【保存版】Claude課金すべき？Cowrok・Skills・Claude Codeの使い方全解説
AIテーマのPodcastエピソードの記事版です！ ジェネトピ(Generative AI Topic)は、明日から試したくなるリアルなAI活用秘話を、雑談感覚でゆるく学べるPodcastです！ Spotify Youtube Apple Podcast 最新動向をウォッチしている人以外にも、AIを身近に感じられるコンテンツを作りたいと思いPodcastを始めました。エピソードの内容を記事にしてお送りします。 Claudeって結局何がいいの？ ChatGPTをメインで使っている方も多い中、最近「Claude Code」が話題になっていますよね。Xでは「Claude Codeを使わないとヤバい」という声も聞こえてきます。 そんな流れの中で、「Claudeに追加で課金すべき？」「ChatGPTからClaudeに乗り換えた方がいいの？」という疑問を持っている方も多いのではないでしょうか。 今回は
【海外記事紹介】わずか243行で書かれたGPT実装『microgpt』が話題に — Python標準ライブラリのみで記述、GPTの動作理解に最適
2月13日、karpathy氏が「microgpt · GitHub」と題したGistを公開した。 このコードは、GPTの動作原理を外部ライブラリに頼らずPythonのみで記述した、最小構成の実装となっており、その読みやすさと理解のしやすさから注目を集めている。 以下に、これからこのソースコードを読み解こうとする方に向けて、GPTがどのように動き学習するのか、その大まかな流れと主要な概念を解説する。 コードリーディング・ガイド：microgptを読み解く 本プログラムは、大きく分けて「微分の自動化」「情報の変換」「予測と修正」の3つのパートで構成されている。 1. 「学習」を支える自動微分（Valueクラス） ニューラルネットワークが学習するためには、予測の誤りを数値化し、それを元に各パラメータをどの程度調整すべきかを計算する必要がある。本実装の冒頭に登場する Value クラスは、この「
Claude Codeと暮らす | DevelopersIO
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
知っているようで知らないCLAUDE.mdを深掘りする | gihyo.jp
「Claude Code」は、CLI上で動くLLMによるAIエージェントツールです。本連載は12月5日に発売された『Claude CodeによるAI駆動開発入門』に書ききれなかった応用的な内容や最新のアップデートについて解説します。書籍をあわせて読むとさらに理解が深まることでしょう。 今回は知っているようで知らない、Claude Codeの「CLAUDE.md」について深掘っていきます。 CLAUDE.mdとは記憶である 前提としてClaude Codeは、立ち上げた際、つまりセッション間で、そのコードベースやユーザーとの過去のやり取りを基本的に覚えていません。しかしセッションを立ち上げるたびに、膨大なコードベースを毎回走査して理解していくのも現実的ではありません。 そのため、コードやルールなどを理解する起点として存在しているのがCLAUDE.mdです。 これはエンジニアにとってのREAD
Claude Codeの機能が多くて混乱している人へ
はじめに Claude Codeを触り始めると、「Skills」「Custom Commands」「Hooks」「サブエージェント」「MCP Servers」...と、似たような機能がいくつも出てきて混乱しませんか？ それらを使わなくても開発効率は使っていない時よりもかなり上がっているので、私は自腹で月300ドル払っていましたが、半年ほどあまり活用していませんでした。しかし活用したところかなり便利だったので一度まとめてみます。 この記事では、各機能の使い方だけでなく、「なぜその機能が存在するのか」「どういう問題を解決するのか」という思想から説明していきます。思想を理解すれば、新しい場面に遭遇しても自分で判断できるようになりますし、「この機能、こういう使い方もできるんじゃないか」というアイデアも浮かびやすくなるのかなと思います。 Claude Codeの考え方を理解する なぜこんなに多くの拡
Dev Containersとは？Dockerを使った開発環境構築の決定版【図解で完全理解】
1. はじめに この記事の目的 「Dockerは使ったことあるけど、Dev Containersって結局何が嬉しいの？」 この疑問に答えるのが本記事の目的です。Dev Containersの概念から導入手順、Dockerfile・docker-compose.ymlとの関係性まで、図解を交えながら網羅的に解説します。 対象読者 Dockerは触ったことがあるが、Dev Containersは初めてのエンジニア 個人開発で環境構築の「おまじない」から脱却したい初中級者 「動いてたのに動かなくなった」問題に悩んでいる方 この記事を読むとわかること Dev Containersの仕組みと従来開発との違い 5分で動く環境を作る具体的な手順 Dockerfile・docker-compose.ymlとの使い分け 導入すべきか判断するためのチェックリスト 2. Dev Containersとは何か 一
面白いゲームを作る常識「レベルデザイン」とは？没入させるために必要な考え方を、知久 温氏に聞いた
2025/08/28 面白いゲームを作る常識「レベルデザイン」とは？没入させるために必要な考え方を、知久 温氏に聞いた クリエイターインタビュー ゲーム 近年、インディーゲーム業界の盛り上がりやYouTubeチャンネル『桜井政博のゲーム作るには』のようなコンテンツのヒットもあり、ゲームの作り方が注目を浴びる機会が増えてきた。そうした背景を受けて、日本でも注目されつつあるのがレベルデザインの技術だ。 しかし、未だにレベルデザインという言葉や概念の認知度は低く、それが何を指すのかもところによりまちまちだ。本記事ではゲームデザインとは何なのか、具体的にどのように扱われているのかを、小社刊行の『レベルデザインの教科書〈ゲーム制作のための建築的アプローチ〉』の翻訳監修協力を務めていただいた、ゲームクリエイターの知久温氏（Game Design Lab所属）に伺った。 レベルデザインとはプレイヤーを誘
Clineに全部賭ける前に 〜Clineの動作原理を深掘り〜
はじめに AIのコーディングアシスタントとして最近、急速に注目を集めているCline。VSCode上でAIと連携し、コード生成からバグ修正、さらにはターミナル操作まで自動化できるこのツールは、多くのエンジニアの生産性を劇的に向上させています。 mizchiさんの『CLINEに全部賭けろ』という記事では、 AIから引き出せる性能は、自分の能力にそのまま比例する AI自体を管理するパイプライン設計を自分のコアスキルにする必要がある ともあるように、エンジニアはClineという強力なツールの最大限を使えるようになっていくべきです。 「AIの上手な使い方」が今のエンジニアにとって必須スキルになりつつあるため、単にClineを使うだけでなく、その仕組みを理解することで得られるメリットは数多くあります。例えば、現時点でのClineの得手・不得手を理解することでAIに対して的確に指示ができたり、clin
ガザ危機と中東の激動 | 東京大学
── 2020年以降は、どのような動きがあったのでしょうか？ 2020年にアラブ首長国連邦（UAE）とイスラエルが国交を正常化しました。これ以後、湾岸諸国やアラブ諸国の間でイスラエルとの関係を見直し、正常化に向かう動きが進みました。これをユダヤ教、キリスト教、イスラーム教に共通する預言者アブラハムにちなんでアブラハム合意と呼びます。アメリカのバイデン政権は、サウジアラビアとイスラエルの国交正常化に向けた交渉を仲介し、サウジアラビアがイスラエルとの国交を正常化すれば、アメリカはサウジアラビアの安全を保障すると確約していました。 サウジアラビアのサルマーン国王周辺は、1967年の戦争以前の国境での二国家共存によってパレスチナ問題を解決し、アラブ諸国がイスラエルを承認して国交正常化する、という2002年アラブ平和イニシアチブの原則に変わりがないことを一貫して明言しています。しかし、ムハンマド皇太
Nostr の面白さをエンジニア目線で解説してみる
はじめに 今年は、SNS でありプロトコルでもある Nostr に出会いました。2023年2月の参加でしたがもう、どういった経緯で Nostr を見付けて参加したのかすら思い出せなくなってしまいました。ここ数年、X/Twitter が API という物を開発者に触らせなくなってしまいました。僕は X/Twitter が大きくなった理由の1つが、API をオープンにした事で数多くの bot やサービスがが登場した事だと思っていて、API が自由で無くなった X/Twitter をとても残念に感じています。次第に SNS に関連する何かを作るモチベーションはさっぱり無くなってしまっていました。 そんな中で見付けた Nostr はエンジニアのオアシスとでも言える SNS だと感じました。 Nostr の思想 X/Twitter は中央集権型の SNS であり、以下の様な問題を持っています。 障害
【AI】生成AIを利用する場合に気を付けなければならない著作権の知識｜福岡真之介
はじめに最近は、テクノロジー法を主に取り扱っています。その中でもAI、Web3、メタバースは、現時点では別系統の話題の感が強く、一緒くたにNOTEに書くのはためらわれ、それゆえにNOTEに何を書くか迷っていたのですが、タイトルに【AI】【Web3】【メタバース】と入れることで全部NOTEに書くことにしました。これで問題解決しました！ ということで、今回はChatGPTの登場で、最近盛り上がっているAIがテーマです。 生成AIの法的リスク生成AIの利用にはどのような法的リスクがあるのでしょうか。 リスクとしては、①著作権侵害、②誤情報の利用、③秘密情報の漏えい、④個人情報の不適切な利用、⑤悪用などがあげられます。 たとえば、学習データやプロンプトに他人の著作物を利用する場合や、生成した物が他人の著作物に似ている場合には、著作権侵害の問題が生じます。 生成AIが誤った情報を生成し、人間がそれを
[翻訳]AI生成コンテンツの総合調査：GANからChatGPTまでのGenerative AIの歴史｜株式会社ガラパゴス
原文の総文字数15万字超え！生成AI研究の歴史をまとめた論文をChatGPTを使って翻訳しました。ところどころ日本語がおかしいところもありますが、15万もの文字翻訳するのめんどくさい！という方、参考程度にご覧ください。ポイントだけ読み進めるとサクッと把握できます。 こちらの翻訳です 本書は抄訳であり内容の正確性を保証するものではありません。正確な内容に関しては原文を参照ください。 脚注、参考文献、Appendixなどは本文をご覧ください。 概要【POINT1】ChatGPTはAIGCのカテゴリに属し、効率的で高品質なコンテンツ作成をします。 【POINT2】大規模モデルの利用で、意図抽出や生成結果が向上し、現実に近いコンテンツが生まれます。 【POINT3】この調査では、生成モデルの進歩や未解決の問題・将来の課題について解説しています。 最近、ChatGPT は、DALL-E-2 [1]や
![[翻訳]AI生成コンテンツの総合調査：GANからChatGPTまでのGenerative AIの歴史｜株式会社ガラパゴス](https://cdn-ak-scissors.b.st-hatena.com/image/square/b424c1d41075e48736adb5a306742105c85502a4/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fassets.st-note.com%2Fproduction%2Fuploads%2Fimages%2F102831564%2Frectangle_large_type_2_9569f338254fe055a87e1118321f258a.jpeg%3Ffit%3Dbounds%26quality%3D85%26width%3D1280)
【完全保存版】GPT を特定の目的に特化させて扱う (Fine-tuning, Prompt, Index, etc.) - Qiita
生成AIカンファレンス 〜徹底解剖「トップランナーから見た日本が挑む生成AIの最前線」〜 日時：5月8日(水) 10:00-18:30 形式：オフライン・オンラインのハイブリッド開催 場所：東京大学伊藤謝恩ホール（オンライン参加の方は配信URLをお送りします） 参加方法：下記イベントページより申込 ChatGPT に代表される今日の AI ブームを牽引しているのは 大規模言語モデル（Large-scale Language Model, LLM） と言っても過言ではないでしょう。LLM とは大量のテキストデータを使ってトレーニングされた自然言語処理のモデルで、代表的なものに、GPT（OpenAI）、Llama（Meta）、PaLM（Google）があります。我々開発者は、事前学習されたこれらのモデルを使って簡単にアプリケーションを作ることができます。 LLM が遂行可能な言語的タスク LL
GPTの仕組みと限界についての考察（2.1） - conceptualization
全３回のシリーズパート２の本記事では、GPTの能力と可能性をAttention/Transformerの仕組みをふまえて考察します。 というつもりでしたが、凄く長くなってしまったのでパート2は以下の3回に分けようと思います。 （2.1）各技術の定性的な説明（本記事） （2.2）Transformerのアルゴリズム詳細 （2.3）GPTの能力と可能性について 2.1 各技術の定性的な説明 自然言語の構造を考えてみる まず我々が使う言語についてちょっと振り返るところから話を始めましょう。 文や文章は、おおもとのデータである文字から始まって、単語、文節、句、節、文、文章、さらにその上の意味、という風に階層的な構造を持っていると我々は概念的に認識してますよね。 構文の階層 そして、各階層や階層間には、文法や語法といった言葉のルールがあります。 深層学習はその名の通り、層を深くしたニューラルネットワ
LLM chatbotが人類にもたらすのは、絶望なのか希望なのか - 渋谷駅前で働くデータサイエンティストのブログ
ちょっと前に以下のようなことを放言したら、思いの外反響が多くてちょっとびっくりしたのでした。それだけ、現代のLLM chatbot / generative AIの台頭に期待と不安を抱いている人が多いということの裏返しなのでしょう。 既に色々コメントが出ているけど、我々人類が「知的労働」だと思っていることの大半が実は「過去実績をなぞって適当にその場に合わせて組み立てているだけ」なんじゃないかと訝っているので、そういう「自称知的労働」は多分LLMで代替されると思う。新奇なものを生み出す仕事は相変わらず残る https://t.co/GGK41vSDcn— TJO (@TJO_datasci) 2023年3月15日 昨年の年末振り返り記事でも話題にしたChatGPT（そして後続の各種LLM chatbot）ですが、今年に入ってからの話題の広がり方には想像を超えるものがあり、ついに朝の情報番組な
GPTの仕組みと限界についての考察（１） - conceptualization
GPT4が登場してChatGPTが盛り上がってますね。 本記事は、GPT（を支えるTransformerという仕組み）をChatGPTユーザにとって分かりやすく説明し、その能力と限界についての見通しをよくしよう、という趣旨になります。 少し長くなりそうなので、全部で記事を3回に分けようと思います。 （１）大まかな背景と概要：本記事 （２）GPTの能力と可能性：実際の使用例とTransformerの仕組みを踏まえて説明 （３）GPTの限界と未来展望：Transformerの仕組みが持つ限界と研究の進展を予想 GPT3と4の違い： トークン長とは何か？ まずここから話を始めます。GPT-3は、パラメータ数が750億個（850GBの容量を食う）でトークン長が4097(GPT-3.5)でした。GPT-4は、パラメータ数は非公開でトークン長は32768ですので、ちょうど8倍になります。 さて、トーク
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
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
仕組みから理解するGit
Goの野暮ったさとどう付き合うか | ドクセル
LLMの現在 - Speaker Deck
本当にわかりやすいAI入門
