Continue a local Claude Code session from your phone, tablet, or any browser using Remote Control. Works with claude.ai/code and the Claude mobile app. Documentation IndexFetch the complete documentation index at: https://code.claude.com/docs/llms.txt Use this file to discover all available pages before exploring further. Remote Control is in research preview and available on all plans. On Team an

Creative professionals look to technology to expand what's possible in their work. Claude can't replace taste or imagination, but it can open up new ways of working—faster and more ambitious ideation, a more expansive skill set, and the ability for creatives to take on larger-scale projects. AI can also help shoulder the parts of the creative process that eat up time by handling repetitive tasks a

はじめに こんにちは。GMO Flatt Security株式会社 セキュリティエンジニア(兼Claude Codeオタク)の石川（@ryusei_ishika）です。 Claude CodeやCursorなどのAIエージェントを活用したバイブコーディングが急速に広まっています。私自身、社内ではClaude Codeのリリース（ほぼ毎日）のたびにそのリリースノートの重要なポイントを解説しているほか、Biz職向けに「バイブコーディング講座」を実施するなど、社内でのAI活用の普及にも取り組んでいます*1。 リリースノートが公開されていると、出勤後すぐに便利な機能を解説する石川 昨今、AIエージェントを日常的に使い込むなかで、従来の開発では起きにくかったセキュリティリスクが顕在化しつつあると感じています。例えば、先日AIエージェント経由で.envの認証情報が漏洩し、外部サービスのアカウントが乗っ

概要 はじめに 頻出語句 データサイエンス データ・サンプル (標本)・データセット・テーブル サンプル・例・インスタンス・観測点・レコード サンプルサイズ・サンプル数・母数・標本数・例数・インスタンス数 説明変数・特徴量・属性・共変量・独立変数・従属変数・独立変数 次元 被説明変数・従属変数・目的変数・(目的)ラベル・予測変数 データサイエンスで広く使われる用語と概念 AI モデル・仮説 パラメータ・母数・重み・媒介変数・係数 パラメータと重み 定数項とバイアス 母集団・標本・データ生成分布 推定・予測と学習・推論 予測と推論 予測と訳される3通りの用語: forecast, prediction, projection 補足: 統計学での推定と推測 (推論) 尤度・損失・誤差・精度・当てはまりの良さ 過剰適合・過学習・予測性能・汎化性能 予測モデル構築に関する用語 尤度 因果性 (因果

最近、GPT5.5のスライド画像作成能力が限界突破してます。そこで思ったのは「これが編集できる形のPPTXに変換できれば最高では？」ないかとおもってました。結論なのですが必死にリサーチしたら、すぅさんの有益ツイートからできることが判明したので今回はその方法を解説したいと思います。 GPT-5.5でスライド画像をpptxにほぼ再現できた。 ちょっとコツが必要ですが、プロンプト全文はリプに貼っておきます。 ←左　スライド画像　　　ppt変換　右→ pic.twitter.com/eP9ECzB8Kq — すぅ| PM & PdM🐈 (@suh_sunaneko) April 24, 2026 Image to pptxプロンプト --- 添付したスライド画像を、編集可能なPowerPoint形式（pptx）で再現してください。 最重要： 1回作って終わりにしないでください。 必ず作成後にPP

OpenAI⁠⁠、GPT-5.5の利用法とプロンプトガイドを公開 —⁠—達成条件と停止条件の明確化を重視 OpenAIは2026年4月24日、OpenAI DevelopersでGPT-5.5の開発者向けガイド「Using GPT-5.5」とプロンプトガイド「Prompt guidance」を公開した。 これらのガイドは、GPT-5.5をGPT-5.2やGPT-5.4からの単純な差し替えとして扱わず、新しいモデルファミリーとしてプロンプトや設定を調整するよう案内している[1]。特にプロンプト設計では、必要以上に手順を固定するよりも、達成すべきことや停止条件を先に明確にする書き方（outcome-first）を重視している。 この記事では、そうしたプロンプト設計の考え方と、APIで利用する際に注意すべきパラメータや状態管理の要点を整理する。 GPT-5.5は差し替えではなく新しい前提で調整す

米Apple製品の確度の高い予測で知られるアナリスト、ミン＝チー・クオ氏は4月27日、米OpenAIが台湾MediaTekおよび米Qualcommとスマートフォン向けプロセッサを共同開発しており、中国Luxshareがスマートフォンの独占的なシステム設計・製造パートナーになると、Xに投稿した。 量産開始は2028年を目標としており、仕様やサプライヤーの確定は2026年末から2027年第1四半期ごろになる見込みという。OpenAIを含む関係各社はコメントを出していない。 クオ氏によると、OpenAIがスマートフォンを開発する理由として、OSとハードウェアを一体制御することで包括的なAIエージェントサービスを実現できること、スマートフォンがユーザーのリアルタイムな状態を継続的に把握できる唯一のデバイスであること、当面は最大規模のデバイスカテゴリーであり続けることの3点を挙げている。端末はクラウ

G-gen の杉村です。Google が提供する Google AI Studio で発行した API キーが何らかの方法で他人に知られたことにより、悪意ある主体によって大量に Gemini モデルへのリクエストが発行され、利用料が過剰に発生する事象が観測されています。当記事ではこの事象の説明と、対処法について解説します。 事象と背景 事象の原因 キーが他人に知られた原因 不正利用の原因 対策 対策の一覧 対象者 予算アラートと異常検知の設定 予算アラート 請求先アカウントの異常検知 迷惑メールに分類されない設定 Spend Caps の使用（Private Preview） 使用状況の把握 把握方法 課金レポートの確認 Cloud Asset Inventory の確認 API キーの制限の徹底 概要 API キーの所在の把握 API キーの制限 ベストプラクティスへの準拠 Google

PocketOS創業者のJER氏が、「AIコーディングエージェントが本番環境のデータベースとボリューム単位のバックアップを削除し、顧客企業の業務に深刻な影響が出た」と報告しています。問題の操作はCursor上で動作するAnthropicのClaude Opus 4.6によって実行され、JER氏によると、削除にかかった時間はわずか9秒だったそうです。 https://t.co/ofucbVgkLV— JER (@lifeof_jer) April 25, 2026 PocketOSは、主にレンタカー事業者などのレンタル企業向けに、予約、決済、顧客管理、車両管理などの業務全体を支えるソフトウェアを提供しています。 問題が起きた時、AIエージェントは本番環境ではなく、ステージング環境で通常の作業をしていました。ところが、認証情報の不一致に遭遇したエージェントは、JER氏に確認することなく、自分で

はじめに GitHub Copilot CLI で複数のエージェントを使って成果物を改善するワークフローを考えていると、最初に悩むのが「誰が成果物を書き換えるのか」です。 私も最初は、執筆役が初稿を書き、その後に事実確認役、表現レビュー役、構成レビュー役が順番に本文を確認する流れを考えていました。これは逐次型のワークフローです。 一見すると自然な分担です。専門エージェントが順番に成果物を改善していくので、レビュー観点も漏れにくそうに見えます。 しかし、並列実行を前提に考えると、この設計はかなり相性が悪いことに気づきました。理由はシンプルで、複数のエージェントが同じ本文を書き換えるからです。 この記事では、GitHub Copilot CLI で複数エージェントを扱うときの考え方として、同じ成果物を安全に改善するための設計を整理します。ブログ記事執筆は、あくまで題材として扱います。具体的には

元山文菜@書籍「無くせる会社のムダ作業」発売中 @ayana_motoyama 「新人がAIに聞いたまま資料を出してくる！AIが出したものを俺が添削して戻したら、それをまたAIに読ませて戻ってくる。」と泣いてる同世代(40代半ば)が結構いて、「なんで、ちゃんと内容チェックしてくれないんだよ！なんで、ちゃんと自分なりに直して出してこないの…俺とAIの橋渡ししてるんならアイツいらなくなっちゃうだろ。何回言ってもそのまま出してくるから、もうAI禁止なのかな…」って嘆いてるんですが、多分、新人の子は内容チェックしてるんですよ。きっと自分なりに直してもいると思う。ただ普通に考えてAIの知識は既に私たちを超えてる。我々がAIの矛盾に気づくのは単に歳を重ねてるからに過ぎなくて、自分よりレベルが高い資料が出てきたら何をどう直して良いのか分からないと思う。AIに任せて思考停止しちゃってるわけではなくて、自分

OpenAIの新しい画像生成AIモデル「GPT Image 2.0」が4月21日に正式リリースされました。実際に触ったユーザーが新しいプロンプトを次々に発見しており、 その表現能力の幅の広さに驚きが広がっています。単に特定表現の画像を再現するだけではなく、デザインの領域に入り込んでいます。商品説明のポスターでは、商品画像から説明文のテキストまで一体で生成できるなど、 画像生成AIが「娯楽」から「仕事」に使えるものに変化しようとしています。今後様々な領域に大きく影響が出ることは間違いありません。その表現の幅の広さの一端をご紹介します。 商品広告を一発作成 Larus Canus（@MrLarus）さんのポスタープロンプトは、果物の詰め合わせパッケージ見本とその果物を鮮やかに見せた商品ポスターをセットで作成できることを示しています。 筆者は、このプロンプトを改造する形で、「ASCII SPAR

はじめに こんにちは。Dress Code 株式会社で、プロダクトエンジニアをやっている津田です。 仕様駆動開発を始めて 4 ヶ月ほど経過したので、改めて振り返ってみるべく記事に残してみています。 今回の対象読者は次に列挙するような方々を想定しています。 とりあえず試して実感してみたい人 プロセスが重そうで踏み出しきれない人 現場での工夫・実践知を知りたい人 本記事がこれらの方の一助になれば幸いです。 正直、仕様駆動開発自体の合う合わないは組織の規模やプロダクトの性質、開発スタイルに強く依存すると考えています。 参考程度に弊社の情報を軽くお伝えすると、次のようになっております。 創業から1年経過し、拡大を目指しているフェーズ toB向け、バックオフィスの業務改善のSaaSを展開 開発スタイルはアジャイルに近い 開発者は執筆時点で12名、組織全体で40名弱の規模感 少なくとも我々はこのような

今年実施された東大と京大の入学試験問題を生成人工知能（AI）「チャットGPT」に解かせると、合格者の最高得点を上回り「首席合格」を果たしたことが27日、AIベンチャーのライフプロンプト（東京）の分析で分かった。最難関の東大理科3類の最高点より50点高かった。数学は満点。2024年の東大入試では全科類不合格だった。通称「チャッピー」はわずか2年でトップ合格を果たした。 米オープンAIの「チャットGPT―5.2シンキング」を使い、東大、京大の2次試験の前期日程を解かせた。問題を画像データにしてAIに入力した。解答は記述式を含むため、大手予備校の河合塾の講師に採点してもらった。大学入学共通テストもAIに解答させ合計した。 東大の結果は計550点満点のうち、AIは文系の文科1～3類が452点、理系の理科1～3類が503点を取った。東大が発表した合格最高点は、文系が文科3類の434点、理系が理科3類