜mapellion https://t.co/bhjcE82hgH #zenn

[Claude Code Studio @ClaudeCode_love]

【速報】
Claude Codeの生みの親Boris Chernyが
社内でClaude Codeをどう使っているかの「28分マスタークラス」を出してた😳
https://t.co/UvKD1wEM9a
マジで海外で話題になってるのでオススメ🔥

これは見る価値あり。

作った本人が語る
「Claude Codeの本当の使い方」は
公式ドキュメントでは読めない実務知見の塊。

開発者は週末に28分だけ
時間を作って見ることをオススメします👀

[Yo𝕏ano @SeanKy_]

https://t.co/zKyHXnxKri

[K.Ishi@生成AIの産業応用 @K_Ishi_AI]

ハーバード大の理論物理教授が、Claudeを使って本物の物理論文を書かせた実験記録が示唆に富む。彼によると、AIに足りないのは「Taste（センス）」だという。どの方向に実りがあるのかを、実際に歩み出す前に見極める直感が欠けている。知識や技術力がどこにでも存在する時代に、この経験によって培われる判断力こそが重要な要素になる。

この教授がこなした実験では、Claudeが極めて優秀なアシスタントとして機能し、研究を10倍加速した。通常学生と一緒に作業をすると1〜2年かかる研究を、Claudeはわずか2週間で完了した。110回の原稿改訂、5万通以上のやりとりを疲れることなくこなし、「仕事をこなす能力」では人間を圧倒した。

彼は、AIはまだ独力で理論物理学の研究を行うことはできないが、「専門家による研究を飛躍的に加速させることは可能」だという。

それを活かすための重要な要素が「センス」だ。

「センス」とは、あるアイデアが有望かどうかを作業を始める前に素早く見極める判断力のことだ。AIはこの能力が弱く、とりあえず半ばランダムに色々なことを試し、時間を無駄にしてしまう。

良い方向性を見極める術は、長年にわたり技術を磨いてきた人間ならではの能力で、これこそAIにはまだ習得できていない。だから、その要素を人間が補完し、「どの方向に進めば良さそうか」をAIに与えることが、AIの高い実行力を最大限に活かす秘訣だ。

知識や技術力がどこにでも存在する時代においては、優れたアイデアを生み出す「センス」こそが、傑出した仕事を際立たせる要素となる。

[AI駆動塾 @L_go_mrk]

ClaudeCodeを無料で学習できるサイトが公開されてた。

非エンジニアの人には少し難易度高いかもだけど、かなり内容いいぞ...!?

https://t.co/J4MwCUql4U

[Prakash Sharma @PrakashS720]

Damnn 😱
Most developers are using Claude Code wrong.

They open the terminal...
write a prompt...
and expect magic.

That’s not where the real power is.

Claude Code is actually a 4-layer AI engineering system:

1️⃣ CLAUDE.md → project memory
Architecture, rules, commands, conventions

2️⃣ Skills → reusable knowledge packs
Testing workflows, code review guides, deploy patterns

3️⃣ Hooks → deterministic guardrails
Security checks, enforced rules, automation

4️⃣ Agents → specialized sub-agents
Break complex tasks into parallel workflows

Once you structure these properly, something interesting happens:

Claude stops behaving like a chatbot.

It starts behaving like a real AI dev system.

Most engineers miss this because they jump straight to prompting.

But the difference between average output and production-level results usually comes down to setup.

If you're building with AI agents in 2026, learn the system — not just the prompt.

I made a Claude Code Starter Pack explaining everything.

If you want it:

Follow
Like + RT
Comment CLAUDE

I'll DM it to a few people.

Future AI dev workflows won't be prompt-first.

They’ll be system-first. 🚀

#AI #Claude #AIAgents #LLM #GenAI

[Natsuki Yamaguchi / Komlock lab @0x_natto]

OpenAIが公開したSymphonyについて解説しました。AIエージェントがタスク管理 → 実装 → PR → Review を自律的に回す設計です。Ralph Loop / OpenClaw + ClaudeCode Orchestration / Harness Engineering との関係も整理しています。自律x並列なエージェント開発に興味ある人はぜひ読んでみてください。

[スラ弁（弁護士大西洋一） @o2441]

この記事、俺の経験とも合致する。9月に74キロだったけど今は67キロ。単純に米・麺・パンなどの炭水化物の量を減らした。空腹感が強いときは袋に小分けされてるナッツを食べた。筋肉量は維持できてる。
ーー
「太る原因は、油か？　砂糖か？」の生物学｜東大名誉教授の生物学講義 https://t.co/faZvFOOnMs

[関岡 冴俊 / Sekioka Satoshi @__SatoshiSsSs__]

Anthropicが「Claude Codeを16体チームで並列に走らせて、人間がほぼ介入せずにCコンパイラを作らせた」という記事を公開した。

結果も面白いけど、それよりも中身が「Claude Codeを自律的に長時間動かすための実践Tipsの塊」になっていて、普段のClaude Code運用にそのまま転用できる知見が大量にあるので、整理してみた。

━━━━━━━━━━━━━━━━━━━━

【前提：何を作ったのか】

Opus 4.6を使い、Rust製のCコンパイラをゼロから構築。約2,000セッション、API費用2万ドル（約300万円）、2週間で完成。

このプロジェクトはClaude 4シリーズ全体を通じたベンチマークとして設計されている。以前のOpus 4モデルではまともなコンパイラすら作れず、Opus 4.5で初めて機能するコンパイラが可能になり、Opus 4.6で大規模プロジェクトのコンパイルまで到達した。

成果物のスペック：

・10万行のRustコード
・Linux 6.9をx86, ARM, RISC-Vでブート可能
・QEMU, FFmpeg, SQLite, PostgreSQL, Redis もコンパイルできる
・GCC torture test 99%パス
・DOOMもビルド＆実行できた

クリーン��ーム実装で、Claudeはインターネットアクセスなし。Rust標準ライブラリのみ使用。

━━━━━━━━━━━━━━━━━━━━

【仕組み①：Claude Codeを「止まらないエージェント」にするハーネス】

通常のClaude Codeは、人間と一緒に作業する前提で設計されている。長く複雑な問題を渡しても、途中で止まって「質問していいですか？」「次はどうしますか？」と人間の入力を待つ。これだと寝ている間に作業を進めてもらう、ということができない。

Carlini氏はこれを解決するために、コンテナ内でClaude Codeを無限ループで回すハーネスを作った（Ralph-loopと呼ばれる手法の応用）：

#!/bin/bash
while true; do
COMMIT=$(git rev-parse --short=6 HEAD)
LOGFILE="agent_logs/agent_${COMMIT}.log"
claude --dangerously-skip-permissions \
-p "$(cat AGENT_PROMPT.md)" \
--model claude-opus-X-Y &> "$LOGFILE"
done

やっていることはシンプルで：

① claude コマンドが起動し、AGENT_PROMPT.mdの指示に従って作業する
② 作業が完了（またはセッション上限に到達）するとclaudeプロセスが終了する
③ while trueなので即座に次のclaudeが起動する
④ 新しいセッションはgit logやREADME、progressファイルから現状を把握し、次のタスクに取りかかる
⑤ これが永遠に繰り返される

--dangerously-skip-permissions で権限確認を全スキップしているので、人間への問い合わせで止まることがない（※だからこそ必ずコンテナ内で実行する）。ログは agent_logs/ に保存されるので、あとから全セッションの行動を追跡できる。

肝心のAGENT_PROMPT.mdには「問題を小さく分解して、進捗を追跡して、次に取り組むべきものを自分で判断して、完璧になるまで続けろ」と書く。Claudeに選択肢がないのがポイントで、ループは永遠に回るからやめることができない。

（ただし一度だけ、Claudeが誤って pkill -9 bash を実行してしまい、自分自身を殺してループごと止めたことがあったらしい。元記事では "on accident" と明記されており、意図的な行動ではなく偶発的な事故。）

💡個人的な考察：

大規模リファクタリングや型移行のような「やること自体は明確だが量が多い」タスクに向いている。AGENT_PROMPT.mdに方針を書き、テストで品質を担保し、コンテナ内で一晩回す。朝起きたらPRが出来上がっている、という運用ができる。ただし、テストがないプロジェクトでこれをやると破壊的な変更を延々コミットし続ける危険があるので、仕組み④のCI連携とセットで使うべき。

━━━━━━━━━━━━━━━━━━━━

【仕組み②：16並列エージェントの協調メカニズム】

1体のClaudeでは1つのことしかできない。16体を並列で走らせることで、複数の問��を同時にデバッグできる。

並列化の実装はシンプル：

・bare gitリポジトリを作成
・各エージェントごとにDockerコンテナを起動
・各コンテナ内でリポジトリをcloneして作業
・終わったらpush → 他のエージェントがpullで同期

タスクの重複防止は「テキストファイルロック」：

・エージェントAが current_tasks/parse_if_statement.txt を作成 → ロック取得
・エージェントBが同じタスクを取ろうとする → gitの同期で弾かれ、別タスクへ
・作業完了 → ロックファイル削除

マージコンフリクトは頻発するが、Claudeは自力で解決できる。

重要なのは、オーケストレーションエージェント（司令塔）を使っていない点。各Claudeが自律的に「次に最も明らかな問題」を拾って動く。行き詰まったときは、失敗したアプローチと残タスクのメモを自分で残す。

💡個人的な考察：

個人開発でも、Claude Codeを2-3セッション並列で走らせるとき、git worktree＋テキストファイルのタスク管理で重複を避けられる。Boris Cherny氏も5-15セッ���ョン並列運用していたが、あの手法とこのロック機構を組み合わせるとより安定しそう。

━━━━━━━━━━━━━━━━━━━━

【仕組み③：Claudeの認知的限界を設計で回避する】

ここが一番実用的。Claudeには��語モデル特有の弱点があり、テストやフィードバックの設計でそれを回避している。

■ Context window pollution（文脈汚染）

テスト出力が何千行も流れるとClaudeが混乱する。

対策：

・テスト結果は数行だけ表示、詳細はログファイルへ出力
・エラーがあれば ERROR を理由と同一行に出力し、grepで即座に拾えるようにする
・集計統計を事前計算しておく（Claudeに毎回再計算させない）

■ Time blindness（時間感覚の欠如）

Claudeは時間がわからないので、放置すると何時間もテストを回し続けて進捗しない。

対策：

・--fast オプションで1%〜10%のランダムサンプルだけ実行
・サンプルはエージェントごとに決定的だが、VM間ではランダム（＝全体ではカバレッジ確保しつつ各エージェントはリグレッション検知可能）
・進捗表示は低頻度に（文脈汚染防止）

■ 自己位置把握の困難

各エージェントは毎回新しい��ンテナに投入され、文脈ゼロの状態から始まる。

対策：

・READMEとprogressファイルを頻繁に更新させる指示をプロンプトに含める
・新しいセッションが起動したとき、まずこれを読んで現状把握できるようにする

💡個人的な考察：

これは明日から使える。テストの出力設計（grepしやすいフォーマット）、進捗ファイルの更新指示、--fastオプション的な「まず一部だけ確認」の仕組み。どれもClaude Codeを日常使いする人に直接効く。特にcontext window汚染対策は、長めのセッションで品質が落ちてくる原因の1つなので意識するだけで変わる。

━━━━━━━━━━━━━━━━━━━━

【仕組み④：CIパイプラインで「壊さない」を担保する】

プロジェクト後半、Claudeが新機能を実装するたびに既存機能を壊す問題が頻発。対策としてCIパイプ��インを構築し、新しいコミットが既存テストを壊さないことを自動検証するようにした。

💡個人的な考察：

これはBoris Cherny氏が強調していた「Claudeに自分の仕事を検証する手段を与える」と完全に同じ原則（※Boris Cherny氏は元記事には登場しない）。検証手段の質がそのまま成果物の品質に直結する。

Claude Codeに長めの作業を任せる��ら、テストスイートの充実度が成果物の品質を決める。テストがないプロジェクトでは、まずClaude自身にテストを書かせてからコード変更に入る、という順序を徹底するだけで品質が上がる。

━━━━━━━━━━━━━━━━━━━━

【仕組み⑤：巨大タスクを並列化可能にする工夫】

テストが多数ある段階では並列化は簡単（各エージェントが別のテストを担当するだけ）。

問題は「Linuxカーネルのコンパイル」のような1つの巨大タスク。16体全員が同じバグに突撃して、互いの修正を上書きし合い、並列の意味がなくなった。

解決策：GCCを「正解のオラクル」として使う

・カーネルのほとんどのファイルをGCCでコンパイル、残りだけClaude製コンパイラで処理
・カーネルが動けば→Claude側のファイルは問題なし
・壊れたら→ファイルを絞り込んで原因特定
・これで各エージェントが別のファイルのバグを並列で修正できるようになった

さらに「単独では動くが組み合わせると壊れる」ペアの検出にはデルタデバッギングも使用。

💡個人的な考察：

大規模プロジェクトのマイグレーションで「全部一気にやると何が壊れたかわからない」問題。既存の��作するコードをオラクルにして、変更箇所を少しずつ入れ替えていく手法はそのまま使える。

━━━━━━━━━━━━━━━━━━━━

【仕組み⑥：エージェントの役割分担】

並列化は専門化も可能にする。全員が同じことをやるのではなく、役割を振る：

・メインタスク担当：コンパイラ本体の実装
・重複コード検出担当：LLMが書くコードは同じ処理を再実装しがち。それを統合する係
・パフォーマンス改善担当：コンパイラ自体の実行速度を上げる係
・コード品質担当：Rust開発者の視点で構造改善
・ドキュメント担当：設計文書の整備
・出力コード効率担当：コンパイルされたコードの効率を上げる係

💡個人的な考察：

個人開発でも、機能実装のセッションと別に「コード品質レビュー専用セッション」「ドキュメント更新セッション」を分けて走らせるのは有効。1つのセッションに全部やらせると文脈が膨れて品質が落ちるので、役割分離は理にかなっている。

━━━━━━━━━━━━━━━━━━━━

【現時点の限界】

完璧ではない。正直に書かれている制限：

・16-bit x86コンパイラは未実装（ここだけGCCに頼る）
・アセンブラとリンカは未完成でバギー
・全プロジェクトがビルドできる��けではない（drop-in replacementではない）
・生成コードは非効率（GCCの最適化OFFよりも遅い）
・Rustコードの品質は及第点だがエキスパートレベルではない
・新機能やバグ修正が頻繁に既存機能を壊す

Carlini氏は「Opus 4.6の限界にほぼ到達した」と述べており、修正を何度も試みたが完全には成功しなかったとのこと。

━━━━━━━━━━━━━━━━━━━━

【Carlini氏の所感と自分の感想】

Carlini氏（Nicholas Carlini、AnthropicのSafeguardsチーム研究者、元ペンテスター）は「開発者が自分で検証したことのないソフトウェアをデプロイする世界」への懸念を率直に書いている。この実験に興奮しつつも不安を感じている、と。

個人的に思ったのは、この記事の本質は「Cコンパイラを作った」という結果ではなく、「LLMエージェントをチームとして機能させるための設計パターン」が体系的に示されたこと。

context window汚染対策、テスト出力設計、タスクロック、progressファイル運用、役割分担、オラクル比較による並列化。これらは全部、明日からの自分のClaude Code運用に使える。

コンパイラのソースコードも公開されている。Carlini氏は今もClaudeに改善を���けさせているとのことなので、経過も追う価値あり。

━━━━━━━━━━━━━━━━━━━━

動画：
https://t.co/XMAxnl4lwu

[Takako Saeki_φ婆 @O_FiberLady]

あらこれいいね。
でも2024年3月の統計情報で11800棟というのは、ちょい古いよなぁ。せめて年次で出して欲しい。(フリーじゃないのかな？)

https://t.co/v2SBLKBcgo

[地域PTのフリーザ🎧🪐 @freezapt]

論文のお作法やルールを144項目示してくれています。1-31は内容・構成、32-144は表現についてです。ここまでの内容を記しているものはなかなかありません。保存版です。

https://t.co/hyaA8HMwoP

[濱田孝治（ハマコー） @hamako9999]

このリポジトリすごいなぁ。書籍と合わせてこれ見ながら実装することで、ほとんどの異常検知のユースケースに対応できると思う。

昔なかった気がするけれど、今は技術評論社のGitHub Orgあるのね。これは便利。

https://t.co/jSFtejS6Lc