HTMLをそのままLLMに渡すな — Python製AIスクレイパーが「クリーニング→Markdown変換→質問」の4ステップでノイズを排除する仕組み
モデルにはgpt-5.4-nanoを使用する（※記事執筆時点のモデル名。実際の利用時は最新のOpenAIモデル一覧を確認されたい）。記事では「このタスクに大規模な推論モデルは不要」と明示しており、コスト最適化の観点からも小型モデルで十分と判断している。 ステップ1：HTMLのクリーニング 最も実装が面白いのがこのステップだ。BeautifulSoupでscript、style、nav、header、footer、form、buttonといったタグを一括除去した後、さらにクラス名やID属性に含まれるノイズワードでフィルタリングする。 noise_words = [ "cursor", "modal", "popup", "floating", "signup", "login", "cookie", "banner", "navbar", "menu", "footer", "header"
LLMにコードを「書かせて動かす」エージェントの作り方 — DockerサンドボックスでCSV分析を自律実行させるまで
7月22日、Towards Data Scienceが「Build an LLM Agent That Can Write and Run Code」と題した記事を公開した。LLM自身はコードを一切実行しない——この一見シンプルな設計原則が、コード実行エージェントのセキュリティと再現性を支えている。LLMはコードを「書く」だけで、「動かす」のはDockerコンテナ側だ。この分離をOpenAI Agents SDKで実装し、CSVの異常検知タスクを自律実行させるまでの手順が本記事では詳解されている。 7月22日、Towards Data Scienceが「Build an LLM Agent That Can Write and Run Code」と題した記事を公開した。LLM自身はコードを一切実行しない——この一見シンプルな設計原則が、コード実行エージェントのセキュリティと再現性を支えてい
LangGraphでAIエージェントに「記憶」を持たせる — ノード／エッジ設計が切り拓くステートフルなワークフロー構築
※編集部の考察：上記の比較は元記事の趣旨をもとにした整理であり、元記事に明示的な比較表はない。各手法の適合ユースケースは要件次第であり、一概にLangGraphが優れているとは言い切れない点に留意されたい。 コアとなる実装：ノードとエッジの定義 記事の核心は、このノード／エッジの実装パターンにある。なお、以下のコードサンプルは元記事の記述に基づくものだが、現行のLangGraphの正式APIはStateGraphクラスと関数ベースのノード定義を組み合わせるスタイルが標準となっており、クラス継承スタイルとは異なる場合がある。最新の実装パターンはLangGraph公式ドキュメントおよび公式チュートリアルを参照されたい。 ノードの定義例（元記事より）： from langgraph import Node class QueryNode(Node): def process(self, cont
「Python一択ではなくなった」 AIコーディング時代、新人が学んで損しないプログラミング言語は？
「Python一択ではなくなった」 AIコーディング時代、新人が学んで損しないプログラミング言語は？：人気や話題性、求人数、案件単価のランキングから探る 生成AIの普及で「コードを書く力」の意味が変わりつつあります。新人であれば、どのプログラミング言語を学ぶべきなのでしょうか。人気や話題性、求人数、案件単価といった視点から、最新ランキングを基に「学んで損しない言語」を整理します。 生成AIの普及によって、「コードを書く力」の意味は大きく変わりつつあります。では、新人はどのプログラミング言語を学ぶべきなのでしょうか。人気、話題性、求人数、案件単価という4つの視点から、最新ランキングを基に「学んで損しない言語」を整理します。 AIコーディング時代、新人が言語を選ぶ基準は変わった これまでプログラミング言語の選択は、「よく使われている言語」を基準に考えられることが多くありました。需要が多い言語を
「最初の言語はPython」に騙された。JavaScriptから始めるべきだった - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Pythonをめぐる後悔 プログラミングを始めた頃、学生向けのブームに乗ってPythonを選びました。 当時はProgateやUdemyでもPython推しが強くて、「これからはAIの時代だ」みたいな雰囲気に流されました。でも実際に個人開発を始めてみると、作ったものを人に見せるのが難しかったです。 データ分析の結果をJupyter Notebookで共有しても、正直地味だし、「で?」って感じになります。 Webアプリを作ろうとしてもDjangoやFlaskは重たいし、結局あまりアウトプットできないまま時間が過ぎました。 Pythonの用
【テスト配置の言語文化論】なぜPythonは `tests/` に分け、Rustは `src/` に同居させるのか？
「Pythonで単体テストを書くとき、実装ファイルの中にテストコードを書いてはいけないのですか？」 RustやGoといったモダンなコンパイル言語の経験があるエンジニアが、Pythonのプロジェクト構成を見たときに抱く素朴な疑問です。 Rustでは src/lib.rs の中に mod tests を書くのが当たり前ですし、Goでも main.go の隣に main_test.go を置くのが一般的です。 しかし、Pythonのデファクトスタンダードは 「src/ とは別に tests/ ディレクトリを切る」 というスタイルです。 なぜ言語によってテストコードの配置場所（文化）がこれほど異なるのでしょうか？ その背景には、単なる「好み」の違いではなく、「コンパイルの仕組み」 と 「配布（デプロイ）の仕組み」 という技術的な必然性が隠されています。 本記事では、Rust, C++, Pytho
【海外記事紹介】なぜ私たちは、ローンチ直後のアプリをPythonからNode.jsに書き換えたか
11月4日、Yakko Majuri氏が「Why we migrated from Python to Node.js」と題したブログ記事を公開し、話題を呼んでいる。この記事では、ローンチからわずか1週間でバックエンドをPython（Django）からNode.js（Express＋MikroORM）へ全面移行した理由と、その得失について詳しく紹介されている。以下に、その内容を紹介する。 11月4日、Yakko Majuri氏が「Why we migrated from Python to Node.js」と題したブログ記事を公開し、話題を呼んでいる。この記事では、ローンチからわずか1週間でバックエンドをPython（Django）からNode.js（Express＋MikroORM）へ全面移行した理由と、その得失について詳しく紹介されている。以下に、その内容を紹介する。 概要 この記事の
Pythonでファイルパスってどう扱えばいいの？ そんなときにはos.path／pathlibモジュールを使いましょう！ 無料の電子書籍『解決！Python ファイルパス操作編』
eBookシリーズの第136弾『解決！Python ファイル操作編』ではopen関数やpathlibモジュールのPathクラスとそのメソッドの使い方、エンコードの指定の方法、struct／pickle／shelveモジュールを紹介しました。でも、ファイルを扱うときには「ファイルパス」を扱わなければならないこともありますよね。 Pythonでファイルパスを扱うには大きく2つの方法があります（他にもあればHPかわさきまでお知らせください）。一つは伝統的なos.pathモジュールを使うもの。他にはPython 3.4で追加されたpathlibモジュールを使う方法。そして、Python 3.4で追加されたpathlibモジュールを使う方法。後者の方がより高水準（抽象的）なインタフェースを提供してくれます。が、まあどちらを使うかは人によるでしょう。そこで、2つのモジュールを使ってファイルパスを操作す
Anthropicで利用されているモダンなPython開発のベストプラクティス
はじめに Anthropic といえば、最近はコード生成ツールが大きな話題になっていますよね。 ＡＩ企業アンスロピック、今年の売上高30億ドルに急増へ 売上高を牽引しているのはコード生成機能です。グーグルの親会社であるアルファベット（[GOOGL.O](https://jp.reuters.com/markets/companies/GOOGL.O)）や、アマゾン・ドット・コム（[AMZN.O](https://jp.reuters.com/markets/companies/AMZN.O)）が支援しているアンスロピックは、コンピュータープログラミングに特化した AI として知られています。 このコード生成機能を活用する際に使用するのが、CLI コマンドの claude です。このツールの完成度は非常に高く、最近ではコード生成時に積極的に利用するエンジニアも増えてきています。 この cla
Python×株式投資：月利3〜5%を狙う自動スクリーニング戦略 - Qiita
たくさんありますが、パターン4つごとに、RSIの範囲が変わっているだけです。MA乖離上限は4つごとに同じことを繰り返しています。 各スクリーニング日には地合いスコア（-3〜+3）をタグ付けしており、 これにより相場の状況によってどのパターンが機能しやすいのかも、あわせて検証できます。 テクニカル選抜の有効性について（バックテストの結果） 概要 1ヶ月後にプラスの平均リターン（3〜7%）を期待できるパターンが存在し、有効性のあるテクニカル選抜条件が含まれていると考えられました。 また、最適な選抜条件は地合いスコアによって異なることが示唆されました。以下では、スコアごとに結果を整理します。 ＜地合いスコア -3〜0＞ 相場が最も悪い「スコア -3」のときは、**RSIが低め（25〜50）かつMA乖離上限（ma_eps）が4〜8%**のパターンで、 シャープレシオが0.8以上、かつ銘柄数が20未
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
Anthropicが科学者向け専用AIワークベンチ「Claude Science」を公開 — 文献検索から論文執筆まで、断片化した研究ツールを一本化
コーディングエージェントをコーディングエージェントで作る — Simon WillisonのOSSツール「llm-coding-agent」がアルファ公開
AIエージェントにOSSのメジャーバージョンをほぼ丸ごと開発させたら約149ドルかかった — データが黙って消えるバグも自力で発見
Telnyx Python SDK Security Notice: Malicious PyPI Versions Identified (March 2026)
GitHub
I ported JustHTML from Python to JavaScript with Codex CLI and GPT-5.2 in 4.5 hours
闘魂CDK道場：TypeScriptでAWSインフラを組み、Python Lambdaを叩き込むまで - Qiita
専門家レベルの調査報告書を作るAI「Researcher」とデータアナリストAI「Analyst」が「Microsoft 365 Copilot」で一般公開／Pythonを駆使してデータ分析するエージェントが追加費用なしで
【海外記事紹介】Python PandasがNumPyを捨て、より高速なPyArrowに移行 — 10倍以上の高速化を期待
爆速 Python 型チェッカーの ty を触ってみる
