この記事のポイント（3行要約） skill-creatorはAnthropic公式が配布する「スキルを作るためのスキル」。Claudeに自分専用の作業手順を教え込める 2025年12月18日にAgent Skillsとして正式リリース。Claude.ai、Claude Code、APIで共通して使える 「フォルダにSKILL.mdを置くだけ」で作れる。コード不要でも始められるが、評価（eval）機能まで使うと本格的なカスタマイズが可能 はじめに — なぜ今「スキル」なのか ChatGPTを使っていて、こんな経験はないだろうか。 「この書き方でブログを書いて」と毎回長いプロンプトを貼り付ける プロジェクトごとに前提ルールを説明し直す チームで「Claudeへの頼み方」がバラバラ Anthropicが2025年12月にリリースした**Agent Skills（以下Skills）**は、これを解

熟練者の「思考」をどうAIに落とし込むか。鉄道インフラの運用負荷軽減に向けた、日立のAIアンバサダーの視点 私たちの日常は、蛇口をひねれば出る水、途切れることのない電気、そして定刻通りにやってくる列車といった、目立たない「当たり前」に支えられています。 24時間止まらないインフラ領域での障害対応の判断は、1分1秒が重いもので、熟練者の引退で「暗黙知」が失われつつあると言います。 この難題に対して、株式会社 日立製作所（以下、日立）の生成AIサービス開発部は、業務特化型LLMの構築支援やRAGのチューニング支援を行いながら、現場適用のリアリティに踏み込んだ生成AIの活用を推進しています。 今回お話を伺ったのは、同組織でクライアント企業への生成AI活用推進を担当しつつ、日立の「AIアンバサダー」にも任命されている細包 愛子（ほそかね あいこ）さん。 鉄道分野、とりわけ運行管理システム周辺の障害

2026年4月16日、AnthropicがClaude Opus 4.7をリリースしました。 同時に公式ブログ「Best Practices for Using Claude Opus 4.7 with Claude Code」が公開され、Claude Code作者のBoris CherneyもXで「6つの新技」を投下しています。 両方を通してAnthropic公式が言っているのは「これまでのClaude Codeの使い方は、今日でやめろ」です。 4.6までは正解だった作法が、4.7では逆効果になることもあるようです ↓Claud CodeはもはやただのAIコーディングツールではなく、誰もがアプリで稼げるようになる収益化ツールです！ よければこちらのツイートも見てみてください！ 「ペアプロ（細かく指示する）」のはもうやめろ 4.6までの「細かく指示するほど賢く動く」という感覚は、4.7では

「Claude Codeを使い始めたけど、毎回同じような指示をプロンプトに書いている気がする…」と感じていませんか？ Claude Codeは素のままでも強力ですが、Skillsを使うことで繰り返しの作業を自動化し、開発のルーティンをまるごとコマンド一発に変えることができます。この記事では、開発の自動化に特に役立つSkills 5選を、具体的な使いどころとともに紹介します。 「毎回同じプロンプトを書くのが面倒」「チームの開発フローを統一したい」と感じているエンジニアに、特に読んでほしい内容です。 結論：Skillsは「賢いマクロ」ではなく「文脈を持った自動化」 一般的なマクロやシェルスクリプトは、決められた手順を機械的に繰り返すだけです。でも Claude Code の Skills は違います。プロジェクトのコンテキストを理解した上で、状況に応じた判断をしながら自動化を実行してくれます。

同様の被害は他にも報告されており、13,428USD、82,000USDといった請求がそれぞれ別のユーザーから寄せられています（調べると結構出てきます）。 下の方のredditでは、このままでは倒産してしまう、というかなり悲痛な声があります。82000USDは約1200万円なので、当然でしょう、、。普通にサイバー犯罪の被害者なので、FBIにも相談したみたいです。 本題に戻ると、予算アラートが間に合わなかったのは、Google Cloudの請求システムに構造的な遅延があるためです。公式ドキュメントには最大10分程度と記載されていますが、実際には 数時間遅れ で発火するケースも報告されています。アラートだけでは、この種の攻撃に対して本質的に無力です（これはGCPに限った話ではありません）。 実はこの問題は、2025年11月にセキュリティ企業Truffle Securityが Googleの脆弱

ある朝、AWS Cost Explorerを開いたら前日のデータ転送費用が18万円になっていた。通常は1日3,000円程度のサービスだ。CloudFrontのアクセスログを見ると、特定のエンドポイントに対して秒間8,000リクエスト以上のトラフィックが流れていた。結果、月末の請求額は約210万円。この記事では、同じ状況に陥った時に何を最優先で実行すべきか、そして事前に設定しておくべき防御策6つを具体的な手順と共に記載する。 気づいた時にはもう遅い ─ DDoSコストの恐怖 DDoS攻撃の厄介な点は、AWSのインフラが攻撃トラフィックを「正常に処理してしまう」ことにある。オートスケーリングは忠実にインスタンスを増やし、CloudFrontはデータ転送量に応じて課金する。攻撃を受けている間、AWSから見れば「アクセスが増えた正常なサービス」にすぎない。 緊急対応: 最初の30分でやること 1.

Arena.aiのチャットリーダーボード（2026年4月1日時点）では、31BモデルがオープンモデルのみのランキングでWorld第3位、26B MoEモデルが第6位に位置している。Googleは「パラメータ数で最大20倍大きいモデルを上回る」と主張しており、パラメータ効率という観点では際立った成果を示している。 オープンソースモデルとの比較 vs DeepSeek 現在のオープンソース界で最も注目を集めているDeepSeekシリーズ（DeepSeek-R2、DeepSeek-V3など）と比較すると、Gemma 4は同等重量クラスでは競争力があるものの、大規模モデルのDeepSeekには及ばないというのが現時点の評価だ。DeepSeekは数百億〜数千億パラメータ規模でフロンティアモデルに匹敵するスコアを記録しており、31Bという制約の中での戦いではGemma 4がやや後れを取る。 vs Qw

実例1: EchoLeak — Microsoft 365 Copilot（CVE-2025-32711、CVSS 9.3） 攻撃者が細工したメールを送るだけで、被害者のM365データが外部サーバに流出。ゼロクリック。 Copilotが受信メール（外部データ）を読み込んだ後、その指示に従って別のデータを外部URLに送信。MicrosoftのXPIA分類器、外部リンク削除、CSPをすべてバイパスしました。 根本原因: Copilotは機密メールを読んだ後も、外部への書き込み能力を保持していた。 参考: Hack The Box解説 実例2: Slack AI データ流出（2024年8月） RAGポイズニングとプロンプトインジェクションの組み合わせ。攻撃者がSlackチャンネルに悪意あるメッセージを投稿し、Slack AIが別のプライベートチャンネルの機密情報を攻撃者に回答する形で流出。 根本

ゲーム側は一切触らず、ゲームと描画APIの間に「翻訳レイヤー」を挟むアプローチ ですね。 この D3D9 to WebGL ラッパーによってゲーム側の描画実装を全く変えずに、最大の windows 依存を取り除くことに成功しました。 自分で作ったんじゃなくて Antigravity と Claude Code のエージェントが頑張ってくれました。この子たち、なんでもできるやん！ （簡単そうに書いてますが、ちゃんと描画できる状態になるまで何週間か費やしています） この D3D9 変換部分については別で記事書いてるのでよかったら読んでみてください。 描画以外の移植 描画が最大の課題だったのは確かです。しかし、 GunZ をブラウザで動かすには描画以外にも乗り越えるべき壁がいくつもありました。それについてもいくつか紹介します。 ネットワーク：ゲームサーバーもブラウザの中で動いている 冒頭にも書き

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事ではAIこの記事では2025年にGoogleがリリースしたAIエージェント型統合開発環境であるAntigravityのインストール方法から簡易なwebアプリをAI駆動で作成する方法を説明します。 Antigravityとは AntigravityはGoogleが2025年にリリースした、AIエージェントが自律的に動くことを前提としたAIエージェント型統合開発環境です。 使用者はAIに簡易な要件や指示を文字として指定するだけで、計画(タスク化)、実装、実行、テストをantigravityが自動で実行するAI駆動開発を実現するもので

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 普段、プロジェクトで組織向けのBIレポートをよく作成するのですが、近年のAIの台頭もあり、データ利活用に関する問い合わせや相談がますます増えるようになってきました。 データが重要という事自体はこれまでもずっと言われ続けてはいましたが、これまではいわゆる表面的な業務効率化に留まっていた組織も、データの重要性について頭ではなく肌感覚で理解し始めているのだと思います。 いわゆるデータ分析部門や企画部門などの一部の人達だけではなく、より現場に近い領域の人達からもデータに関する意見が多く出るようになってきているのは非常に良い傾向なのでは

はじめに 2026年1月、Anthropicが「The Complete Guide to Building Skills for Claude」という32ページのPDFを公開しました。 スキルとは、Claudeに特定のタスクを一貫して実行させるための仕組みです。Markdownファイルをフォルダに入れるだけで、Claudeの振る舞いを変えられます。プロンプトのコピペや毎回の説明が不要になる、いわば「再利用可能なプロンプト」です。 このガイドは中身が濃いものの、32ページのPDFを英語で通読するのはなかなか骨が折れます。この記事では、ガイドの核心を要約し、実務で使うときに本当に効く部分を解説します。 対象読者 Claude Code / Claude.ai を業務で使っている方 毎回同じ説明を繰り返すのが面倒な方 MCPは知っているけど、スキルはまだ触っていない方 この記事で得られること

※追記(2026/02/16)：実行環境追加 はじめに 「Python は遅い」，「Python で for 使うな！」 と言われることは多いですが，実際にどれくらい遅いのか，正直わかっていませんでした． 個人的に，最近は処理速度が必要な場面も増え，「C++ で書くべきか…」と悩むことが多くなってきました． そこで今回は，Python で素朴な for ループを書いた場合や，他の高速化手法を使った場合，そして C++ で書いた場合とで，どれくらい速度や精度に違いが出るのかを実験し，実際にどれほど差があるのかを確かめてみます. 問題設定 今回は，計算量がそれなりにあって実装が簡単な モンテカルロ積分 を問題として選択しました． 目的 Python の書き方による速度の差を確認する C++ で同様の処理を書いた時の差を確認する 問題 モンテカルロ法を用いて，次の定積分を近似する：

はじめに 最近、draw.io MCP が公開されました。 これと Playwright MCP を組み合わせれば、 画面に遷移してスクリーンショット取得（Playwright） スクショに項番を付けたレイアウト図を作る（draw.io） HTML/画像を根拠にMarkdownの 画面設計書を書く （Copilot） ……までかなり自動化できそうだなと思い、休日を溶かして試したメモです。 先に結論 既存設計書がある中、保守目的で“更新”に使うにはまだ早い（特に「項番の一致」が不安定） 画面設計書がない（ないに等しい）プロジェクトで 0 → 1 を起こす用途なら、かなり使えそう

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 私は俗にいう「無能」です。中堅と呼ばれるくらいの勤続年数になりましたが、後輩たちに次々と追いぬかれています。5年目にも、4年目にも、そして3年目の後輩にまで階級をこされました。ここ3年間は昇格していません。 案件歴も微妙です。社内でも「使いにくいメンバー」と見られることが増えて、ちょっと肩身も狭さを感じています。 しかし、世の中には私と同じように「無能」とされる人が2割ほどいるそうです。これは「2:6:2の法則」と呼ばれ、組織では「優秀な人が2割、普通の人が6割、無能な人が2割」という割合になると言われています。 そして、そんな2割の無