ChatGPT履歴をMarkdown化して知識資産とする方法
ChatGPTの会話履歴（公式エクスポートのconversations.json）をPythonでMarkdownに一括変換し、ローカルで全文検索できる知識資産にします。月単位/会話単位で出力できます。 ChatGPTの履歴を知識資産に変える ChatGPTで調べ物や学習をしていると、数週間後にこうなりがちです。 「あの結論、どのチャットだっけ？」 「確か手順を書いたはず…」 「会話に散らばった知識を横断検索したい」 この記事では、ChatGPTの公式データエクスポートで取得できる conversations.json を、UTF-8のMarkdownに一括変換して、自分のローカルにmdファイルで保存するスクリプトを作ったので紹介します。 （外部API不要・追加ライブラリ不要・ローカル完結） Quick Start（最短3ステップ） 0) 前提 Python 3.x が動くこと（Windo
Claude CodeのSubagents + Skillsで「AIにレビューさせる開発」を組んでみた
Claude Code開発用のAgent Orchestrationを実験的に組み、実践した記録です。 きっかけは、下記の動画で「Research」「Planning」「Implementation」に分けて計画と実装を進めていく方法を見たことでした。 主な主張としては、LLMに research.md 、 plan.md を作成してもらい、userはそれらのmarkdownのみレビューをするということです。成果物であるコードはレビューせず、仮に何か不具合が生じているのであれば research.md もしくは plan.md のどこかが誤っているという考え方でレビューを進めていきます。 上記を一度個人開発で導入を進めたことがあるのですが、自分の場合はあまり上手くいきませんでした。理由は下記です。 上記のスライドに存在する subagent を使用していなかった 生成される researc
Attention再入門 is all you need
Attention再入門 is all you need 松尾研究所の尾崎です．25卒でデータサイエンティストをやっています． Attention機構は，"Attention is all you need"論文で一気に脚光を浴びて以来，昨今のAIブームを支えるLLM(transformer)の根幹的技術です．今回はそんなAttention機構が登場以来，どういう方向で進化してきたのかを整理して，皆さんの興味を発掘したり，普段何気なく使っている技術の裏側を学ぶきっかけにしたり，していただきたいと思い，本記事執筆に至っています． ※本記事は社内で行った勉強会からの抜粋となっております． 1. Attention進化のマトリクス（俯瞰図） 現在のLLMの進化は、上記マトリクスの「3つの対象」と「2つのアプローチ」の掛け合わせで整理できると考えています． では本題に入る前に，まずはいくつかのキー
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
処理を実行中です
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
テックブログのネタ探し入門
