https://kichijojipm.connpass.com/event/347729/ 吉祥寺.pm38【オンライン】　で行った登壇資料です。 株式会社ジェイテックジャパン CTO・Microsoft MVPの高丘知央が、AIコーディングの“理想＆現実”を実体験ベースでお話しします。Cop…

今、AI業界を賑わせている１つの論文があります。 元OpenAIのガバナンス研究者であるDaniel Kokotajloを筆頭に、有名ブロガーのScott Alexander、AI Digest共同創設者のEli Lifland、Center for AI Policy創設者のThomas Larsen、そしてハーバード大学コンピュータサイエンス専攻のRomeo Deanという5人の専門家チームによる「AI 2027」です。 その名の通り2027年までのAI発展を詳細に予測したもので、「今後10年間の超人的AIの影響は、産業革命の影響を凌駕するほど非常に大きなものになる」という見解を示しています。 この論文の特徴は、予想が非常に具体的なことにあります。さらには衝撃的な内容であることも、評判になっている理由です。 OpenAI、Google DeepMind、Anthropicといった主要A

はじめに：非同期コミュニケーションの増大と組織課題リモートワークやハイブリッドワークに関係なく、オフィスワークであってもSlack・メール・Notion・Teams など、非同期コミュニケーションに頼る機会が格段に増えている。実際に、オフィスにいたとしても非同期のテキストコミュケーションが多い。 だが、こうした非同期の便利さと引き換えに、いくつかの課題が顕在化するようになった。まず挙げられるのは、メッセージの往復回数の増加だ。オフィスで雑談まじりに「これどうなってる？」と聞けば一瞬で解決したかもしれない問題が、Slack のメッセージを投げても相手が離席していてすぐには返事が来ない――それだけならまだしも、投げかけが曖昧だったり、目的が十分に説明されていなかったりすると、数時間後に「それは何のデータが欲しいんですか？」と追加質問が返り、さらに数時間後にようやく詳細を伝え、やがてまた別の質問

週末にやった感じ、GithubのCopilot Agentがかなり良かったので感想を書く。 前提 今回作ったツールで似たようなやつはいっぱいあって、llm ってやつが便利なんだけどPythonだし、重厚過ぎてちょっとしたことに入れるにはハードルが高いし、Serverには入れにくい。 ってことでGolangが良いなって思ってシンプルなやつを作った。 その際にGithubにCopilot AgentがGAになったので、こいつをvibe codingのメインで開発してみた。 ちなみに普段からRoo CodeやClaude Codeなんかも触っているのでvibe codingやAI Agentの活用には慣れている。 結論 業務で使うならCopilot Agentがかなり良い印象。 ClineやRoo Codeでやってたことは置き換わりそうな印象がある。 特にCopilotのAgentタイプだけでは

MCPを活用した検索システムの作り方。あるいは、MCPサーバーはつなぐだけ、検索機能は別物ということについて。 解説ブログ https://dev.classmethod.jp/articles/catalk-how-to-implement-search-systems-with-mcp/ …

はじめに こんにちは、AI Labの岩崎です。普段はResearch Engineerとして他チームの実験サポートや研究成果の社会実装などをしています。タイトルの通り、CyberAgentにあるAI Labという研究機関で技術研修を行った話をします。 AI Labは現在インターンを含めて100名近いメンバーが在籍しており、これはメガベンチャーである弊社の中でも大規模な組織です。このように規模が拡大する中で、他社での経験があるメンバーはもちろんのこと、先月まで大学で研究を行っていたメンバーであっても、入社後すぐに共著や社会実装を通じてプロダクトと連携できる程度の技術力が求められます。 小規模な組織であれば技術力の高いメンバーが他のメンバーをフォローすることも可能でしたが、現在の組織規模ではチームや個人間で研究開発力に差が生じつつあります。そうした背景があるAI Labではオンボーディングは用

1. はじめに こんにちは、次世代システム研究室のT.D.Qです。 デザインとコーディングの間にあるギャップを埋める新しいアプローチとして、FigmaでデザインされたウェブUIを自動的にHTML/CSSコードに変換する方法が注目されています。特に、オープンソースのFigma Context MCP（GLipsが公開）と、Visual Studio Code用AIエージェント拡張のRoo Codeを組み合わせることで、デザインからコーディングへのプロセスを大幅に効率化できます。 本記事では、FigmaでデザインされたウェブUIを、GLipsが提供する「Figma Context MCP」とVisual Studio Code拡張「Roo Code」を用いて、効率的かつ正確にHTML/CSSコードに変換・取り込む方法を解説します。 2. MCPとRoo Codeの概要 2-1. Roo Cod

“AI研究者”向けの研修資料、サイバーエージェントが無料公開　PythonやVSCode、論文の書き方まで網羅 サイバーエージェントは4月17日、AI研究者向けの技術研修資料を無料公開した。同社のAI研究機関「AI Lab」の技術研修で使った資料。研究者のためのPythonコーディング上のテクニックや、VSCodeのおすすめプラグイン、英語論文の書き方など15種類の資料を公開している。 資料一覧は下記の通り。 Python Coding Best Practice IDEで効率的な研究開発 Google Cloud - IAM & Admin Container for Research モデルコードの高速化・最適化 概要・構成検討 実験・分析コードのGitHub公開 OSSライセンス入門 チーム開発から学ぶコードレビューのお作法 ビジョン系データ品質の保ち方 3次元コンピュータビジョン入

VS CodeのCopilotとCopilot Chatを導入していてBusiness Planのシートを割り当てていただいているのですが、あまり活用できていなかったためどういった機能があるのか調査しました。 CopilotはGithub上で使えるCopilotやCLIから利用できるCopilotなどもありますが、ここではVS Code上から利用できるCopilotに焦点を当てています。 また拡張機能であるGitHub CopilotおよびCopilot Chatは事前にインストールされていることを前提としています。 Code completion これは使っているとすぐに気付ける、もうおなじみの機能といっても問題はず。 Control + Enter で他の候補も見ることができますが、自分はほとんど使ったことがありません。 また、Next Edit Suggestions(NES)という

SWET第二グループのKuniwakです。本記事では画面仕様（後述）の仕様書に対する静的検査器を開発した事例について紹介します。 伝えたいこと 画面表示と画面遷移を記述する仕様書は機械可読にできる 仕様書が機械可読であれば仕様の静的検査ができる 静的検査によって自身の担当範囲の15%の画面から計40件弱の欠陥を発見した 機械可読な仕様書にはさらなる応用が見込める おさらい：仕様とは 仕様の定義はいくつかあります。 ここでは仕様とは実装の正しい振る舞いを定める基準とします。 ある実装が正しいと判定されることを、実装が仕様を満たしたといいます。 誰による判定でも実装が仕様を満たしたかどうかの判定結果は一致すべきです。 さて実装の欠陥と同様に、仕様にも欠陥が生じえます。 本来正しいと意図した実装の振る舞いを誤っていると判断したり、その逆に誤っていると意図した実装を正しいと判断する仕様には欠陥があ

ExcelをLLMに読み込ませたいけれど、そのままだと読めないと思うから、いったんMarkdownに変更してみたけれど、そこから先の精度がうまく出ないし、どうしたらいいかもわからない……。みなさん、そんな経験はありませんか？　僕はいまそうなっています！ というわけで、ChatGPT(樋口作のGPTs"鬼")にいつも通り聞いてみたところ、なるほどと思ったので備忘もかねてやりとりを残しておこうと思います。 樋口： LLMにExcelで書かれた設計書を読ませてテストパターンを生成させたいんだけど、コツを教えてほしい。ExcelをMarkdown化してプロンプトに入れてるんだけど、カラムとセルの関係がいまいちちゃんと判別されないように見える。あと、空白セルや-としか記載されていないセルの意味を理解していないように見える。そういう、Excel独特の２次元マトリクスを自然言語のプロンプトに落とし直すた

本記事は、最近話題のMCPの入門記事です。 MCP（Model Context Protocol）について、以下の4ステップで紹介します。 ざっくり理解する 使ってみる 深く理解する 作ってみる 初心者でも順番に読み進めれば、MCPについてざっと理解、かんたんな実装ができるようになることを目指します💪 ざっくり理解する MCPとは、ざっくり言うと、LLMアプリと外部サービスを連携するための統一されたインターフェース(プロトコル)です。 LLMアプリとは、ChatGPTやClaude、Cursorなど、LLMを使用するためアプリケーションを指します。(⚠️ GPT-4oやclaude-3-5-sonnetなどのLLM自体とは区別してください。) 初期のLLMアプリは、どこまでいってもすごく賢いチャットツールでしかなく、結局はテキストを返答することしかできませんでした。 そのため、LLMアプ

GitHubは、これまでパブリックプレビューとなっていた「Sub-Issues」機能を正式版としたことを明らかにしました。 Sub-Issuesは大きなIssueを複数の小さなIssuesに分割し、親子関係を持たせることができる機能です。Issueに関連したタスクの依存関係や進捗管理などが分かりやすくなることが期待されます。 下記は新たに設定された「sub-issue progress」フィールドを利用してプロジェクト内の進捗を可視化したところです。 ……

The GPT-4.1 family of models represents a significant step forward from GPT-4o in capabilities across coding, instruction following, and long context. In this prompting guide, we collate a series of important prompting tips derived from extensive internal testing to help developers fully leverage the improved abilities of this new model family. Many typical best practices still apply to GPT-4.1, s

現時点で個人の感想です。流動的なので、明日にでも意見は変わってると思います。 モデル Claude-3.7-sonnet コーディング性能が圧倒的に良い。迷ったらとりあえずこれを使っておけばよい だいたい1ファイル1000行ぐらいが管理できる限界 Gemini 2.5 今なら無料で使える。今のうちに使い込んでクセを把握するといい。 巨大コンテキスト理解ができるので、「大量にコードを読んでちょっとだけコードを書く」つまり一般的な業務プログラミングに向いてる。 リリースから一週間は負荷が高くて不安定だったが、最近安定してきた さすがに単純なコーディング性能は Claude-3.7-sonnet に劣る deepseek-chat Cline で使うには遅すぎて役に立たない AIツール作るときの壁打ちに使っている。雑に巨大データ送りつけても安くて安心 コーディングエージェント/拡張 Cline

はじめに 乗り遅れましたが巷ではMCPが流行っていたので、気になっていたPlaywright MCPを使ってみたいと思います。 今回は、AIが画面操作を出来るならUXも評価してくれるのでは？という思い付きを試してみました。 1. MCPとは？ MCPは、Model Context Protocolの略称です。 Protocolとある通り、「AI」と「サービスやリソース」を繋ぐ、共通規格です。 従来の悩み 従来は、AIと他サービスやリソースを連携させる際、それぞれの接続先ごとに個別の実装が必要となり、開発者に大きな負担がかかっていました。 下記ではAIエージェントが利用できるように「ブラウザ操作」「画像生成」など個別に実装する必要があります。 MCPが解決すること 「AI」と「サービスやリソース」を繋ぐ部分を共通規格化することで、開発の負担が減り、手軽にAIとサービス・リソースを接続できるよ

みなさんは NotebookLM 使ってますか？ 今までなにかの調査をするのに「DeepResearchが一番！」と思い使ってきたのですが、 NotebookLMを初めて使ってみて「NotebookLM、最高じゃん…」となりました。 具体的には、調査系のタスクをする上で下記の点が良かったです！ ⭐️ 1度ソースをまとめると、疑問点が浮かんだときに何度も聞ける。 DeepResearchだと一度の調査に時間がかかる上、「この観点抜けてたな」と思い尋ねるとさらに時間がかかったりします…。 NotebookLMもはじめにソースをまとめる手間はありますが、一度まとめるとスムーズに疑問点を解消できます。 少し前に検索機能も追加され、より手軽にまとめられるようになりました。 DeepResearchの結果をソースとして使用するのも良さそうです。（※下部のコメントにて紹介いただきました！） ⭐️ ソース

最近のAIの進化は目覚ましく、コーディングにおいても、もはや人間が一切を関知せず"ノリ"で全てを完成させるvibe codingなる概念まで登場しました。 しかし、現実の業務にこれを適用すると、まあ、上手くいきません。 1ファイルで完結するようなスクリプトであれば上手くいきます。驚くほど上手くいってびっくりします。テトリスを書いて、と指示したらテトリスは完成するでしょう。 しかし現実のコーディングは素朴なテトリスを実装するほど単純ではありません。 LLMの限界 ここで一つの問いを考えます。 「入社初日の知識豊富なエンジニア」と「ここ数ヶ月の間、機能Aの開発に携わっている普通のエンジニア」、どちらが5分で機能Aの開発を進められるか？ おそらく、答えは後者になると思います。 これがまさにAIによるコーディングに起こっていることで、 どれだけLLMの性能が向上したところで、実装に関する知識（コン