レベル1: SKILL.md 1ファイルで即開始 /codex-reviewコマンドでCodexレビューループが自動実行される レベル2: Stop Hookで自動発火 タスク完了時にCodexレビューが自動起動、レビュー漏れを排除 レベル3: パイプラインでチーム統制 工程全体をゲート管理し、品質基準をチーム全体で強制 前回の記事では、ベンチマーク特性の違いから「Claude Codeで実装→Codexでレビュー」というクロスモデル分業が合理的であることを検証した。 しかし、この分業を手動で回すのは現実的ではない。Claude Codeで実装が終わるたびにCodex CLIを別ターミナルで立ち上げ、計画やdiffをコピペし、レビュー結果を手動で戻す——この往復を繰り返せば、クロスモデルの品質向上分を人間の手間が相殺する。 2026年2月末時点で、このレビューループを自動化するアプローチが

Matt Pocockさんが作った「grill-me」というAgent Skillsが、とてもシンプルなのですがとても良いので紹介したいと思います。 たった3行のスキル Agent Skillsってだいたい数十行〜150行くらいあるものが多い印象ですが、なんと grill-me はたったの3行。 この計画のあらゆる側面について、私たちが共通の認識に達するまで、徹底的に私に質問を投げかけてください。 設計のツリーを枝分かれの先まで一つひとつたどり、決定事項間の依存関係を順番に解決していきましょう。 各質問に対し、あなたの推奨する回答も併せて提示してください。 質問は一度に一つずつお願いします。 もしコードベースを探索することで答えが得られる質問であれば、質問する代わりにコードベースを調査してください。 こんな短い記述で何が変わるの？という感じですが、コーディングエージェントの挙動がガラッと変

はじめに 株式会社ソニックムーブのmito1111です。 近年、コーディング自体をAIに任せる「Vibe Coding」が広く普及し始めています。 多くの開発者がAIを活用してコードを生成するようになりましたが、開発のトリガーとなるissueやチケットを作成したり、修正内容をまとめたプルリクエストを作成する部分については、まだ手動で行っているケースが多いのではないでしょうか。 今回は、GitHub Copilot CLIのSkills機能を活用することで、issueの作成からプルリクエストの作成までをシームレスに実現する方法をご紹介します。 本記事で紹介する内容はまだ試作段階ではありますが、実際の案件に適用してみた結果、特にbugfix系の開発スピードが大幅に向上することを確認できました。 最近はコーディングよりもプロンプトを書く割合が圧倒的に多くなりましたが、開発体験としては非常に良いも

Today we're introducing Code Review, which dispatches a team of agents on every PR to catch the bugs that skims miss, built for depth, not speed. It's the system we run on nearly every PR at Anthropic. Now in research preview for Team and Enterprise. Managing the review bottleneckCode output per Anthropic engineer has grown 200% in the last year. Code review has become a bottleneck, and we hear th

こんにちは！ブロックチェーンエンジニアの山口夏生です。 ブロックチェーン×AI Agentで自律経済圏を創る開発組織Komlock labでCTOをしています。 GSD（GET SHIT DONE）とは何か 「How We Built The World's Most Powerful Coding Agent」というXの投稿が114K Viewsを記録して話題になっている。 AIコーディングエージェントの信頼性が落ちる原因は、モデルのコード生成能力ではない。状態管理、コンテキスト汚染、連続性の喪失、Git操作のミス、検証プロセスの欠如。問題は「コードを書く」以外の全てにあると言われていて、GSD（Get Shit Done）は、この問題を正面から解決するOSSです。 GitHub Stars: 25,900+ (2026/3/9時点) ライセンス: MIT 対応ランタイム: Claude

こんにちは！ブロックチェーンエンジニアの山口夏生です。 ブロックチェーン×AI Agentで自律経済圏を創る開発組織Komlock labでCTOをしています。 コーディングエージェントを複数並列で自律的に回すマルチエージェント開発が、ここ数ヶ月でエンジニアの間に急速に広まっていますが、まだそれぞれ試行錯誤しているフェーズで、最適解はない認識です。 OpenAIが最近発表したSymphonyに注目しています。 自分もClaudeCodeとOpenClawのオーケストレーションを日常的に考えていて、複数エージェントのタスクやセッション管理に苦労していたので、とても気になりました。中身を読んでいきます。 これまでの試行錯誤 — 「エージェントチームの管理」は個人技だった Ralph Loop — エージェントの基本的なフィードバックループ マルチエージェント開発の文脈で「Ralph Loop」

公式PDF「The Complete Guide to Building Skills for Claude」 本記事はAnthropicが公開している33ページ・6章構成の公式ガイド「The Complete Guide to Building Skills for Claude」を主要参照源としています。特にCh3（Testing and Iteration）、Ch4（Distribution and Sharing）、Ch5（Patterns and Troubleshooting）の内容を日本語でまとめ直し、筆者の実際のSkill事例で補完します。 公式PDFからの情報は要約・再解釈して引用しており、原文の丸写しは行っていません。公式ドキュメントの最新情報は Anthropic公式サイト で確認してください。 想定読者と前提知識 Claude CodeでSkillを1つ以上作成した

TL;DR 自分自身のスタイルを振り返りつつ、よりよいClaude Codeの使い方がないか模索する機会としてよさそうでもあり、どこかのClaude Code使い始めユーザーの参考になるかもしれない、と考えて、自分自身のClaude Codeを使うときのスタイルやプラクティスをまとめていきます。 なお、この記事は人力で書いています。 課金プラン ClaudeはProプランを契約しています。Maxを契約していた時期もありましたが、平日夜間+休日のみに限ると、やや持て余す感があります。 とはいえProプランではやや足りない……という中途半端なところで、以前はRate Limitに達したらチャージしてAPIを利用していました。 現在はz.ai のGLM-Coding Planを契約しており、Rate Limitに達しても作業を続ける場合は、こちらに切り替えるようにしています。 基本的なスタイル

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

はじめに RAG（Retrieval-Augmented Generation）システムを構築していると、「なぜか精度が上がらない」という壁にぶつかることがあります。 本記事では、社内規程文書を対象としたRAGシステムで、回答精度を73.3%から100%に改善した過程を紹介します。検証した複数のチャンキング戦略の中で、意外にも最もシンプルな解決策が最も効果的だったという結果になりました。 また、「Re-rankingを導入すれば精度が上がる」と思っていたのですが、逆に精度が下がるという予想外の結果も得られました。その理由についても考察します。 プロジェクト構成 技術スタック レイヤー 技術

しばらく前に Gemini のソース情報として NotebookLM を指定可能になりました。 tbpgr.hatenablog.com 今回は、その新機能を利用して NotebookLM をソースとした Gemini の Gem で問題定義サポーターというツールを作りました。 Gem は公開設定にしてあり、皆さんも利用可能にしてあります。 できること 整理したい問題について Gemini のチャットで問いかけると、問題の理想と現実を整理し、要因の分析をし、課題を明確にし、それに対する解決策を検討する一連の流れをサポートしてくれます。Gemini のチャットでやりとりをしていると Gemini が話した内容を元に問題の内容を Canvas に整理してくれます。一通り整理が終わったら、 Google ドキュメントにエクスポートすることもできます。 問題定義サポーター サンプル 利用サンプルは

はじめに：大規模プロジェクト復帰とレビュー負荷の課題 こんにちは、DevRelの大熊です。本記事では、育休復帰直後という制約の大きい状況の中で、AIを活用したコードレビューの仕組みを構築し、週6時間の業務削減とレビュー品質の向上を同時に実現した事例を紹介します。 お話を伺ったのは、リサーチプラットフォーム「LINE Surveys」の開発を担うソフトウェアエンジニア、上土井涼馬です。約1年の育休を経て復帰した先に待っていたのは、歴史が長く、レガシーコードや複雑なSQL（Structured Query Language）が多い大規模なプロジェクト。育児と仕事を両立しながら成果を出し続けるという、大きなチャレンジでした。 そんな状況の中、Claude Code、Model Context Protocol（以下、MCP）、NotebookLMなどを組み合わせて「AIレビュー」の仕組みを構築。

はじめに 「実装したらそのままレビューもAIに任せたい」 開発してると、コード書く→PR作る→レビュー待ち→修正→また待ち...のサイクルが地味にストレス。特に一人開発やスタートアップだと、レビュアーがいない or 忙しいことも多い。 そこで試したのがClaude Code Skills + GitHub Actionsの組み合わせ。結論から言うと、実装からレビュー、修正までほぼ自動化できました。 この記事では、実際にセットアップして使ってみた体験を共有します。 使うもの 今回使うのは3つ。 1. Claude Code Skills 2025年10月にAnthropicから正式発表された機能。.claude/skills/ にマークダウンファイルを置くだけで、Claudeに「こういう時はこうして」というルールを教えられます。 コードレビュー用のSkillを作れば、レビュー時に必ずチェック

Anthropicハッカソン優勝者が10ヶ月以上かけて実際のプロダクト開発で使い込んだ everything-claude-code というリポジトリが公開されていたので、内容を読み解いてみました。 この記事の要約 Anthropic x Forum Venturesハッカソン優勝者 が公開した本番環境で使えるClaude Code設定集 agents, skills, hooks, commands, rules, MCP設定 の6種類のファイルで構成 コンテキストウィンドウは 200kから70kまで縮小する可能性 があるため、MCPの有効化は10個以下に抑える TDD（テスト駆動開発）を中心 にしたワークフローで、カバレッジ80%以上を必須とする /tddや/planなどの スラッシュコマンド で素早くワークフローを呼び出せる hooksによる自動化 でフォーマット実行やconsole

全くゲーム開発をしたことがない私が、たった11日間、スキマ時間にほぼスマホから指示を出しただけで、ゲームを作ることができた。 そのゲームがこれだ。 実際にプレイしてみてほしい。 gacha-survivor.sho-shimauchi.workers.dev 以下はPC版のスクリーンショットだが、モバイルにも対応している。 国際化対応もしていて、英語や中国語など8か国語でもプレイ可能だ。 ゲームとして面白いかと言われると微妙だろう。 レイアウト崩れなどのバグもまだまだある。 しかし、単なる思いつきをここまで形にできるなんて想像もしなかった。 Claude Code + Opus 4.5 は、ITエンジニアのライフスタイルを激変させるほどの革命的なプロダクトかもしれない。 ちょっとした新機能などにも「革命的」なんていう宣伝文句が乱発されるようになった昨今、「革命的」などと言ってしまうと返って

結論 「テストして」って言っただけなのに、AIが自分でバグ見つけて、自分で直して、「違反は切腹」ってルールを自分で追加してきた。 人間、何もしてない。 何を作ったか Claude Code × tmux でホワイトカラー向けマルチタスクツールを作った。 名前は multi-agent-shogun。 戦国時代の軍制をモチーフに、将軍1名・家老1名・足軽8名の階層構造でAIエージェントを統制する。 上様（人間） ↓ 「やれ」 将軍（Claude Code） ↓ 「家老、タスクを分解せよ」 家老（Claude Code） ↓ 「足軽ども、並列で実行せよ」 ┌──┬──┬──┬──┬──┬──┬──┬──┐ │1 │2 │3 │4 │5 │6 │7 │8 │ ← 8人同時に動く └──┴──┴──┴──┴──┴──┴──┴──┘ 足軽（Claude Code × 8） とにかくshogunにぶち

はじめに こんにちは、クラスメソッド製造ビジネステクノロジー部の森茂です。 Claude Codeを使い始めたけれど、まだ「ちょっと賢いターミナル」くらいの付き合いになっている方はいませんか。あるいは、毎日使っているけれど「セッションが終わるたびに文脈がリセットされるのがもったいない」と感じている方もいるかもしれません。 AIコーディングツールは便利ですが、そのまま使っていると「賢いけど記憶喪失のペアプロ相手」になりがちです。昨日デバッグした問題の経緯も、先週の設計判断の理由も、新しいセッションでは白紙からのスタート。「……また同じ説明からか」と思ったことがある方、きっと少なくないはずです。プロジェクトが増えるほど、この「文脈の断絶」がじわじわ効いてきます。 Claude Code界隈ではClaude-Memをはじめ、記憶の永続化や開発効率化のためのソリューションが日々登場しています。アン

先日、Claude Codeの開発者でありAnthropicのエンジニアでもあるBoris Cherny氏が、「初期のClaude CodeではRAG＋ローカルベクターDBを使っていたが、最終的にAgentic Searchの方が圧倒的に良いと分かった」 という発言がありました 私はBoris氏のこの投稿を見たとき「やっぱ、そうだよな」と思いました。なぜなら私もRAGで検索システムを作った際に似たようなことを考えていたからです。この記事ではこの騒動の背景を整理しつつ、なぜClaude CodeがRAGを捨ててAgentic Searchを選んだのかを説明します。 Boris Cherny氏について Boris Cherny氏はAnthropicのエンジニアであり、Claude Codeの創設者 でもあります。また『Programming TypeScript』の著者でもあり、複数の技術系ポ