前提補足 設計プロンプト(実体) bulletのバージョンアップ完了後、Rails8.1.1へのアップグレード対応を開始します。 プロンプト1(Rails本体のバージョンアップ) Rails 8.0.4 から Rails 8.1.1 へのバージョンアップ作業 目的 Gemfile の rails 行を ~> 8.1.1 に更新し、Rails コアコンポーネント → Rails 本体の順で bundle update(conservative)を実施して依存を解決する その後、Docker イメージのビルドと bin/rails r 'puts :ok' による起動スモークで最低限の動作確認までを自動で行う(テスト/Lint/新デフォルト設定の適用は別プロンプト範囲) 概要 Step1:事前確認 bin/rails -v / bundle info rails で現状把握 既に 8.1.1
1 はじめに https://notebooklm.google/?hl=ja GoogleのNotebookLMは、PDFやウェブサイトなどをソースとしてアップロードすると、AIがその内容を分析・要約し、質問に回答してくれるツールです。利用が急速に広がっていますが、それに伴い「第三者の著作物をソースとしてアップロードして利用することは著作権侵害にならないのですか?」という質問を非常に多くいただきます。 この論点は、利用場面を分類した上で、それぞれの場面ごとに著作権法上の評価を行う必要があります。そこで本稿では、NotebookLMに第三者の著作物をソースとしてアップロードして利用する場面を類型化し、それぞれについて著作権法上の評価を整理します。 2 NotebookLMの機能の概要 NotebookLM(以下「NLM]ということがあります)の基本的な利用の流れは以下のとおりです。 – ユ
ターン数とは、1 回のプロンプト実行中に Claude が何回 API ラウンドトリップ(ツール呼び出し → 結果受け取り → 次の応答)を繰り返したかの回数です。 v1(新規作成)の所要時間 v1 では言語間の差が大きく出ています。Python(32.9 秒)と Ruby(33.2 秒)が僅差でトップ、JavaScript(36.0 秒)が続きます。一方、Ruby/Steep は 105.0 秒と Ruby の約 3.2 倍。Lua(96.4 秒)や OCaml(80.9 秒)も遅め。 v1 は空のディレクトリからスタートするので、Cargo.toml や package.json などのプロジェクト設定ファイルを生成するコストが含まれます。Python/Ruby/JavaScript などは minigit ファイル 1 つを生成するだけで済むので、差が大きくなっている可能性があります
ソートはコンピュータサイエンスにおける古典的なタスクですが、これが最先端の LLM と結びつき、新たな研究の潮流が生まれています。 ソートは比較関数さえ定義すれば実行することができます。従来の比較関数は身長・金額・距離のように測定可能な数値の比較を前提としていましたが、この比較関数内で LLM 呼び出しを行うことで「どちらが好みか」「どちらが優れているか」「どちらがクエリに関連するか」といった主観的で曖昧な概念を比較でき、これらの概念に基づいたソートが可能になります。 Python では、二つのオブジェクト a と b を受け取り、a を前に持ってきたければ -1 を、b を前に持ってきたければ +1 を出力する関数 cmp を実装し、functools.cmp_to_key(cmp) をソートのキーに設定すれば任意の基準でソートできます。 まずは雰囲気をつかむために応用例を見てみましょう
Which programming languages are most token-efficient? I've been trying to think through what happens to programming languages and tooling if humans are increasingly no longer writing it. I wrote about how good agents are at porting code recently, and it got me thinking a bit more about what constraints LLMs have vs humans. One of the biggest constraints LLMs have is on context length. This is a di
💬 サポート 🇬🇧 English 🇰🇷 한국어 🇨🇳 简体中文 STYLE #00 Title TOTAL SCORE: 00 / 50 アンケートに答える (🎁 回答特典あり) GENERATION PROMPT お気に入り COPY SHARE DESIGN ANALYSIS
AIエージェント時代、正直しんどい話 2025年12月31日 年末やし、今年AIと格闘してきた感想を正直に書いておこうと思う。 今日、Qiitaで「Agent OS」っていうClaude Codeの拡張ツールの記事を読んだ。仕様駆動開発をAIエージェントで回せますよ、サブエージェントに仕事振れますよ、みたいな話。 一見ええやんって思うやん? でもな、冷静に考えたら、束になってかかってくるAIエージェント全員と対話せなあかんってことやねん。 人間の組織ってよくできてる 普通の会社やったら、部長は課長と話すだけでええねん。課長は部下の面倒見てくれる。リーダーがメンバー管理してくれる。 信頼があるから「任せる」ができる。見なくてええ範囲が生まれる。 でもAIエージェントは違う。 backend-specialistの成果物チェックして、test-engineerの成果物チェックして、fronte
AIを引っ提げてやってきた大学院生 学外のとある修士2年生の学生から、研究を評価してほしいと頼まれました。彼がやっているのは、私が専門とする研究分野のある仮説をデータによって検証する内容でした。読んでみたところ、経済学の五大誌は難しいにしても、着眼点、新規性、データの質などから、フイールドトップの学術誌に挑戦できる水準にあると感じました。 驚かされたのは、彼が経済学を専攻する学生ではなく、それどころか経済学をこれまでほとんど学んだことがないという点です。彼の関心は技術の新領域への応用、特に「生成AIの新活用」にあり、専門外である経済学という分野で、AIとの対話だけでどこまでのレベルの研究ができるかを1年間かけて試してみたというのです。研究のアイデア出し、先行研究のレビュー、理論モデルと仮説の構築、データの探索と収集、計量ソフトを用いた分析、図表の作成、英語論文化に至るまで、さまざまなAIツ
Large language models are very good at generating and editing code. Right now, it’s probably the “killer app” of AI: the companies actually making money from language models - like GitHub Copilot, Cursor, Windsurf - are all doing code generation. This works astonishingly well at small scale, but there’s an obvious problem when the codebase grows larger. Tools that write the code for you will hit a
どこまでが仕様で、どこまでが自由記述なのか分かりづらいですが、Markdownで書かれた内容はすべて自由記述です。 導入のメリット予想 LLMによる効率的なサイト理解と情報抽出 将来のAIモデル学習時の優先的なインデックス化 サービスの自動化・統合の促進 例:LLMを介したサービス利用の自動化 APIやサービス機能の効率的な活用 事例I:Anthropic # Anthropic ## Docs - [Get API Key](https://docs.anthropic.com/en/api/admin-api/apikeys/get-api-key) - [List API Keys](https://docs.anthropic.com/en/api/admin-api/apikeys/list-api-keys) - [Update API Keys](https://docs.a
はじめに 近年、AIを活用したコーディングツールが急速に発展し、プログラマーの生産性向上や開発プロセスの効率化に大きな影響を与えつつあります。これらのツールは、コード補完、チャットアシスタント、コーディングエージェントなど、様々な形態で提供されており、プログラマーの作業をサポートしています。 その中でも、オープンソースのコーディングエージェントである「Cline」は、独特のポジションと活発なコミュニティによって注目を集めています。 本記事では、Clineを中心に、現在のAIコーディングツールの動向を探ります。Clineの特徴や利点、そして他のツールとの比較を通じて、AIコーディングツールの現状について考察します。また、Clineのアーキテクチャや実用面、コミュニティの動向についても解説します。 AIコーディングツールは、特に個人のプログラミングの世界に大きな変革をもたらしつつあります。本記
この時期毎年恒例になってきた未踏ジュニアの成果報告会。 今年も11/4(祝)に開催されていたので、行ってきてみた。 成果報告会@東京大学 ちなみに採択されたプロジェクト一覧は以下で、発表の様子は動画で見ることもできる。 生成AIの使い方の変化 去年の感想で、生成AIの躍進がすごかったと書いた。 これは今年もそうで、多くのプロジェクトで生成AIを含めAI技術が使われている感じだった。 ただ、その使い方に関して、去年とはけっこう違う印象を受けた。 去年は生成AIを使うことで何かしらのアウトプットを直接得るようなプロジェクトが多かったと思う。 動画や四コマを作らせてみたり、情報をまとめたコンテンツを作らせてみたり。 この場合、アウトプットを生み出す主体はAIであり、人はむしろそれをサポートする側で、AIのアウトプットのための環境を整えることが開発といった感じがあった。 主客逆転というか。 それが
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