Jay

ピアノ弾いてます: ボストン散歩してます: 勉強してます:

[Jay @VrChatting]

3Dプリンタ業再開しました

[Dilum Sanjaya @DilumSanjaya]

Fun interactive science app ideas | Part 3

Played around with generating 3D biological structures and made an app to explore them interactively

UI Design
GPT Images 2

Code
Gemini 3.1 Pro

More demos ↓

[Jay @VrChatting]

皆さんお久しぶりです。Jayです。
実はずっと密かに趣味だったピアノの練習アプリを作っていたら、ちょうどGoogle のhackathonがあったので、思い切ってそのアプリをベースに出場することにしちゃいました。よければご覧ください:

https://t.co/xGLnTNXmTi

[𝗿𝗮𝗺𝗮𝗸𝗿𝘂𝘀𝗵𝗻𝗮— 𝗲/𝗮𝗰𝗰 @techwith_ram]

MIT just released a 700-page book that actually teaches machines how to think.

Pdf: https://t.co/143xxVxLdg

[Eyad @eyad_khrais]

https://t.co/i5L6UIPgH8

[Jaynit @jaynitx]

In 2014, Peter Thiel gave a 1-hour masterclass on how to build a monopoly from scratch.

He broke down how:
• Google became untouchable
• PayPal beat the odds
• Facebook crushed competition

Here are 11 timeless lessons from his masterclass:

1. Create value, then capture it

[Charly Wargnier @DataChaz]

A must-bookmark for vibe-coders.

@YCombinator’s guide to making the most of vibe coding:

[そら ☁️ AgentSwarm 自動化オタク📱 @sora19ai]

「Skillsで騒ぎすぎ」って言ってる人多いけど、
AnthropicがSkillsを標準化したのがやばい。

あとはエンジニアリングの話じゃない。

今までのAI活用って

・頭のいい人の言語化力ゲー
・経験者の暗黙知ゲー
・説明できないけど“できる人”が強い世界

だった。

それをSkillsで

・思考の切り方を外出し
・判断基準を固定
・誰でも同じ思考ルートを辿れる

状態にした。

これ何が起きるかというと、
「考えられる人」と「考え方を持ってる人」が分離される。
Googleとかが哲学者を超高収入でアサインさ��ているのも同じ風潮。

つまり
頭が良い人が有利な世界から、
設計された思考を“使える人”が有利な世界に変わる。

教育、営業、マーケ、採用、マネジメント。
全部ここで一気にレバレッジがかかる。

上手い人の“思考のクセ”が
個人の才能じゃなくて
「共有資産になる」から。

コードで言うなら

天才のワンオフ実装
↓
再現できるライブラリ
↓
誰でも使えるフレームワーク

今起きてるのはこれの
「人間の思考版」。

「騒ぎすぎ」じゃない。
理解が1段階遅れてるだけ。

[Alex Xu @alexxubyte]

Common Network Protocols Every Engineer Should Know

[Brad Stulberg @BStulberg]

A massive new study on peak performance included 34,000 international top performers: Nobel laureates, renowned classical music composers, Olympic champs, and the world’s best chess players. It shows early specialization is a trap, and the road to greatness is long and varied.

[Alex Xu @alexxubyte]

HTTP vs. HTTPS

[Min Choi @minchoi]

Gemini 3 has really changed the AI game.

People are coming up with wild use cases. There's a major shift.

10 examples:

1. Dashboard with live hand tracking controls

[Gota @gota_bara]

AnthropicがSkillsとMCPサーバーの使い分けのアンサー記事出してくれている！
使い分けに悩んでるならおすすめです！

あとClaude Codeの設計思想の意味もちょい透けておもろい！

https://t.co/SObAuDXGbU

[Denislav Gavrilov @kuberdenis]

I gave Claude full access to the / directory of a Linux virtual machine.

I then asked it to create a "child" Claude that it can talk to and do anything together.

I gave it a domain and it figured everything out on its own. You can watch the stream here: https://t.co/qoesugO06V

[moritalous | Kazuaki Morita @moritalous]

めちゃわかりやすい！

Claude Skillsとは？ AIエージェント開発における新たなベストプラクティスをやさしく解説 (1/2)|CodeZine（コードジン） - https://t.co/wpMdy9jSoD

[まさお@AI駆動開発 @AI_masaou]

今日本でも1番注目集まってる
トピック

Claude Skillsの
awesomeリストはこちら👇

https://t.co/gVmxjdbNyg

[iwashi / Yoshimasa Iwase @iwashi86]

10h前に公開されたスタンフォード大の講義動画で、Andrew Ng 先生がAI時代へのキャリアアドバイスをされていた。以下はメモ：

・AIを使って開発をするなら今は過去最高の黄金時代
・AI開発ツールの進化は非常に速いため常に最新の道具を使い続けると良い
・コーディングツールは数ヶ月〜半年、遅れるだけで生産性が下がる

・コードを書く速度は劇的に上がったため何を作るかを決める能力が重要になる（プロダクトマネジメント）
・ユーザーと対話してプロダクトの仕様を決められるエンジニアの��値が高まっている
・エンジニアとプロダクトマネージャーの境界線が消えつつある

・講義を受けるだけでなく実際に手を動かしてソフトウェアを作り切る経験が大事
・学習速度や成功確率は周囲にいる友人のレベルや熱量に大きく影響される
・就職先を選ぶ際は企業のブランド名よりも実際に配属されるチームや業務内容を重視すると良い

・有名企業に入っても古いシステムの保守に回されるリスクがあるため注意
・プライベートの事情などが許すなら、圧倒的なハードワークをすることでうまくいく確率は上がる

・倫理的に責任ある開発を行い他者を傷つけるソフトウェアは作るべきではない
・ここでの、責任は（理想論だけでなく）ビジネス上のリスク管理として扱われる局面が���えている
・責任あるAI開発は単なる社会正義ではなく企業のブランド毀損を防ぐ実利的な問題

・面接では技術力だけでなくチームで働ける人間性も見られている
・就職活動では自分の意見を持つことも大事。だが、攻撃的になったり柔軟性を欠いたりしてはいけない

・市場は「何ができるか」から「ビジネスにどう貢献するか」という実利重視に変化している
・AIの学術的な深い理解とビジネスへの応用の両方を突き詰める必要がある

・単なるアイデアに価値はない
・実際に動くものを作り届ける実行力が全て

・AIによるコード生成は技術的負債を生む行為だと認識すること。それを管理する必要がある
・生成されたコードは人間が理解できるようにドキュメント化や整理を行う責任がある
・AIが生成したスパゲッティコードを修正できる��は深い専門知識を持つエンジニア
・リーダー層に対して技術的な現実を分かりやすく説明できる信頼される助言者になるべきだ

・SNS上の「いいね」稼ぎのための過度な宣伝やハイプに踊らされてはいけない
・流行の技術を導入する際は「なぜそれが必要か」という根本的な問いを忘れてはいけない
・AIエージェントなどの新技術は具体的な業務効率化の手段として捉えること

・巨大な汎用モデルだけでなくオンデバイスで動く小型モデルの需要が増えている
・プライバシー保護の観点から自社でモデルをファインチューニングする技術が重要になるだろう

・特定の技術やフレームワーク一本に絞らずスキルを多様化させてリスクに備えておこう
・AIバブルが崩壊しても生き残れるよう基礎的なエンジニアリング能力を磨く必要がある

https://t.co/1sUhXdK2cd

[SaaS飯 @saasmeshi]

気づいてるか？

AI時代、IT人材として生き残りたいなら、まずやるべきは『看板(信用)の設計』一択だ。

その理由を解説する。

まず、AI時代は“成果物の見た目”がコモディティ化するので、採用する側、発注する側、上司、顧客は、「誰が本当に分かっていて、誰がAIでそれっぽいものを出しただけなのか」を見分けられなくなる。

見分けられないなら、最後に頼るのは何かというと「信用」だ。要するに、AI時代はスキル競争の前に“信用競争”になる。

ここでいう『看板(信用)』とは、名刺に書く「CTO」とか「AIエンジニア」とかじゃなくて、「この人は任せて大丈夫」と相手が判断できる“証拠のセット”のことだ。AIが出す成果物は綺��に見える。でも「それが本当に正しいか」「運用で壊れないか」「セキュリティ的に大丈夫か」「炎上したとき説明できるか」は別問題。だから相手は、あなたの言葉ではなく“証拠”を見たい。そしてその証拠がまとまっている状態が『看板(信用)の設計』だ。

いくら技術があっても、あなたの存在が発見されず、信用もされなければ、仕事もチャンスも回ってこない。AI時代はこれが加速する。なぜなら、作業スピードが全員上がって供給が増えるからだ。供給が増えると、選ぶ側は候補を絞る必要がある。そのとき一番早く絞れる指標が「信用」だ。スキルの真贋判定は時間がかかる。面接で深掘りしたり、課題を出したり、レビューをしたりしないと分からない。でも信用は、証拠が揃っていれば一瞬で判断できる。忙しい人ほど、まず信用で足切りする。だから看板がない人は入口で落ちる。

AI時代は表面上の体裁は簡単に整う。AIでポートフォリオを作り、AIでブログを書き、AIでアプリを形にして、AIで面接対策までできる。結果として、見た目で判断して採用したら“中身が薄い”という事故が増��る。事故が増えると、企業はより慎重になる。慎重になると、いままで以上に「証拠」を求める。つまり、信用を示す材料がない人はますます不利になる。スキルアップ以前に「信用を示す仕組み」を作っておかないと、チャンスが入ってこなくてスキルが活きる場もなくなる。

では『看板(信用)』って具体的に何を作ればいいのか。たとえば以下のようなものだ。

一つ目は「ビフォーアフター事例」。

どんな技術を使ったかより、「誰の何をどう改善して、結果がどう変わったか」が一番伝わる。リテラシーが低い人にも伝わる。たとえば「問い合わせ対応が月30時間かかっていたのを、分類と返信テンプレの自動化で月10時間にした」みたいな話で、数字が入ると強い。売上でも工数でもミスでも、何でもいい。大事なのは“前と後が分かること”。AI時代、技術の細かい説明は刺さらないことが多い。でも事例は刺さる。なぜなら相手が��しいのは技術じゃなく結果だからだ。

二つ目は「継続的な発信」。

別にバズる必要はない。週に1回でも月に2回でもいい。重要なのは、あなたが何を��えて、どういう基準で判断して、どこに地雷があるのかを言語化して残すことだ。読んだ人が「この人は現場を知ってる」と分かるのは、だいたい失敗談や注意点や判断など、現場感を出すと信用になる。

三つ目は「公開物」。

たとえば小さなツール、テンプレ、スクリプト、社内で使ってるチェックリスト、設計のひな形。規模は小さくていい。重要なのは“誰でも見れる形で置いてある”こと。GitHubでもNotionでもブログでもいい。公開物があると、相手はあなたの思考や品質を覗ける。面接や商談で「口で説明」するより、はるかに強い。

四つ目は「第三者の信用」。

これは資格だけじゃない。推薦文、共同プロジェクト、コミュニティでの役割、公式パートナー認定、登壇実績、受賞、レビュー。自分で「私はすごい」と言うより、他人が��この人は大丈夫」と言っている状態が強い。他人の信用を借りる仕組みは早く作った方がいい。

ちなみに私は個人開発したSaaS『Apps』で飯を食っているが、ほぼ口コミと紹介だけで広まったプロダクトで、この4つを全てユーザーが代わりに行ってくれる仕組みを確立していた。その結果、Appsは流通総額80億円を超えるプロダクトに成長した。また、今は自分の主催コミュニティ『Don’t Work! Club』のメンバーや所属コミュニティのメンバーにしか仕事を依頼していない。

結論。

AI時代は、看板がないと実力を見てもらえない。だから看板を先に作る。そして看板を作る過程で実力も上がる。

看板(信用)は、AI時代の“責任の代理通貨”みたいなものだ。信用がある人ほど、重要な仕事を任される。重要な仕事ほど、経験も実績も増える。実績が増えるほど、さらに信用が増える。逆に信用がない人は、責任の軽い仕事しか回ってこない。軽い仕事はAIで��き換わりやすい。だからますます厳しくなる。この差は時間とともに広がる。

やるしかねえ。Don’t Work!

[Kosuke @kosuke_agos]

Googleがついにエージェントの「スケーリング法則」を発見しまし���。

GPT、Gemini、Claudeを用いた180もの実験により、エージェント設計における「錬金術」の時代が終わり、予測可能な「科学」へと移行しました。

「とにかくエージェントを増やせば性能��上がる」という単純な通説は間違いであることが証明されています。

その衝撃的な発見と3つのポイントをまとめました。

1. 45%の罠（The 45% Trap）
単一エージェントの精度が「45%」を超えていない場合、エージェントの数を増やしてもパフォーマンスは向上せず、むしろ低下することが多いと判明しました。基礎能力が低いエージェントを群れさせても、賢くなることはありません。

2. ツール税（Tool Tax）
ツールを多用するタスクにおいては、エージェント間の連携によるオーバーヘッド（税）が重くのしかかります。複雑なツール利用は、期待される性能向上を食いつぶしてしまう可能性があります。

3. エラースパイラル（Error Spirals）
独立して動作するエージェント同士では、ひとつのミスが連鎖し、エラーが「17.2倍」にまで増幅されることが確認されました。協調がない群集は、カオスを生み出すだけです。