はじめに今回は、Cursorで業務フローをdraw.ioで可視化し、n8nのワークフローを作成するまでの流れを自動化するシステムの構築方法をご紹介します。 このシステムでは対話形式で要件を整理し、段階的にフロー図やn8nのワークフローを作成できます。 このシステムでは、精度高く、n8nのワークフローを構築してくれますが、ノードの細かな設定部分は人間が修正する必要はあります。 ただし、今後のLLMの精度向上に従って、よりn8nワークフロー作成精度の向上も期待できます。そのため、LLMで作成することを前提としたシステムを作成しておくことは非常に便利だと考えられます。 システムの概要このシステムは4つの段階でフロー図やn8nのワークフローを作成します。 対話形式でのヒアリング → 構造化された要件定義書を自動生成 要件定義書 → 中間設計書（DSL）を自動変換 中間設計書 → Draw.io形式

※この記事は、AIで生成したフィクションのキャラクター「ダウナー系お姉さん」の視点で書かれています。登場する人物・事例もAIで生成した100%架空のものですが、技術的な内容は実際に使用可能です。 はぁ...また夜更かししちゃった。タバコとコーヒーだけで生きてる気がする今日この頃。 でもね、今日は珍しく良いもの見つけたから記事書いてあげる。Claude Code使ってn8nのワークフローを自然言語で作れるっていう、まあまあ使える話。 なんでこんなことしようと思ったか Claude Code推進してる会社多いでしょ？「Webアプリのデモ作ってすごいね〜」で終わってない？正直、それじゃあんまり楽になんないよね。 実際の業務に使えないと、ただの高級なおもちゃ。というわけで、業務自動化の定番n8nと組み合わせてみたら、意外と良かったって話。 ちなみにこれ使うやつ： ...真面目に読んでる？まあいいや

総合コンサルに入社したねこ @MOJITOmojo1 コンサル転職して1-2ヶ月頃に書いていたメモ(上司からの指摘一覧)が出てきた。笑 とにかくこのときが1番しんどかったな… pic.x.com/kLtP9h8cpg 2025-07-22 20:37:37

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 この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今回の「生成AIウィークリー」（第104回）は、エージェント機能搭載のオープンソース非思考型言語モデル「Kimi K2」や、大規模言語モデル（LLM）向け長期記憶OS「MemOS」を取り上げます。 また、画像を4K解像度にアップスケールする超解像度AIエージェントシステム「4KAgent」や、商用レベルに匹敵するオープンソースなウェブ探索AI「WebSailor」をご紹介します。 そして、生成AIウィークリーの中でも特に興味深い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」では、現在のAIモデルが次に来るものを予測することによって、その背後にある深い仕組みを理

AIの暴走を防ぐ4段階フロープロセス AIの過剰な機能実装、エラーハンドリング、要件を無視したコーディング。これらによる手戻りの発生や新たなバグに日々悩まされている方も多いと思います。 そんな中、AmazonのAIエディタ「kiro」には単純明快で効率的なAI Codingが可能になるプロセスが実装されていたので、これを参考にCLAUDE.mdを作成しました。 そのプロセスは下記のとおり、シンプルで当たり前な内容です。 このプロセスが未導入だった場合 実際に「売上データを分析して」と指示した場合、AIは以下のような過剰な実装を行いがちです。 20種類以上のグラフを生成（棒グラフ、折れ線、散布図、ヒートマップ...） 全項目間の相関分析を実行 機械学習による売上予測モデルまで構築 データクレンジング、外れ値除去、正規化を勝手に適用 エラーが出ても別の手法で強引に続行 このプロセスを導入した場

先日、筆者はあるメディアのインタビューにて、この10年ほどの日本の婚姻の減少と若者の所得との関係について問われた際に、若者の賃金は物価上昇率程度は伸びており、所得が下がったから結婚できなくなったわけではない旨を答えた。 このインタビューに対しては、インターネット上で、「税や社会保険料が増えていたり、物価が上がっていたりするために、実態は貧しくなっている」旨の意見があったが、筆者はこれら全てを考慮したうえで述べている。厚生労働省の「賃金構造基本統計調査」に基づく20代のフルタイムの男女の平均賃金をもとに、消費税を含む物価の変動、所得税・住民税・社会保険料の変化も加味して推計した「実質可処分所得」を見ると、この10年ほど、ほぼ横ばいで推移している（※１）。 一方、「平均値」は一部の高所得者によって引き上げられやすく、より若者全体の生活実感に近い「中央値」（101人中51番目に相当する「中位」の

私（@commte）は、この izanami を、個人開発しました。 このページでは、その知見をもとにアイデア創出や技術選定など 個人開発を成功させるための情報全てを共有します 個人開発の完全ガイドが凄い！ → Claude Code・リソース集・設計ミス集・マネタイズ・注意すべき法律・技術選定コストの落とし穴・技術スタック選定例・大成功したプロダクト共通点・要件定義ガイド・ロードマップ・AI駆動開発 https://izanami.dev/kojin-kaihatsu

講習会用にまとめたもの。可能なら公式ドキュメントを参照するのを推奨するが、この資料ではサッと使いはじめるために要点を絞って解説する。 claude-code は claude-code 自身で開発されており、恐ろしい速度で更新されてる点に注意。この資料は一瞬で古くなる。 アカウントの契約等は省略 インストールと実行

TL;DR CLAUDE.mdを書き換えるだけで、意思決定と最終成果物のチェック以外をすべてAIにお任せすることができます (できるかもしれません) はじめに 先日、以下のような記事を投稿しました。 その後、タイムリーにOpenAI o3がAPI経由でのweb検索に対応、さらにサクッとMCPサーバーに書き起こしてくださった方がいたので、三位一体開発術を 四位一体開発術 へ昇格させることにしました。 フレームワークの概要についての詳細はこの記事では省かせていただきます。 なお、さらに昇格させた N位一体開発術 バージョンへ昇格させた記事はこちらをご覧ください。 本記事の内容 導入手順 (Claude Code、Gemini CLIのインストール、o3 MCPの追加) CLAUDE.md (一部抜粋) 導入手順 一応書いておきます。 # Claude Codeのインストール $ npm ins

壁打ちの効果 Gemini の強みを活かすという目的以外に、Claudeに言語化を促すことで、改めて思考を整理させる効果も期待しています。 なお、ClaudeがGeminiを実際に使っている様子を眺めると、Geminiに投げているプロンプトが秀逸すぎて結構感動します。勉強になる〜 トークン消費の分散効果について 付随する効果として、調査をGeminiに丸投げする分、Claude側のトークン消費削減が期待できます。 gemini -p <質問内容> のコマンドがテキストを結構短め (内容は濃いめ) で返してくれるのもポイントです。 それぞれの苦手領域 得意領域があれば、苦手な領域もあります。それぞれのツールが、苦手領域について自分で自覚を持っていない、というのが痛いところ。 なお、かなり個人的な意見を含みます🙇 Claude Code 計画力・実装力に優れる反面、意志があまりにない。 「そ

$ gemini -p "Webで「Gemini APIの料金」について調べて" Gemini APIの料金は、主に従量課金制で、使用するモデルや機能、利用量によって変わります。無料利用枠と有料プランが提供されています。 ### 料金体系の概要 課金は、以下の要素に基づいています。 * **入力トークン数**: APIに送信するテキストやデータの量。 * **出力トークン数**: APIが生成・応答するテキストやデータの量。 * **キャッシュされたトークン数**: 会話の履歴を記憶させる機能を利用した場合のトークン数。 (略) brave search や perplexity がなくともこれで、馴染み深い Google の結果が返ってくるので、非常に使いやすいです。 自分は今からとりあえずこれを claude-code に繋いでみます。 => した。 .claude/commands/

これは何？ 「Claude CodeのXXXで困った時どうする？」という逆引き一問一答形式でまとめたClaude Codeのコマンド集です。 僕は普段から説明書を読まないタイプ(爆)で、Claude CodeもBest Practiceを斜め読みした程度で使ってたのですが、ある時 claude -r コマンドを知って「そんな便利なコマンドあるのか！」と驚愕しました笑。 ちゃんと説明書読まないとなぁと反省し、メモをとりながらClaude公式ドキュメント(+多少の入門記事)を読み直したので、メモをまとめて公開してみます。とはいえ、単なるコマンド一覧では「過去の僕」は読まないかなと思ったので笑、逆引き一問一答形式にしています。 内容は2025年6月23日現在では正しいはずですが、界隈の速さを考えると一瞬で陳腐化すると思います。動かない場合は公式ドキュメントを参照していただけると幸いです。また、明

SVG はテキストベース（XML）なので、LLM の生成と相性が良いのは周知の事実かと思う。ただの自然言語を吐くように、順に XML を吐いていくことでベクター画像が生成できる。 例えば下記は OmniSVG のデモ動画であるが、LLM の出力をインタラクティブに可視化することで徐々に画像が「描かれていく」ことも演出できる。 OmniSVGOmniSVG汎用 LLM ではうまく生成できない SVG汎用 LLM（Claude や GPT 等）で SVG を生成させようとしてうまくいかないケースは多い。 例えば下記は Noto Emoji のexpressionless-face（PNG 版）を Sonnet 4 に渡してその通りに生成してね！とお願いした様子。愛嬌はあるがもうひと頑張り。 渡した画像生成 SVG汎用LLMは幅広い適応性と膨大な事前トレーニング済み知識ベースを備えているため、ド

「Figma AI」は、Figmaが提供するAI機能の総称で、デザイン作業をより効率的に・直感的に行うためのサポートツールです。 とはいえ私自身、一体どんなことができるのかあまりよくわからず活用できていない状態でした。今回はそんな「Figma AI」を使って架空のLPを作ることに挑戦してみました。また、各種機能を使用してみました。 First Draft画面下にあるツールバーのキラキラしたマークを押すと以下のような機能一覧が出てきます。 Figma AIの場所このFirst Draftというツールをクリックすると4つの選択肢が表示されます。 First Draft選択後の画面Basic app：モバイルサイズのデザインが生成されるツール App wireframe：モバイルサイズのワイヤーフレームが生成されるツール Basic site：デスクトップサイズのデザインが生成されるツール Si

自分はADHDですので、もちろん集中力は暗黒です。週末とかでも、あれしたい、これせなとかおもってだらだらしているうちに夕方になったりします。とにかくスイッチが入るのが遅いです。それに、１日終わったら脳が相当つかれている感もありました。この問題が解決したので、シェアしたいと思います。 きっかけはこちらの動画でした。マジありがとうございます。 暗黒の以前の習慣 以前の私はこんな感じで１日を過ごしていました。まず朝起きたら、ベッドの中でゴロゴロと、SNSを観たり、仕事の自分の通知を観たり、携帯で漫画を読んだりします。やる気が出ない時は、時間が過ぎて本来ランニングに行きたいところでも、今日はいいやとか明日からにしようと思ったりします。 朝食は、オートミールと卵ですが、それを調理しながらYoutubeの動画を観たりします。そして、いろいろ詰め物をして、仕事に出かけます。職場についたらコーヒーを入れて

uzi @uzi6969 @BMS12_NMNL 雷門のとみい 久しく行ってないけど思い出すぐらいのインパクトはあったお店です。 久しぶりに行ってみようかな 2025-06-12 08:43:36

こんにちは。AI ShiftでWebフロントエンドエンジニア（？）をしている安井です。今回は私がAIエージェント開発において模索した、組織の強みを最大限に活かすためのアーキテクチャ設計を紹介します。 AI ShiftではAI Workerという企業専用のAIエージェント構築プラットフォームを開発しており、我々開発メンバーは自然言語処理を強みとするチーム（以下AIチーム）と協働してプロダクト開発をしています。 感じていた課題 ＊これは私個人が感じていた課題感であり、組織全体の考えでないことを強調します。 AI Shiftでは5年以上前からAIをドメイン領域として、チャットボット、ボイスボットなどの開発をしてきました。当時はAIチームの研究力がプロダクトの強みとしてダイレクトに反映されており、開発チームとしても如何にその研究力をプロダクトに活かすかが重要な視点でした。 しかし、2024年頃から

Claude Codeで効率的に開発するための知見管理 はじめに Claude Codeは、Anthropicが提供するAIアシスタント「Claude」をコマンドラインから直接利用できるツールです。しかし、プロジェクトが大きくなるにつれて、過去の試行錯誤や設計決定をClaudeに効果的に伝える仕組みが重要になってきます。 本記事では、Claude Codeを使った開発で得られた知見を体系的に蓄積・活用するための実践的な方法論を紹介します。 知見管理の課題 Claude Codeを使い始めると、以下のような課題に直面します： 同じ問題について何度も説明する必要がある 過去の設計決定の理由をClaudeが理解していない プロジェクト固有の制約や要件を毎回伝える手間 デバッグで得られた知見が散逸する これらの課題を解決するために、構造化された知見管理システムを構築することが重要です。 提案する知

[社内共有版「Claude Code、どこまでも」] はじめに Claude Codeを使い始めて1週間。私の開発スタイルは完全に変わった。 きっかけは3ヶ月前に書いた「生成AIといっしょ: 動作するきれいなコードを生成AIとつくる」という記事だった。当時はAIとの協業について考察していたが、正直なところ、まだ私が「運転席」に座っているつもりでいた。AIはあくまで「副操縦士」だと。 syu-m-5151.hatenablog.com 現実は違った。 実際にClaude Codeを使ってみて最初に感じたのは、自分の開発スタイルとAIの特性のミスマッチだった。私は根っからの「とりあえずコード書いてみよう」タイプ。設計書？計画？そんなものは書きながら考えればいい—それが私の流儀だった。 ところが、AIは違う。指示に対して忠実すぎるのだ。「認証機能を実装して」と曖昧に伝えれば、私の意図とは全く違う