Claude Code Skills を使って投資分析システムを構築・進化させてきたシリーズです。自然言語で話しかけるだけで、銘柄探索・分析・ポートフォリオ管理・リスク評価が自動実行されます。 シリーズの流れ スクリプトによる 自動化 から始まり、GraphRAG による 学習、高度な分析機能の追加を経て、6つの AI エージェントが自律的に連鎖する マルチエージェントオーケストレーション に到達。さらに Vol.5 では 4つの異なるAIが結論を反証し考え直す DeepThink を実装しました。 記事一覧 Vol.1: 株スクリーニングを自動化した話 テーマ: スクリプトで 自動化 Python × yfinance × Claude Code Skills で、株式スクリーニングからポートフォリオ管理まで投資分析を自動化。4つのスクリーナーエンジンとヘルスチェック機能を実装。 Vol

DeNA×AIでは、GO株式会社 およびGOドライブ株式会社 と共同でAI技術に関する情報を共有するための勉強会を開催しています。 使われた資料は社外秘を除き積極的に公開しています。

Scribe v2 Realtimeは、90以上の言語に対応し、150msの低遅延で最も正確なリアルタイム文字起こしモデルです。APIで利用可能。

1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、サイトに訪問するだけで自分のPCでどのAIモデルがローカル動作するかを判定してくれるサイト「CanIRun.ai」（Can your machine run AI models?）を取り上げます。 ▲Apple M5 Pro 24GBでのcanirun.aiトップ画面 ▲さまざまなデバイスで試せるため、デバイス購入前に確認することもできる 開発者midudev氏が、手元のマシンでどのAIモデルが実際に動かせるのかを一瞬で判定できるWebサービス「CanIRun.ai」を公開しました。インストールや登録は一切不要、サイトにアクセスするだけでGPUやメモリを自動検出して、各モデルに対する動作判定を6段階で色分け

Let’s Encryptの短期証明書は、90日証明書の延長くらいの感覚で入るとかなり厳しいです。 サブドメインを含む複数の証明書を短い間隔で発行・更新する構成では、証明書発行まわりのレート制限に引っかかりやすくなります。短期証明書では更新回数が増えるので、その影響がかなり表面化しやすくなります。 まずステージング環境で試した方がよい 開発やテストでは、本番ではなくステージング環境を使った方がよいです。本番と同じ種類の挙動をかなり緩い制限で試せるので、証明書の切り方や更新方法を確認する段階では先にこちらを使う方が安全です。 環境 ACME directory URL 短期証明書はレート制限に当たりやすい 短期証明書は有効期限が160時間しかなく、Let’s Encryptは3日ごとの更新を勧めています。90日証明書より更新回数が大きく増えるので、レート制限に当たりやすくなります。 特に厳し

2026/04/16 に「技育CAMPアカデミア」で話したスライドです。2025 年のはてなインターンの講義資料 (https://speakerdeck.com/hatena/internship-2025-frontend) に手を加えたものになってます。 https://talent.sup…

この規模になると「新しい Lambda 関数を1つ追加する」だけでも、アプリコード・Terraform・テスト・CI/CD と複数レイヤーにまたがる作業が発生します。ここで Claude Code が力を発揮します。 Claude Code が効くポイント 1. Lambda 関数の雛形生成 新しい Lambda 関数を追加するとき、毎回似たような構成を書くことになります。 エントリーポイント（handler） リクエストバリデーション DynamoDB / RDS へのアクセス エラーハンドリング 構造化ログ出力（OpenTelemetry 準拠） Claude Code に既存の Lambda 関数を読ませた上で「同じパターンで新しい関数を作って」と指示すると、プロジェクトの規約に沿ったコードが生成されます。 ポイントは、プロジェクト内の CLAUDE.md に以下のような規約を記述し

jp-ui-contracts を公開しましたAIでUIを作る流れが強くなるほど、逆に目立ってくるものがあります。 それは、日本語の詰めの甘さです。 色はそれらしく見える。 余白もそれっぽく整う。 カードやボタンの形も、かなり上手に出てくる。 でも最後に崩れるのが、日本語です。 見出しの折り返しが苦しい。 本文の行間が浅い。 英語のサービス名が混ざると急に浮く。 フォームだけ窮屈になる。 表の密度が本文のルールを引きずって読みにくくなる。 この違和感は、単に「AIの精度が足りない」から起きているわけではありません。 もっと手前の問題です。 日本語UIの設計契約が、まだ十分に書かれていない。 そこで作ったのが、jp-ui-contracts です。 また、以下の記事が “DESIGN.md とは何か” を定義する総論で、今回の記事は “それを日本語UIでどう実装資産にするか” を示す各論です

Claude Code 2.1.101 で /team-onboarding なるコマンドが追加されました。 github.com 名前的にはプロジェクトを解析して、最初に学習すべきフレームワークやライブラリなどを整理してくれるもの...と思いきやそうではないようです。Helpをみると、どうもそのプロジェクトでClaude Codeを使いこなすためのオンボードを作成してくれるらしい。 Help teammates ramp on Claude Code with a guide from your usage あなたの使用状況に基づいたガイドで、チームメイトがClaude Codeを使いこなせるようサポートしましょう。 ということで、今回はValibotで /team-onboarding を試してみることにします。 /team-onboardingを叩いてみる まずはZodで/team-

[注意]AIに書かせた記事をそのまま私の方でレビューして掲載しています。 Claudeマーケットプレイスにだしたらまた更新するかも？よろしくおねがいします。 @追記: 2026年4月18日 Claudeのマーケットプレイスに無事公開されました🎉 genshijin@v1.3.0を公開しました。マルチエージェント対応やセキュリティ対応、ベンチマーク更新などを含めています TL;DR caveman: Claude Code向けの英語圧縮スキル。冠詞やフィラーを消してトークン約68%削減 genshijin（原始人）: cavemanの日本語最適化版。敬語・クッション言葉・冗長助詞を消してトークン約80%削減 cavemanよりさらに38%少ないトークンで同じ技術的内容を伝達できる なぜそんなことが可能なのか？ Claudeのトークナイザと日本語の言語構造に秘密がある はじめに：あなたのCl

はじめに タイトルの問いに対して、結論から言うとベクトル検索が完全に不要になった、ということはないです。一方、「各文書を分割→ベクトル化→並列に配置して検索」のような従来RAGのアーキテクチャだと対応できないユースケースは多々あります。 本記事では、従来のベクトル型RAGの特徴を振り返り、技術的課題を再認識するとともに、最新のRAGアーキテクチャの利点を踏まえて、これらとベクトル検索をいかに共存させるかを再検討します。 RAG（Retrieval-Augmented Generation） RAGの定義 そもそもRAGとは、外部にあるデータを抽出し、ユーザーの入力と合わせてLLMに入力する仕組みです。コストの重い「学習」というプロセスを経ずにLLMへ知識を追加できることが最大のメリットとなります。（ベクトル検索＝RAGではない） 外部データの表現 キーワード検索 生のテキストからキーワード

HTML in Canvas API は WICG の提案段階にある実験的な API です。現時点では Chrome Canary の chrome://flags/#canvas-draw-element フラグを有効にすることで利用できます。 HTML in Canvas API の使用方法 HTML in Canvas API は以下の 3 つの要素で構成されています。 layoutsubtree 属性 drawElementImage() メソッド paint イベント canvas 要素に layoutsubtree 属性を追加することで、canvas 内に描画したい HTML を定義できます。この段階ではまだ canvas 内には描画されません。 <canvas id="canvas" width="400" height="300" layoutsubtree> <div i

Every agent. One canvas.Meet Maestri. An infinite canvas where your coding agents work in concert. Get started for freemacOS 26.2+ · Apple Silicon · Free The new bottleneckDevelopers love terminals. That doesn't need to change. Everything around them does. AI agents have changed the game. They write, refactor, and test code faster than any human ever could. But here's the catch: the bottleneck has

ダイソーの園芸コーナーで2個100円の種が売っている。ホームセンター等で売っている種と比べて格安だが、ちゃんと育つのだろうか。 そこで、「作りやすい」と書いてあるもののうち生育期間が短い５種類（ミニチンゲンサイ、お手軽大根、サラダ水菜、早どりつるいんげん、極早生枝豆）と、ネット検索した所、生育期間が短く育てやすいと書かれていたはつか大根の種を買ってきた。それと、前年買ったが蒔かなかった二種類（中葉しゅんぎく、オクラ）を合わせた８種類を蒔いて素人にも作りやすいのか検証した。前年に買ったものは期限が切れているので参考までである。 中身の一部。種の大きさが全然違うのが面白い。マメ科の枝豆やいんげんの種は大きく、葉物野菜は小さいことが分かる。 草取りをして畝を作った所。種の説明には事前に石灰を撒けと書いてあったが面倒くさいので撒いていない。ただ、年間を通してコツコツ卵の殻や野菜くずなどを埋めている

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

✨Gemma 4 - ローカルでの実行方法Googleの新しいGemma 4モデルをローカルで実行しましょう。E2B、E4B、26B A4B、31Bを含みます。 Gemma 4はGoogle DeepMindの新しいオープンモデル群で、以下を含みます E2B, E4B, 26B-A4B、および 31B。 このマルチモーダルなハイブリッド思考モデルは140以上の言語、最大 256Kコンテキストをサポートし、Dense版とMoE版があります。Gemma 4はApache-2.0ライセンスで、ローカルデバイス上で実行できます。 Gemma 4を実行するGemma 4をファインチューニングする Gemma-4-E2B および E4B 画像と音声をサポートします。実行先: 5GB RAM （4-bit）または15GB（完全な16-bit精度）。 Gemma-4-26B-A4B は 18GB （4-b

「地価を教えて」で国のデータが返ってくる？ 国土交通省は2026年2月26日、AIを活用して地理空間情報を自然言語で取得できる「地理空間MCP Server – MLIT Geospatial MCP Server -」（α版）を公開すると発表しました。 コードはGitHubで公開しており、「不動産情報ライブラリ」APIが扱う35種類のデータのうち25種類に対応するとのことです。GISやAPIの専門知識がなくても、LLM（大規模言語モデル）経由で不動産関連のオープンデータにアクセスできるようになるといいます。利用には不動産情報ライブラリのAPI利用申請（APIキー取得）が必要です。 MCP（Model Context Protocol）は、Anthropic社が2024年に公開したオープン標準のプロトコルで、LLMと外部のデータやツールをつなぎます。従来はAPI仕様の理解やクエリの作成が必