JASRAC許諾第9009285055Y45038号 JASRAC許諾第9009285050Y45038号 JASRAC許諾第9009285049Y43128号 許諾番号 ID000002929 ABJマークは、この電子書店・電子書籍配信サービスが、著作権者からコンテンツ使用許諾を得た正規版配信サービスであることを示す登録商標(登録番号 第6091713号)です。

プログラマーの世界では昔から「お前がコピペしたコードはお前のコード」というならわしがある(多分)。つまり、たとえばコードレビューで他の人から指摘が入ったときに、「隣にある別のコードをコピペして作ったからそうなっている」というのは言い訳にならないということだ。ペーストした瞬間からそれは自分が責任をもつべきで、そのためにはそのコードを自分で理解して説明できる必要がある。ジュニアプログラマーはこういった意識が薄いことが多いが、レビューする側のプログラマーとしては、ジュニアプログラマーが責任を持った振る舞いをしてくれないと非常に疲弊するので、こういう哲学は早めに教え込むことが多い。 これに似た話として、最近、プログラミング以外の事例も含めて、生成AIに作らせたものを隅々まで自分で理解しない・説明できない (つまり責任を持てていない) ままそれを成果物として他人に見せるケースがあまりに多すぎるように

つらつらと自分の考えをまとめます。それはそうとAIに投げて前提を共有したいので言語化します。 不労所得を月10万を一旦目指してます。 できることAIあるから割とつくるだけならなんでもできる様になった スマホアプリ・webアプリ・Line bot... 機能はシンプルなCRUDくらいかな、シンプルなCRUD以上に必要な機能みあたらないけど、あとは普通に生成AI含め外部のAPI叩いたり 作らないもの人が人を呼ぶもの、代表的なものだとSNSやレビューサイト。人が集まらないと成り立たない構造は個人開発者がするにはまず無理。大手に勝てない 専門性が高いもの、金融系（決済、投資、ローン）、医療系、個人情報を大量に扱ったり、個人開発でするにはかなり割に合わない 市場がでかいもの、今だと話し相手としてのAIとかコードアシスタントツール。この辺は色んな人がやっているし、結局モデルを持っているOpenAIやG

Daily Do 1.3.0で触覚フィードバックを追加して、操作感を向上させました。 Daily Doの1.3.0でTODO追加時と完了時に触覚フィードバックを追加しました。これにより操作の手応えを感じられるようになり気持ちよく操作できるようになるといいなと思います。 実現方法 SwiftUIのsensoryFeedbackモディファイアを使って実装した。iOS 17以降の機能で、UIKitに依存しない純粋なSwiftUI実装が簡単にできるのが良い。 TODO追加時の振動実装 struct TodoListView: View { @State private var triggerAddFeedback = false // TODO追加時の振動フィードバックトリガー var body: some View { VStack { // 入力欄のUI } .background(.regu

登壇資料　HackFes.2025 | 日本ハッカー協会 https://hackfes2025.hacker.or.jp/

最近少しだけ太ってきたなと感じたので運動を始めることにした。せっかくやるなら運動のモチベーションを上げたいなと思い、運動が脳に与える効果について書かれた本を2冊読んでみた。 脳を鍛えるには運動しかない! 最新科学でわかった脳細胞の増やし方 作者:ジョン J.レイティ,エリック ヘイガーマンNHK出版Amazon 運動脳 作者:アンデシュ・ハンセンAmazon これらの本は、どちらも運動が脳に与える好影響について、科学的な研究結果をもとに解説している本だった。直近の運動のモチベーションを上げる効果があったので非常に良かった。 今回学べたのは次のポイント。 運動にはストレス軽減、集中力の強化、記憶力の向上、創造性の促進など、脳への多くの効果がある 脳への好影響を与えるには、最大心拍数の70％以上に上げる有酸素運動をできれば30分以上、最低20分以上行うと良い これまで運動は身体的および精神的な

X見てると、今日ソフトウェアエンジニアが近い将来オワコンになるか否かが明確にわかると思うな。自分的にはならんと思うけど、なったらそれは素晴らしい事で凄いイノベーションだよな。そうなったらブルースマンでもやるかw — 牛尾剛『世界一流エンジニアの思考法』(文藝春秋)🎸Tsuyoshi Ushio (@sandayuu) August 7, 2025 本心で言ったのだが、予想通りそうはならなかった。今回の AI ブームが過去と圧倒的に違う部分は、わけわかっていない人が言っているのではなく、ガチのエンジニアでも、「あー、わしもうリプレースされて、エンジニアいらんようになるかもしれん」と本気で思ったところだと思う。まぁ、実際そうかもしれないが、問題はどれぐらいでそうなるか？がまだ全然わからないということである。 「オワコン」と思われているかもしれないが、もしかすると今ソフトウェアエンジニアをやっ

株式会社ジェイテックジャパン CTOの高丘 @tomohisaです。最近 Claude Code をメインに使うようになってきていますが、ビルトインの検索の精度があまり良くない気がしています。ChatGPT のアプリは、o3+検索の組み合わせが精度が高いと感じていて、Web で調べないといけないと感じる時は、ChatGPT で検索して、Claude に貼り付けていましたが、MCP として ChatGPT のアプリが使えるのではないかと考えて調べてみました。調べてみたら、macOS のショートカットを使用して検索を自動化する機能を、MCP から呼び出すという方法で Mac の ChatGPT のアプリを MCP サーバーのように使えるコードを見つけたので、最近はこれを検索に使用しています。 この記事では、Claude Code に ChatGPT Mac アプリの o3 Web検索機能を M

Claude Code の v1.0.71 で、TUI の最下部に表示する status line をカスタマイズできるようになりました。 コンテキストサイズや auto-compact までの残量を常に可視化しておくために便利です。 モチベーション Claude のコンテキスト幅 (モデルに一度に入力できる上限トークン数) は 200K トークンです。 Claude Code はこのコンテキスト幅に到達する前に、大体 80% ぐらいのタイミングで自動的に /compact を実行します。 /compact はコンテキストを圧縮するために、過去の会話履歴の情報を大幅に落とした要約を作ります。 その結果、必要なコンテキストが足りずに Claude Code が迷走することが非常によくあります。 そのため、auto-compact まで後どれくらいトークンを使えるかを常に把握しておきたいわけで

AIにブログの下書きを書かせることがあるのだが、出てくる文章が自分の雰囲気とは全然違うものになってしまうという課題があった。「まさにAIに書かせました」という感じの、汎用的で特徴のない文章が出てくることが多い。 自分のブログなので、やはり自分の色をちゃんと出したい。そこで、AIを使いながらも自分らしい文章が書けるような方法を探っていた。 Claude Codeの文脈理解力の高さを活かせば、自分の過去記事から文体を学習させて、それっぽい記事を書かせることができるのではないかと思い、試してみた。 実際にこの方法で書いてもらった記事がこちら： https://blog.shibayu36.org/entry/2025/08/05/173000 。またこの記事自体もClaude Codeで下書きを書かせている。 記事を書かせる前の事前準備 自分の過去記事から文体の特徴を抽出してもらい、WRITIN

今日ははじめてiOSアプリを開発しApp Storeに公開したので告知をします。 僕はその日のやる気を出すために、毎朝やることリストを書き出すということをしていました。この作業をもっと便利にしたいと思い、Daily DoというiOSアプリを作りました。 何をしたかったか 僕はTodoistやAsanaをTODOリストとして利用しています。この2つはやるべきことを忘れないために活用しています。 しかし、これらを使うだけだと、やることはあるけどやる気が起きなくて放置しがちでした。そこで「今日これをやるぞ」というリストを毎朝書き、その日のやる気を出し、1つずつ終わらせていくという習慣にしています。また、このリストは毎日やる気を出すためだけに作っているリストなので、全部終わらなくても良いし、終わらなかったものは次の日には完全に忘れるようにしています。 以前はこの作業をObsidianで行っていて、

日本トップクラスでAI活用が進んでいるであろうDeNAが、試行錯誤を経て形にした「AI活用スキルの定義」や「評価方法」。このDARSは、これからAI活用を進めようとする全ての企業にとっての参考事例となるはずです。 「AIを使いこなすとはどういうことか？」「それをどう組織的に底上げしていくべきか？」という難問に対し、最前線の企業が出した“現時点の答え”を知れる意義は大きいでしょう。 個人と組織。それぞれのAI活用度を評価 DARSでは、社員一人一人のAI活用スキルを5段階評価する「個人レベル」と、部署単位でのAI活用成熟度を測る「組織レベル」という2軸で構成されている。 ■ 個人レベル：あなたの“AI活用成熟度”はどの段階？ 開発者(開発を主業務とするエンジニア)と非開発者(ビジネス/クリエイティブ職/マネージャー等)に分類され、AI活用の習熟度に応じてレベル1から5までの段階を設定していま

LLMのプロンプトエンジニアリング ―GitHub Copilotを生んだ開発者が教える生成AIアプリケーション開発 作者:John Berryman,Albert Ziegler,服部 佑樹（翻訳）,佐藤 直生（翻訳）オーム社Amazon LLMアプリケーションを作ることがなかったとしても、業務でAIを活用する上で大前提を知っておくと役立ちそうということで、「LLMのプロンプトエンジニアリング」を読んだ。 実際に読んでみると、紹介されているLLMの特性を知っておくと、AIコーディングなどにもかなり役立ちそうで良かった。 たとえばこの本に載っている以下のような特徴は非常に参考になる。 テキストを一度しか読めず後戻りできない。そのため先に書かれた内容のみを考慮して後に繋げる 気が散りやすい。「うまくいけば」役立つかもしれない無用な情報でプロンプトを埋めないようにする 人間であるあなたが完全に

はじめに 今年は複数人でいっしょにPythonを使って開発を行う機会があったのですが，そのときに導入したPipenvがいい感じでしたので一通りの基本操作についてまとめてみようと思います．個人での開発でも有効だと思いますが，複数人で開発するときに便利かなと感じたところも多かったので，そういう視点も入れながらまとめてみました． ※個人的にチームでの開発でよかった内容にをつけています． Pipenvとは Pythonで開発するときに，プロジェクト毎のパッケージ管理や仮想環境の構築を簡単に自動で行ってくれるツールです．Node.jsのnpmなんかを使ったことがあればイメージがわきやすいと思います． パッケージのインストールならpip，仮想環境の構築ならvirtualenv（venv）を使えば対応できますが，pipenvはそれらをまとめてより簡単に扱えるようサポートしてくれます．またnpm-scri

を作りました @pokutuna/mcp-chrome-tabs デモ AppleScript を使っている都合上 macOS でのみ動きます。 なぜ作ったか 既に LLM にブラウザを操作させる技術は色々ある。browser-use、playwright-mcp、mcp-chrome などなど。 これらの Tool, MCP は便利だけど、様々なツールが入っていてコンテキストへの圧迫が大きく、Chrome の debugging port を開けたり、普段のユーザディレクトリは使えなかったり、ブリッジとなるブラウザ拡張入れたりなど、まあまあめんどく、普段遣いしたいかというと否である。なのでタスクに応じて MCP サーバーのセットを切り替えて暮らしている。 ただ今開いているページを LLM に読ませたい 普段はブラウザ操作をしたいわけではなく、今見ているページを LLM に読ませたいことが

期末、期初でオフィスに人が集まっていたので、チームの中の暮らしで、理想の暮らしはどっち？と話していた。 すべて非同期化して、1日作業に没頭できる、という没頭パターン 何でも一緒にやる。1日おしゃべりしながらペア、モブ活動している、という何でも協力パターン 個人的にはペアプロしている時間が一番楽しくて、1日中ペア活動して過ごしたいと考えている。 どうやったらうまくいくか考えるのが好きなので、それを他人とおしゃべりしながら取り組めるのも楽しいし、途中で集中力が切れて、気づいたらSpotifyのプレイリスト作成している、みたいなこともなく、うまく集中できる。 自分で試してはいないけど、隣の人が試した結果、くらいの情報（おばあちゃんの知恵袋みたいなもの）を少しずつもらえるので、誰とペアプロしていても、一つくらいは知らなかったことを教えてもらえる。 横に誰かいると、ちょっとした凡ミスにすぐに気づいて

Geminiに書いてもらったPDCAモーターサイクル いちプログラマである僕の視点では、現在の世界はAIに熱狂している。 特にLLMを使ってコードを書かせるばかりか、その先のデバッグまでLLMに任せる時代はもう少し先だと思っていたら早くも登場して世間を沸かせている。 ソードアートオンラインのように「システムコール」と前置すればただの単語予測器にできる範疇以外の事にも手を伸ばせる事はわかっていたが、LLMがこんなに早くその「システムコール」を操ってものを動かせるという直感を持ち合わせていなかったのを恥じるばかりである。少しシリアスにLLMの出力をチューニングしようとした人ならわかると思うが、LLMが真にすごいのは知識を貯めておける事というよりパターンに従うのがとんでもなく上手いと言う事である。 プロンプトチューニングで「あなたは○○の専門家です」などと入れるロールプレイングは出力の品質を大き

プロジェクトの関係者全員が納得する「業務フロー図」。それはプロジェクトを円滑に進めるための"共通言語"であり、重要な存在です。 しかし、その作成は本当に骨が折れる作業です。一つ一つの箱を作り、線でつなぎ、色を分け…。手戻りが発生するたびに、あのコネクタを一本一本修正する虚しさ。初期のたたき台を作るだけで半日が終わってしまい、肝心の"中身の議論"に時間を使えないなんてこともザラです。 「この作る手間さえなければ、もっと本質的な議論に集中できるのに…！」 そう思っていた矢先、ある方法を試したところ、この長年の悩みが劇的に改善しました。それは、AIコーディングツール「Cursor」を使って、業務フロー図の作成を自動化するというアプローチです。 実際にCursorで実行して出力された業務フローはこちらです。 スイムレーンがあり、業務間の接続も記載されている。また、業務間で使用するファイルやデータも

「Claude Codeがアホになる問題」が勃発している最中、SerenaというMCPサーバーが「Claude Codeのコンテキスト消費を削減し、応答を改善する」という評価でユーザーたちの間で注目されています。 筆者も実際にSerenaを使ってみたところ、確かにコンテキスト効率の改善（入出力トークンの減少を指します）を実感できました。詳しく調べてみると、このツールは非常にユニークな発想で設計されており、一過性の流行として消費されるには惜しいと感じました。 そこで、本記事では、この機能の背景にある技術的な仕組みを詳しく解説したいと思います。実際の検証も交えながら、Serenaのアーキテクチャとその効果を分析していきます。 現在のコーディングエージェントが抱える課題現在のコーディングエージェントの多くは、コードを単なるテキストファイルとして扱って逐次的な処理をしています。この根本的なアプロー

これまで公式ドキュメントをちゃんと読んだり、Google検索で試行錯誤しながら調べたりしてプログラムを書いているときは、そこで学んだ技術知識はそこそこ自分の頭でも覚えられていた。これは回り道をしながらいろんな情報をかき集めて最終的に自分の頭で考えるフェーズが入っていたからだと思う。 しかし、ChatGPTで技術調査をしたときやClaude CodeでAIコーディングしながら知らない知識を学んだ時、学んだ知識を一瞬で忘れてしまう感覚がある。おそらく高速に知識に到達でき、あまり自分の頭で考えられてないからのように感じる。 もちろん今は知識に高速に到達できるのですべてを記憶しておく必要はない。しかし毎回綺麗さっぱり忘れて、同じようなことをするときに同じだけ調査に時間をかけてしまうのは効率が悪い。なんらかの形で同じようなことをするときはすぐに引き出せるようにしておきたい。 そこで次の作戦を考えた。