All of us finish a great book and wish we could ask the author just one question. What did they really mean? How would they apply their advice today? With ChatGPT, I found a way to make that a reality. By uploading a book as a PDF or ePub and setting a few simple prompts, I was able to hold conversations with the "author." Not the real ones, of course. But role-playing with ChatGPT makes reading i
同じく底辺絵師だった俺は、AIのせいで死んだと思ってたが、実際は逆だった。 AIのせいで終わったんじゃなくて、AIのおかげで稼げるようになった。 5年間、必死に手で絵を描き続けてきた。Xのフォロワーは800人、pixivの評価は平均30点。 たまに60点いけばいい方。小銭稼ぎで、ココナラとSKIMAで月に2万円くらい。 1枚2000円の依頼が、月に10件弱。それが俺の限界だった。 去年の夏、依頼が急に減った。 月に10件あったのが3件になり、やがて1件もなくなった。心底絶望した。 でもな。ふと思ったんだ。 「だったら俺もAIを使えばいい」って。 最初は抵抗があった。 AIに頼るなんて絵師じゃないと思ってた。 でもプライドを守っても、稼ぎがゼロになったら意味がない。 だから割り切って、Stable Diffusionを入れて勉強した。モデルを探し回り、LoRAを試し、プロンプトを何百回も打ち
AIもメタクソ化の道を辿るのか、あるいは「普通の技術」に落ち着くか Updated by yomoyomo on August 19, 2025, 18:24 pm JST yomoyomo yomoyomo 雑文書き／翻訳者。1973年生まれ。著書に『情報共有の未来』（達人出版会）、訳書に『デジタル音楽の行方』（翔泳社）、『Wiki Way』（ソフトバンク クリエイティブ）、『ウェブログ・ハンドブック』（毎日コミュニケーションズ）がある。ネットを中心にコラムから翻訳まで横断的に執筆活動を続ける。 Tweet およそ一年前に「ティム・オライリーとシリコンバレーの贖罪」という文章を書いたのですが、当時既にオライリーが経済学者のイーラン・ストラウスと手がけていたAI Disclosures Projectのことはあまり注目していませんでした。 これは文字通り、AIに関する情報開示を求めるプロジ
【Kiroだけじゃなかった！AWSがAIインフラ続々リリースして凄すぎたので緊急整理🔥】AWSがAIエージェント開発の「実験→本番」への難題を解決！AgentCoreで誰でも本格的なAIエージェントを動かせる時代に突入AWSAIKiroAgentCore 昨日のAWS Summit NYC 2025のキーノート見てて、「これは大きな転換点になるな」って感じたので、整理してシェアしたいと思います。 正直、今までAIエージェントって「デモでは動くけど本番環境では...」みたいなケースが多かったじゃないですか。でも、Amazon Bedrock AgentCoreの発表を見て、ついに実用レベルに到達したなと。 なんでそう思ったのか、順番に説明していきますね。 🤖 Amazon Bedrock AgentCore：AIエージェント実用化の決定版 1. なぜ今までAIエージェントは「デモ止まり」
はじめに 本記事では、昨今話題の AI エージェントサービスをこれから作る方へ、AI エージェントシステムを作る上での抑えるべきポイントと実践的なハンズオンにて DeepDive していきたいと思います。 本記事は 2 部構成になっており、以下の構成です。 第 1 部: AI エージェント の基本概念とエージェントシステム構築のガイド 第 2 部: Azure AI Agent Service を使ったワークフロールーティングの実装 第１部では、OpenAI 社のa-practical-guide-to-building-agents を参考に、AI エージェントの基本概念とエージェントシステム構築のガイドを解説します。 第２部では、Anthropic のブログ記事 Building Effective Agents – Workflow Routing で紹介されている ワークフロールー
はじめに 生成AIを使ったコード開発が急速に普及している。GitHub Copilot、ChatGPT、Claude、そして各種IDEに統合されたAIアシスタントや独立したコーディングエージェント。これらのツールは開発効率を飛躍的に向上させ、もはやAIなしでの開発は考えられないという声も聞こえてくる（主に心の底から）。 しかし、この革新的な変化の中で、看過できない問題が顕在化している。現在のAIで生成したコードは、2年後の進化したAIで再生成すれば、より効率的で保守性の高いコードに置き換えられる。これ自体は技術進歩として歓迎すべきことだが、重要な情報が失われている。 それは「なぜそのコードをそのように実装したのか」という意思決定の記録だ。 この問題は単なる技術的な課題ではない。私たちがどのようにソフトウェアを作り、保守し、進化させていくかという、エンジニアリングの本質に関わる問題だ（そして
AI によるコーディングの支援はコード補完型からチャット型、そして自律型へと進化しています。この記事では現時点で主流となっているコーディングエージェントの種類とその特徴を整理したうえで、エンジニアの仕事の変化について考察します。 コーディングの仕事における AI 技術の関わりといえば、GitHub Copilot を代表するエディタ補完型が主たるものとして認識されてきました。補完型の AI はユーザーが途中まで書いたコードを補完する形で提案を行うことから、ペアプログラムの相方のような存在として捉えられていました。例えば function add と書き始めると、AI は (a: number, b: number): number { return a + b; } といった形で関数の定義を提案します。ユーザーは Tab キーを押すことで提案を受け入れたり、提案が気に入らなければそのままコ
AI 始めました！というと、ミーハーな感じがありますが、15年ほどやってきたソフトウェアエンジニアとしてのキャリアは終わりにして、 2カ月程前から AI エンジニアになりました。ここ5年程は、過去の経験の切り売りしかしていない感じがずっとあったのですが、 全く新しいことを始めて1から勉強し直しているところでとても楽しいです。 Fifteen Years of Dev, Deleted — Hello AI 目次 AI エンジニアって何？ 今までのAI/機械学習と違うところ 自律的なエージェントの構成要素 自律的なエージェントが人間を拡張した先 未来への不安 ブラックボックスを超えて 自然言語が主役になる時代のソフトウェア開発 やりたいこと AI エンジニアって何？ 雑に言えば、この表現が言いえて妙だと思います: 「LLM インテグレーション屋さん」 LLM インテグレーション屋さんになるこ
一方、XではAIテレアポくんの発表に対し「迷惑すぎる」など否定的な声も。中には「受ける方が大変」「『AIテレアポ断るくん』を開発しなければならないかも」など、電話の受け手の負担増加を懸念する指摘が見られる。 【修正履歴：2025年5月30日午前10時30分】記事掲載当初、タイトルに「『AIピカソ』提供会社から」と記載していましたが、AIピカソはAIdeaLab子会社のAI Picasso社提供のため、「『AIピカソ』の親会社から」に修正しました。 関連記事 中学生の2人に1人が「画像・動画生成AI」を使ったことがある ニフティ調査 中学生の2人に1人が画像や動画を生成するAIを使ったことがある――ニフティは5月29日、こんな調査結果を発表した。 中国発AI「DeepSeek-R1」がアップデート 長考での推論やコーディング性能向上か AI開発企業の中国DeepSeekは、大規模言語モデル「
tl;dr Anthropic の開発者向けイベント Code with Claude が開催されたよ Claude 4 Opus と Claude 4 Sonnet が発表されたよ 無課金を含むすべてのプランで Claude 4 Opus と Claude 4 Sonnet が使えるよ Anthropic API に Code Execution Tool、MCP Connector、Files API、Extended Prompt Caching の 4 つの機能が追加されたよ（ベータ版） Claude Code が正式リリースされたよ これはなに？ 2025 年 5 月 22 日にサンフランシスコにて開催された Anthropic の開発者向けイベント、Code with Claude に関する発表まとめ。公開されたモデルや機能などをひと通り紹介、実際に動かすところまでを解説した記
「AIとかの新技術に投資できるのは若者の特権」 先日ゲンロンカフェのイベントであずまん*1が、「AIとかの新技術に投資できるのは若者の特権。俺みたいなおっさんが1年かけてAI勉強したとしても、それを使える時間は10年もない。だったらこれまで磨き上げてきた技術を使い続けた方が人生トータルで見て効率がいい。でもこれが若者からは老害に見える」的なことを言っていて激しく納得した。 たとえば現在の自分が100の力を持っているとしてゼロからAIを使い始め、1年で10ずつ成長していくと仮定したら同じ100の力を出すのに10年かかる。だったら現状の100のやり方で10年やるわという話。 現状のやり方：100*10 = 1000 新しいやり方：10+20+30+… = 550 ↑の話を計算してみると10年でこれだけの差が出る。もちろんこの後採算ラインに乗ったAIがMAX150(仮)まで成長して長期的には人間
「毎月のシフト作成、いい加減ラクしたい…」 そう感じている方は多いはず。スタッフの希望、公平性、連続勤務禁止… 複雑なルールをクリアするシフト表作りは、本当に骨が折れますよね。 これまでも大規模言語モデル（LLM）にシフト作成を手伝わせる試みはありましたが、「惜しいけど、結局手直しが必要…」というケースも少なくありませんでした。 初期のChatGPTによる取り組みはこちら しかし、LLMの性能技術は驚異的なスピードで進化しています。特に最新のGeminiモデルであるGemini 2.5 Proの登場により、シフト作成のような複雑なタスクの自動化精度が格段に向上し、"ほぼ修正不要"なレベルの下書き作成が現実のものとなりつつあります。（タスクが複雑なので個人的にこれをLLMのベンチマークの1つとしています） 今回は、AIに高精度なシフト表を作らせるためのプロンプト（以前のものから改良あり）と、
はじめに AIのコーディングアシスタントとして最近、急速に注目を集めているCline。VSCode上でAIと連携し、コード生成からバグ修正、さらにはターミナル操作まで自動化できるこのツールは、多くのエンジニアの生産性を劇的に向上させています。 mizchiさんの『CLINEに全部賭けろ』という記事では、 AIから引き出せる性能は、自分の能力にそのまま比例する AI自体を管理するパイプライン設計を自分のコアスキルにする必要がある ともあるように、エンジニアはClineという強力なツールの最大限を使えるようになっていくべきです。 「AIの上手な使い方」が今のエンジニアにとって必須スキルになりつつあるため、単にClineを使うだけでなく、その仕組みを理解することで得られるメリットは数多くあります。例えば、現時点でのClineの得手・不得手を理解することでAIに対して的確に指示ができたり、clin
【読売新聞】 虐待が疑われる子どもの一時保護を巡り、人工知能（ＡＩ）にその必要性を判定させるシステムについて、こども家庭庁が導入見送りを決めたことがわかった。国が２０２１年度から約１０億円をかけて開発を進め、最終的な判断を下す児童相
今や、AIを活用してソフトウェア開発すること自体は一般的になり、一種のブームと化している。 しかし、Web上で見かけるのはワンショットでテトリスを作る程度の小規模なプロジェクトの話がほとんどで、驚けるものの、正直あまり実用性は無いように感じる。 俺たちが本当に知りたいのはテトリスの作り方じゃねえ！現実の中規模以上のシステム開発で、いかに楽に良いものを作れるかだろ！ ということで、まずは弊社から現時点のノウハウを全公開しようと思う。 弊社ではCursorを1年以上活用（サービスがGAになったタイミングから全社員で利用）しており、一定のノウハウを蓄積してきている自負がある。ただ、あくまで一例ではあるので、ぜひみなさんの現場での活用事例も共有してほしい！ 免責事項AIエディタでの開発は、LLMとAIエディタの進化に伴い、常に変化している。 そのため、この記事で述べる方法論は、現時点での、弊社での
しぴぴぴ！ Vtuberのしぴちゃん (https://www.youtube.com/@CP-chan)です。普段はゲーム配信しかしてませんが、たまにAIについて発信することがあります。今日はAIの記事の方。 現在はローカルAIモデルに関する連載をしています。 第一弾 本記事（DeepSeek R1をほぼ準備なしからローカルGPUで動かす） 第二弾 Cline＋ローカル版DeepSeek R1でAIコーディングを使い放題にする（高スペックマシン向け） 最近話題のローカルで動くLLM、DeepSeek R1 をローカルGPU環境（NVIDIA）で動かしてみましょう。 多少のコマンドラインの操作ができれば、事前にローカルLLMを触ったことがなくてもインストールできるように書くつもりです。 サムネはDeepSeek R1くんに画像を生成してもらおうとしたところです（そんな機能はありません）。
Explore common agent recipes with ready to copy code to improve your LLM applications. These agent recipes are largely inspired by Anthropic's article. A workflow where the output of one LLM call becomes the input for the next. This sequential design allows for structured reasoning and step-by-step task completion.
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く