こんにちは､まじんです｡ この記事は､私の2025年上半期の集大成だと思ってます！ ずっとスライド生成を研究してたんでね…。 有料記事にしようか本気で悩みましたが、この感動をより多くの人に届けたいと思い、無料で公開することに決めました。 まずは、このプロンプトで「何ができるのか」をサクッとお見せします。 1️⃣Googleスライド完成までの流れ①Geminiに原稿を渡すプロンプトをセットしたGemに、スライド化したい元ネタを渡します。 文字起こし・PDF・動画など､AIが解析できるデータなら何でもOK！ ②GoogleスライドでGASを開くコードをまるごとコピーし、空のGoogleスライドから「拡張機能」→「Apps Script」を開きます。 ③コードを実行するコピーしたコードを貼り付けて保存 → 「実行」をクリック。 ④スライド完成！Googleスライド に戻ると…この通り｡ スライド

さあそしてPerplexityのように、ネットを勝手に探して記事を要約してくれるようにするためには、SerperというAPIを使う必要がある。Serperはしばらく無料で使えるので気に入ったら金を払えばよろしい。 次に、LM Studioを立ち上げてJan-V1をダウンロードしておく。 さらにMCPの設定をする。 右端のProgramの「Edit mcp.json」で編集すればOK mcpServersのプロパティのところにこんな感じで入れる { "mcpServers": { "github.com/marcopesani/mcp-server-serper": { "command": "npx", "args": [ "-y", "serper-search-scrape-mcp-server" ], "env": { "SERPER_API_KEY": "ここにSerperのAPI

Claude Code で開発効率 85%UP！AI との往復を 20 回 →3 回に減らす実践テクニック 🎯 この記事で得られる成果 ⏰ 読了時間: 約 10 分 🎯 対象読者: Claude Code/Cursor/GitHub Copilot 使用者 📊 実証データ: GitHub PR 実例あり（53 分で実装完了） 💡 実装難易度: ★★☆☆☆（初中級者でも実践可能） 具体的な改善効果 AI との往復回数が平均 85%削減（私の実測値） コード修正時間が 75%短縮 CI/CD エラー率が 90%低下 実際に私がこの個人プロジェクトで実践し、通常 20 往復以上かかる実装を 3 往復で完了させた手法を公開します。 ‼️【2025/08/13追加】Claude Code・AI駆動開発の関連記事 😩 あなたもこんな経験ありませんか？ 「AI を使えば開発が楽になる」そう思っ

三日坊主で悩む人の共通点は「習慣化には大きな努力が必要」という間違った思い込みにある。「自分は意志が弱いから続かない」と諦めている人も、脳科学の研究で判明した習慣化の「3つの原理」を知れば、自然に新しい習慣を身につけることができるという。『ハーバード、スタンフォード、オックスフォード… 科学的に証明された すごい習慣大百科 人生が変わるテクニック112個集めました』を上梓した言語学者（法言語学、心理言語学）で明治大学教授の堀田秀吾氏が、科学的根拠に基づく「習慣化メソッド」を解説する。 言語学者(法言語学、心理言語学)。明治大学教授。1991年、東洋大学文学部英米文学科卒業。1999年、シカゴ大学言語学部博士課程修了（Ph.D. in Linguistics、言語学博士）。2000年、立命館大学法学部助教授、2005年、ヨーク大学オズグッドホール・ロースクール修士課程修了、2008年同博士課

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Context7、Serena、Cipher で得られるメリット 開発効率の大幅な向上 Context7：最新のAPIドキュメントを自動取得し、古い情報によるエラーを防止 Serena：IDEレベルのコード理解により、大規模リファクタリングを効率化 Cipher：過去の解決策を記憶し、同じ問題への対処時間を削減 コスト削減効果 ツール利用料0円：すべてオープンソースツール 注意：Claude APIやOpenAI APIの使用料は別途発生します API使用量の削減：Cipherのメモリ機能により、重複する質問を回避 デバッグ時間の短縮：

小野松 健太 @Sales_Onomatsu 13.提案中に相手が頷いてるのを好感触だと思ったら「それは早く終わらせたいサインだ」と冷や水を浴びせられた 2025-08-10 16:07:59

※この投稿は米国時間 2025 年 8 月 5 日に、Google Keyword blog に投稿されたものの抄訳です。 今年 6 月に、ターミナルで Gemini の力を活用できるオープンソース AI エージェント Gemini CLI をリリースしました。リリース以来、ご利用いただいた開発者の方々から寄せられた熱狂的な反応は想像以上のものでした。多数の機能リクエストやコントリビューションが続々と寄せられる中、私たちは自ら Gemini CLI を活用し、イシューの振り分けやプルリクエストのレビューを自動化しました。この新しいワークフローがコミュニティ メンバーの目に止まり、「ぜひ共有してほしい」という声が多数寄せられたことから、この度公開を決定しました。 本日、Gemini CLI GitHub Actions を発表します。これは、あなたのリポジトリで無料でご利用いただける、強力な

AI技術の急速な進歩により、ソフトウェア開発プロセス全体が根本的な変革を迎えています。 しかし、AI駆動開発ツールは日々新しいものが登場し続けており、「どの領域から AI 導入を始めるべきか」「自社の開発文化に適したツールはどれか」を戦略的に判断するのは容易ではありません。 本カオスマップは、2025年7月時点の情報をもとに、開発・運用プロセスを支援する主要な AI ツールを 7 つのカテゴリに分類・整理したものです。「AI駆動開発における全体構成」と「組織の課題に対応する AI 活用領域」を俯瞰的に把握できることを目的として作成しました。 なお、本記事で取り上げるAIツールは、「開発・運用プロセス支援」に特化したものを中心に選定しており、インフラ運用や機械学習モデル開発に特化したツールは含まれておりません。また、本記事内でご紹介しているツールはあくまで一例であり、特定のツールの優劣を示す

はじめに ご無沙汰しております。Cursor→Claudeとコスって開発PMを日々やっている中で、何を発信してよいやら迷走した1ヶ月でしたが復活しました。結局のところ、Tipsとプロンプトかなあというところに思い至りまして、そのまま使えずとも、「こんなことに使えるんだあ」という気付きになれば幸いです。 Claudeと言いつつ、ChatGPTでもGeminiでも行けるっちゃいけるんですが、Opusがやっぱり優秀なのでClaudeでやっています。 概要：ワークフロー図づくりで“詰む”前に── 「フロー図描いてって軽く言われたけど、そもそも何を聞けばいいんや……」――そんな若手の悲鳴を（また）聞きまして、プロンプトで一撃解決できんかと作ってみました。 「プロンプトはそのまんま載せてます。コピペして即生成AIに突っ込めば動くはず。 こんな感じのフローが簡単に作れるはずです 目次 なんでプロンプト？

あなたは人間ですか？ 人間は考える葦である AI は考える葦である 人間が労働する AI が労働する 人間はアートする AI はアートする 好きな人にスパチャする 好きな AI にスパチャする 好きな人と同じ服を着たい 好きな AI と同じ服を着たい 人間には 人間にしか感情移入できない 非合理なバグがある 御社は時代を捉えている だから技術で 負けたらもったいない！ 今日の主題 AI を使って ソフトウェアエンジニアリング をしよう 平たく言うと Claude Code (aider/codex-cli など) をもっと使おうぜって話 @amachang 自分の例 (1日に書いたコード+文書の行数の目安) 2003年4月: 300行 (手書き) 2024年11月: 500行 (手書き) 2025年2月: 1700行 (aider) 2025年5月: 5000行 (aider 月20万円消

プロダクト開発をしていると、ユーザーや社内から改善要望をもらうことがよくある。でも、その要望の多くが「How」しか書かれていなくて、本当に必要な「Why」が書かれていない。 例えば、よくあるものだと 「ユーザー一覧をCSVでダウンロードできるようにしてほしい」 「検索結果を50件ずつ表示してほしい」 「削除ボタンを赤色にしてほしい」 といったものだったりします。 社内の人には「HowはあってもなくてもいいのでWhyを書いてください」と言っているんだけど、実際にWhyが書かれているケースは少ない。 テンプレートみたいなものを用意してもひどいケースだと「◯◯機能がほしいので◯◯機能を作ってください」みたいなことが書かれている。 どうしてWhyが重要かというと、"最適な解決策を見つけつつ、将来の拡張性も考慮した設計にしたい"からです。 このnoteではなぜ、要望にはWhyが重要でHowが重要では

無料で自分だけのAIを作る「LM Studio」入門 ChatGPTやGeminiなどのLLM（大規模言語モデル）は、翻訳や企画案の相談、文章の要約などビジネスシーンでも大いに役立つツールとなっている。しかし、個人情報や社内情報などを扱いたい場合は、情報漏えいなどのセキュリティ面に不安を感じることも多い。そこで、商用利用も無料になったLM Studioをインストールして、ローカルLLMを実行してみよう。ローカルで実行するためセキュリティやコストの心配は不要だ。 急速に進化した生成AI、特にChatGPTやGeminiに代表されるLLM（大規模言語モデル）は、翻訳や企画案の相談、文章の要約などビジネスシーンでも大いに役立つツールとなっている。 しかし、無料版では制限が多く、一方で月額の使用料はいずれも20ドル程度と少し高い。また、個人情報や社内情報などを扱いたい場合は、情報漏えいなどのセキュ

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

はじめに 弊社エスマットでのファームウェア開発において、しばらく悩まされていた課題だった技術ドキュメントの整備を AI エージェントの Devin に任せてみました。 結果として、人手で 4 週間と見積もられた作業が、わずか 6 時間のレビュー作業で完了。合計で 1 万行を超える Markdown ドキュメントが作成され、ファームウェアの理解促進と AI コーディング精度の向上という目標を実現できそうなところまできました。 この記事では、Devin を活用したドキュメント整備の具体的なアプローチと、実際の運用で得られたノウハウを共有します。 背景：散在・陳腐化したファームウェアドキュメントの課題 ドキュメントの現状と課題 弊社製品であるスマートマットのファームウェアは、元々外注先で開発されたものを引き継いで開発を続けていました。外注先から引き継いだ時点で体系的なドキュメントは無かったようで

ozawaです。暑い日が続いていますのでオフィス出社した際のランチは毎回同じ中華屋さんで冷麺セットを頼んでいます。たぶん冷麺野郎と裏で呼ばれていると思います。 AWS発のAIコーディングエージェント「Kiro」 インフラ屋さんのモチベーション 結論、「上流工程の品質が物を言う」 やったこと 要件・方式決めまではすんなりいく、ように見えた 個人的に気になった点 わりかし複雑な構成 漢気あふれる課題解決 そもそも何がいけなかった？ 曖昧な指示 考慮すべき観点の漏れ 前提条件のすり合わせ不足 インフラ屋さんがAIコーディングエージェントと仲良くなるために 一般的にリスクをはらむ箇所を抑える 開発環境やコーディング規約を統一する 既存ツール等でAIだけに依らない品質担保を意識する まとめ AWS発のAIコーディングエージェント「Kiro」 巷で流行りのKiroです。AIコーディングエージェントはい

2025-07-10 Study Hack #02 https://hireroo.connpass.com/event/359432/

GoogleのAIツール「NotebookLM」が進化した。新たに「動画オーバービュー（Video Overviews）」機能を追加したほか、「オーディオオーバービュー（Audio Overviews）」のデザイン刷新、さらにStudioパネルもアップデートし、情報活用の幅を広げた。 Googleは、5月に開催した開発者イベント「Google I/O」で、AIツール「NotebookLM」に「動画オーバービュー（Video Overviews）」を追加すると発表していたが、11日付の公式ブログ「Keyword」で正式に提供開始をアナウンスした。 NotebookLMは複雑で膨大な情報を簡潔に整理し、直感的に理解できるようサポートするAIツール。これまで音声で要点を確認できる「オーディオオーバービュー（Audio Overviews）」を提供していたが、新たな動画オーバービューの登場で、元の

結論としてはとても良い。今後も継続していく。 自社のリポジトリに Claude Code Action を利用してレビューの仕組みを導入して、約1ヶ月が過ぎた。 この Claude Code Action (以降 LLM) によるレビューの何が良いのかというと「レビューを依頼するコストがゼロ」というのが一番良い。 人にレビューを依頼する場合、人の時間を奪う事と感じてしまう人が多い。そのため「ある程度出来てから」や「余裕ある時にレビューして」という依頼になりがちだが、LLM によるレビューの場合は 24/365 いつ依頼しても不機嫌になることもないし、厳しいレビューを依頼すれば厳しくレビューしてくれる。さらに早い。数分で終わる。 もちろん設計まで踏み込んでしっかりレビューしてくれるわけではないので、そこは人のレビューが入る必要がある。ただケアレスミスなどは、ほぼ確実に潰せる。 ちょっとコード

はじめに こんにちは。 食べログカンパニー 開発本部 ウェブ開発1部 ownerチームで「食べログ求人」というサービスの開発や、食べログの営業チームが使用している業務系システムの開発を担当している@itayaです。 本記事では、私がAI活用でつまずいていた状況から、Devinという自律型AIエージェントとの出会いによって劇的に開発スタイルが変わった体験についてお話しします。従来のAIツールを「単なる補助ツール」としか認識できなかった私が、いかにして真のAIネイティブ開発者へと変貌を遂げたかをご紹介します。 はじめに AI活用の流れに乗り切れなかった私 会社全体のAI推進の流れ リーダー業務との両立の難しさ Devinとの出会いで根本的に変わるAIへの認識 運命的な出会い 指示をしたらPull Request作成まで完全自動 私が感じた大きな変化 大規模案件での新たな壁と解決策 複雑な要件で