君たちはCursorを本当に使えているか
はじめに こんにちは。Builtoという会社で代表 & エンジニアをしている冨田です。 私たちはマネジメントとタスク管理を圧倒的にサポートするAIエージェントを開発しています。 開発にもAIをフル活用しており、そこで得られた知見を共有したいと思います。 具体的には、経験3年以上の現役ソフトウェアエンジニア（生成AIのない時代からコードを書いてきた方々）をターゲットに、本番運用レベルの大規模コードベースでもCursorを活用しコーディング時間を 1/3〜1/5 に縮めている手法をお伝えします。 仕様策定やアプリの機能にもLLMをフル活用していますが、今回は実装にフォーカスします！ （なお本記事は中級者以上向けのため、まだCursorに触れたことがない方はまず別の記事を参考にして、使ってみてください） なぜこの記事を書いたか 現職エンジニアが本当に使いこなす手法を共有したい すでに共有されてい
※この記事は「AI Agent Hackathon with Google Cloud」向けに開発したAIエージェントの説明のために作成したものです。 前書き 現代のソフトウェア開発組織では、素早く高頻度で機能追加・改善していくことが求められると同時に、LLMの時代においてはAIによる利活用を見据えて 「ドキュメンテーション」の重要性が高まってきています。 しかし、「包括的なドキュメントよりも動くソフトウェアを[1]」重視するアジャイル開発を実践する中で、 忙しない日々の中でどうしても残すべきドキュメントを残せない 過去に書いたドキュメントの古い内容がアップデートされず放置されていて当てにならない という組織も少なくないと思います。 きっと今日もどこかの組織のSlackでは、他の部署や開発チームから仕様確認の問い合わせが寄せられ、それらに人手で回答する努力が積み重ねられていることでしょう（
VSCodeでコードを修正すると、次に修正すべきコードの場所を提案してくれる「Copilot Next edit Suggetions」プレビュー公開
VSCodeでコードを修正すると、次に修正すべきコードの場所を提案してくれる「Copilot Next edit Suggetions」プレビュー公開 マイクロソフトはコードエディタ「Visual Studio Code」の新機能として、コードを修正すると次に修正すべきコードの部分を提案してくれる「Copilot Next edit Suggetions」をプレビュー公開したことを明らかにしました。 この新機能は2月7日に公開されたVisual Studio Code 1.97（January Update）に搭載されています。 Version 1.97 of @code is out now with Copilot Next Edit Suggestions, Python no-config debugging, SVG image preview, and more! Full r
ほとんどのサービスとアプリケーションには、制限の大きなお試し版とも言える無料プランと、制限の緩和された有償プランがあります。さらに、有償プランのトライアルや、グループ開発向けのEnterpriseプランが用意されていることがあります。個々のサービスおよびアプリケーションについての料金体系の掲示は省くので、関心のあるものについてはまず無料プランから試すことをお勧めします。 アプリケーション構築は、多くの手順を必要とすることから比較的難易度の高い作業です。専用のウィザードがステップ・バイ・ステップで構築をフォローするスタイルは、今では「やりたいこと」を述べるだけでAIが代行してくれるようになりました。デザインも、直接アプリケーション構築に持ち込むことができます。 スタイリッシュなUIを生成するv0 ▲v0 v0（ブイゼロ）は、Next.jsの開発元であるVercel Labsによる、AIを活用
スマートフォンやPCには電卓アプリが搭載されており、簡単な計算であれば瞬時に答えを求めることができます。しかし、正確な答えを表示できるような電卓を開発するのは非常に難しく、その一例としてAndroidに搭載されている「電卓」アプリはどのような工夫で開発されたのかについて、エンジニアのチャド・ナウセアム氏が解説しています。 calculator-app - Chad Nauseam Home https://chadnauseam.com/coding/random/calculator-app iOSの「計算機」で、「(10100)＋1－(10100)」を計算したところが以下。本来であれば、10100が打ち消されるので答えは「1」になるはず。しかし、計算機による計算結果は「0」となっており、間違いを示しています。 Androidの「電卓」で同じ計算を行ったところ、答えは正解の「1」を示しま
Raspberry Pi 5でローカルLLM”DeepSeek-R1″を動かしてみる | YouTuber イチケン 公式ブログ
2025年1月20日、DeepSeekが開発したDeepSeek-R1が発表されました。オープンソースであり推論モデルが公開されているため個人のPCをはじめとしたローカル環境上で動作させることができます。 今回は色々な意味で世間を騒がせているDeepSeek-R1をRaspberry Pi 5の上で動かして、手のひらサイズのローカルLLMを体験してみたいと思います。 なお、本記事は動画の内容をさらに発展させた内容になっています。動画の方もぜひあわせてご覧ください。 今回作成するもの ローカルLLMを触るのは初めてなので、とりあえずシンプルにLLMと対話するまでを目標とします。 要件 今回達成すべき要件を以下のように定義しました。 Raspberry Pi 5(8GBモデル)上で動作する。 DeepSeek-R1と日本語で対話できるUI(最低限CUIで、できればGUIで)。 Windows環
Devin は生成AIを活用した新しいエンジニアAIエージェントで、今後のエンジニアの開発に大きな影響を与える可能性があると思います。個人的にDevin関連の資料をストックしていたので、Devinについての理解を深めるためにおすすめの資料を日本語と英語で紹介します。 ※今後、適宜追加していくかも(´・ω・｀) 2/17 追記 日本語でおすすめ 1. ざっくり知りたい人向け まずこれを読むと全体像が把握できると思います。 手前味噌ですが、自分の記事も。長くないので、サクッと最初の導入やDevinを活用するうえでのポイントがわかると思います。 料金やオプトアウト（データが学習に使われるか否か）など、Devinを社内で使う際の稟議に必要そうな情報がまとまっていてありがたい。※2/17追加 Devinに任せるタスクを「自律度」という観点で推奨・非推奨の事例を説明している。ちょっとしたUI修正であれ
LLMs.txtについての覚書
LLM時代のWebアクセスとは 世は大LLM時代。皆が元気にTavilyでWebクロールしたり、AI AgentでガンガンDeep Researchする時代は、人間用のWebサイトにえげつない負荷を与えているのであった。 そんな時に「仕様を1枚のテキストにまとめたよ！」みたいな情報が時々流れてくるが、これはLLMs.txtというらしい。恥ずかしながら仕様の存在を知らなかったので、勉強がてらにまとめてみる。 LLMs.txt? Answer.AI の Jeremy Howard 氏が2024/9/3に提案したのが発端のようだ。 LLMs.txtはLLM（推論エンジン）向けの課題を解決するための提案である。LLMのコンテキストウィンドウの制限に対応したり、不要なマークアップやスクリプトを削除し、AI処理に最適化された構造でコンテンツを提供できる。ということらしい。シングルファイルなのでCDNに
テーブルデータの前処理を何でやるか
最近読んだ、The Rise of Single-Node Processing: Challenging the Distributed-First Mindset という記事に最近考えていたことが書いてあったので便乗して自分の考えを書き留めておく。 元記事では、かつては大規模なデータの処理というと何はともあれ分散システムであり、Spark や BigQuery などを導入するのが当然であったが、近年は DuckDB や Polars など、シングルノードでも高速にテーブルデータを処理できる技術が登場してきたことで必ずしも分散システムは必要ではないよねという風潮に変わってきた、ということが述べられている。コスト面でもクラウドを使うのであれば、小さいインスタンスをいくつも立てて分散処理するのと、合計して同程度の vCPU や RAM を持つ一つの大きなインスタンスを立てて処理するのとで料金
最近『データエンジニアリングの基礎』という本を読み始めた。 この本の冒頭で、データエンジニアリングやデータエンジニアの定義は曖昧で、人によって言っていることがバラバラだという話が出てくる。そこで著者たちは自分たちなりの定義を示し、それに則ってデータエンジニアリングの全体像を解説することを試みている。 「データエンジニアリング」が指すものが定まっていない、というのは自分も日々実感している。指すもの、イメージするものが、人や組織によって違いすぎる。 単に言葉の定義の問題ではなく、「データエンジニア」と称される人が実際に何をやっているのかは、組織によって本当にバラバラだと思う。 そんな状態なので、各組織の各データエンジニアが何をしているのか外からはよく分からないだろうし、データエンジニアが何に面白さを感じているのかも世間に伝わりづらいと思う。 この記事では、私が HERP のデータエンジニアとし
ChatGPT deep researchに見るAIが自律的に考える未来 - LayerX エンジニアブログ
こんにちは、LayerXプロダクトマネージャーの野畑(@isseinohata)です。 LayerXで生成AIプラットフォーム Ai Workforceの開発に従事しています。 getaiworkforce.com 2月3日にOpenAIが発表したAIエージェント「deep research」が大きな話題を呼んでいます。 openai.com 生成AIの領域では日々さまざまなプロダクトや新しい技術が登場していますが、その中でもdeep researchは単なるサービス自体の性能の高さに加え、それを実現する技術（人間のリサーチプロセスに近い思考を実現する技術）に対して、未来への大きなインパクトを感じさせる体験でした。 実際、deep researchの調査ログを眺めていると、あたかも人間が試行錯誤するように、自律的に計画→検索→読み込み→発見→方針変更を進めているような姿が見て取れます。 左
2月11日、Creston Blogが「WASMはコンテナを置き換えるだろう（WASM will replace containers）」と題した記事を公開した。この記事では、WebAssembly（WASM）がコンテナ技術を置き換える可能性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。 2月11日、Creston Blogが「WASMはコンテナを置き換えるだろう（WASM will replace containers）」と題した記事を公開した。この記事では、WebAssembly（WASM）がコンテナ技術を置き換える可能性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。 移植性の高さ コンテナはソフトウェア開発における重要な問題を多く解決してきた。コンテナ登場以前にもVM（仮想マシン）は存在していたが、使い勝手の面でコンテナほど洗練されていなかったため、コンテナは
私のシンプルCursor活用方法｜ニケちゃん
こんにちは、ニケです。 皆さん、Cursor 使っていますでしょうか？ 私はそろそろ使用歴1年半くらいになります。 5ヶ月前にこんな記事を書いたのですが、AI時代のコーディングアシスタントの進化は早く、今はもうこの時とは全く異なる使い方をしているので改めて紹介したいと思います（一部被っている内容もあります）。 なお、AIコーディングアシスタントにはその他にも、Github CopilotやCline、Windsurfなどがありますが、これらのコーディングツールはCursorほど使ったことがないため、今回の記事では紹介・比較はしません。 XのTLでもいろんな宗派を見かけるので、「どれを使ったら一番楽できるんだ？」とは考えずに、取り敢えず一つのエディタ・ツールを使い倒すことをオススメします。 ⚠ 以降で紹介する方法は個人的にハマっている方法なので、これがベストではないです。１つの参考として見て
Visual Studio CodeでGitHub Copilot“無料版”が使える！ 「生産性、爆上がり」で感動した話
Visual Studio CodeでGitHub Copilot“無料版”が使える！ 「生産性、爆上がり」で感動した話：Deep Insider編集長のネタ帳 GitHub Copilot Free（無料版）、みんな使ってる？ 実際にリアルな開発で活用し、その実力を検証！ AIアシストはどこまで使える？ ソフトウェアエンジニアの仕事はどう変わる？ そして、AI時代に求められるスキルとは？ AIエージェントの可能性も交えつつ、未来の開発を好き勝手に語ります。 連載目次 皆さん、こんにちは！ もしくは、はじめまして！ ＠ITのDeep Insider編集長、一色（いっしき）です。今回から、新連載 『Deep Insider編集長のネタ帳』を始めます。 この連載では、私が日ごろの情報収集や開発、執筆・編集を通じて得た“技術的な気付き”や“新たな発見”を自由気ままに綴（つづ）っていきます。データ
バージョンについては2025年2月時点での数字です。UbuntuのシステムPythonの場合、同じリリースでもマイクロバージョン（X.Y.Zの「Z」の部分）についてはアップグレードされることがあります。 UbuntuではもともとPython 2を使っていました。その後、Python 3へと段階的に移行し、2017年10月にリリースされた17.10からデスクトップ版でもPython 2が標準ではインストールされなくなりました。それからもPython 2のパッケージ自体は存在したのですが、2024年4月の24.04までにPython 2関連パッケージはすべてインストールできないようになっています。 ちなみにリリースによっては、「複数のバージョンのPython」を提供していることもあります。たとえばUbuntu 22.04 LTSのシステムPythonのバージョンは3.10.6ですが、「py
またスマホは「Google Pixel 9 Pro XL（16 GB RAM）」という比較的新しめの端末で検証した。 LLMの使い方を分類 大規模言語モデル（LLM）の利用形態は、大きく以下のように分類できる。それぞれの特徴を見ていこう。 Webアプリケーション型 「ChatGPT」に代表されるWebブラウザーから利用するタイプ。ユーザー登録するだけですぐに利用できる手軽さが最大の魅力だが、機能のカスタマイズには制限があり、基本的には提供されている機能をそのまま使うことになる。また、会話内容はサービス提供者のサーバーに送信されるため、機密情報を扱う際は注意が必要だ。 クラウドベース型のアプリ クラウド上のAIにアクセスするスマートフォンアプリとして提供されるタイプ。スマートフォン向けのChatGPTアプリをはじめ、多数のアプリが用意されている。場所を選ばず利用できる手軽さが魅力。通信環境に
LangGraphを使ってテックブログレビューエージェントを作ってみた - Insight Edge Tech Blog
こんにちは、Insight EdgeでDeveloper兼テックブログ運営担当をしているMatsuzakiです。 今回は、私が担当している本テックブログ「Insight Edge Tech Blog」運営担当業務における業務効率化・高度化兼自己研鑽の一貫として現在テックブログレビューエージェントを試作中ですので、そちらの開発経緯や内容をお話ししていきたいと思います。 目次 開発背景 システム構成 レビューの流れ 開発内容 レビュー観点の洗い出し 処理フロー 実装 ステートの定義 グラフの定義 ノードの追加 エントリーポイントの追加 エッジの追加 コンパイルと実行 成果物について 今後の期待 おわりに 開発背景 本テックブログ「Insight Edge Tech Blog」は、2022年10月に開設し、2025年2月現在で2年以上継続しています。（先日記事も100本を超えました！🎉） しか
Rustの誤解と改善
ChatGPT にこんな要求をしました。 Rust自体は難しい言語ではなく、むしろ単純な機能の組み合わせで豊かな表現力を提供しています。なのに、他言語の複雑な機能をRustで再現しようとして混乱する人が跡を絶たず、いつの間にかRustは難しいという誤解が定着してしまいました。そこで、他言語の考え方をRustに持ち込んで失敗した例をいくつか挙げ、改善案を教えて下さい。 本記事は ChatGPT の出力をまとめたものです。 GPT-4o 色々試したのですが、まず2025年2月18日時点のGPT-4oから。 確かに、Rustの設計はシンプルな概念の組み合わせですが、他言語の習慣を持ち込むことで混乱が生じることが多いですね。いくつか典型的な失敗例を挙げ、それぞれの改善案を考えてみましょう。 よろしくお願いします。 クラスベースのオブジェクト指向をそのままRustに適用しようとする 失敗例: C++
はじめに enechain データプラットフォームデスク エンジニアの鳥山です。 enechainでは電力取引に必要な情報（例えば電力需給や燃料価格）を外部から収集し、社内外に公開しています。 このデータ収集はAPI経由で有償購入しているものもあれば、オープンデータとしてwebサイトに公開されているものもあります。電力自由化以降、電力需給に関する情報の公開が進んでおり色々なデータが参照可能となっていますが、それらは必ずしもマシンフレンドリーなデータばかりであるとは限りません。これは電力に限らず、特定の業界特化のドメインデータにおいてはよくある状態です。 本稿では、このような不確実性の高いデータを収集・活用するにあたってのノウハウの一部をご紹介させて頂きます。 はじめに データ取得における問題 基本的な考え方 問題 対処 リトライとタイムアウトを設定する データを検査する rawデータを永続
はじめに Google CloudのVertex AIを活用して、RAGを構築しないといけなくなったので、その方法をまとめていきます。 まずは準備として、ローカルのみで実装をしていきます。 今回の記事では、ローカルに保存したテキストドキュメントをベースに、ローカルのDBにベクトルデータを保存し、LangGraphでRAGを実装していくことを考えます。 その上で、次回以降の記事で、Google CloudのGCSにドキュメントを置いたり、BigQueryをベクトルストアにしたり、Cloud SQLをベクトルストアにしたりする方法を解説していきたいと思います。 参考文献 （書籍のリンクはamazonアフィリエイトリンクです） 記事 LangChainからLangGraphによるAgent構築への移行方法 Chroma DBによる類似度検索のメソッド カスタムRetrieverクラスの作成方法
WASM will replace containers
In the year 2030, no one will remember Kubernetes. PortabilityContainers solved a lot of important problems in software development. We had VMs before containers, but they were not as ergonomic to use. The experience of containers was, by comparison, a true delight. Fast(er) builds, near-instant startup, no virtualization, etc. Now we're in an era where containers are annoying to work with. The pr
ここ数日、今までの人生でないくらい、日本十進分類法（NDC）に触れてます。（今までも毎日目にはしてましたが） 今、作っているNDCカルタのテストプレイを何十回と繰り返しているうちに、自然とNDCが頭に馴染んできて、やっぱりちゃんと意味が近い言葉は近い番号になっているんだなぁと、当たり前のことを今更ながら深く実感する毎日です。 そんなことを感じるなか、そういえばPythonで言葉の意味の近さを計測できるとどこかに書いてあったことを思い出し、NDCの分類でやってみて近い分類は関係性が強く出たりしたらおもしろそうと思い、例のごとく、ChatGPTに手取り足取り教えてもらいながら、NDCの各分類の単語の意味をネットワーク図にするということをやってもらいました。 ネットワーク図 日本十進分類法のデータは日本図書館協会NDC9（CC BY)を使用させていただいています。 見てみる 星座みたいで綺麗です
Scripton Python IDE
for t in range(100): plot( x=x, y=np.cos(x + t / 10) ) time.sleep(0.01) Visualize in realtime directly from your Python scripts — no notebooks, servers, or browsers required. Visualizations are displayed in a dedicated tab right within the IDE. Scripton includes built-in plotting toolkits that expose the capabilities of Plotly and Observable Plot directly to Python. No installation is necessary —
ChatGPT Pro 代行します！Deep Research o1 pro soraを試用できます GPT4.5とGPT-5も公開予定 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 300円で試す場合は以下からお願いします https://line.me/ti/p/r_CvqEMvKp はじめに 近年、AIの進化により業務効率化が加速しています。特に ChatGPT Pro は、その高度な処理能力を活かし、さまざまな用途で活用されています。しかし、 「ChatGPTを使いこなせない」 「Proプランの料金が高い」 「AIの最適な活用方法がわからない」 といった悩みを抱える人も多いのではないでしょうか？そこで、本記事では 「ChatGPT Pro 代行サービス」 について紹介します。 ChatGPT Pro とは？
本シリーズと本連載について 本シリーズ「Pythonデータ処理入門」は、Pythonの基礎をマスターした人を対象に以下のような、Pythonを使ってデータを処理しようというときに便利に使えるツールやライブラリ、フレームワークの使い方の基礎を説明するものです。
AWS Certified Machine Learning Engineer - Associate(MLA)の学習方法 - NRIネットコムBlog
小西秀和です。 この記事は「AWS認定全冠を維持し続ける理由と全取得までの学習方法・資格の難易度まとめ」で説明した学習方法を「AWS Certified Machine Learning Engineer - Associate(MLA)」に特化した形で紹介するものです。 重複する内容については省略していますので、併せて元記事も御覧ください。 また、現在投稿済の各AWS認定に特化した記事へのリンクを以下に掲載しましたので興味のあるAWS認定があれば読んでみてください。 ALL SAP DOP SCS ANS MLS SAA DVA SOA DEA MLA AIF CLF 「AWS Certified Machine Learning Engineer - Associate(MLA)」とは 「AWS Certified Machine Learning Engineer - Associa
AWS Certified Data Engineer - Associate(DEA)の学習方法 - NRIネットコムBlog
小西秀和です。 この記事は「AWS認定全冠を維持し続ける理由と全取得までの学習方法・資格の難易度まとめ」で説明した学習方法を「AWS Certified Data Engineer - Associate」に特化した形で紹介するものです。 重複する内容については省略していますので、併せて元記事も御覧ください。 また、現在投稿済の各AWS認定に特化した記事へのリンクを以下に掲載しましたので興味のあるAWS認定があれば読んでみてください。 ALL SAP DOP SCS ANS MLS SAA DVA SOA DEA MLA AIF CLF 「AWS Certified Data Engineer - Associate(DEA)」とは 「AWS Certified Data Engineer - Associate(DEA)」は、AWSクラウド環境下でデータパイプラインの設計、構築、運用、モ
私は約 6 年間、世界中の Slack アプリ開発者の開発をサポートするために、日々、様々な場所で開発者の方々からの技術的な質問に質の高い回答を続けることを心がけてきました。 しかし、この度、魅力的なチャンスに出会い、私自身のキャリアの新しいチャプターが始まろうとしています。今までと同じように Slack プラットフォームに関するやりとりを続けることは難しくなりそうですが、この素晴らしいコミュニティと何らかの形でつながり続けたかったので、それに役立ちそうなアプリケーションを作ってみることにしました。 そして、数日の開発期間を経てできたのが Slack プラットフォームに特化した質問に代わって回答する AI サービス「What would Kaz say?」です。 誰でも利用できますので、ぜひ what-would-kaz-say.fly.dev で試してみてください！ もし、あなたが Sl
なにこれ Deno はセットアップが非常に簡易で、スクリプトの書き捨てに便利です。 npm install xxx 相当のことをしなくても、import "xxx" と書いておけば裏側でキャッシュして型チェックしつつコードが書けます。 Deno を Jupyter Kernel として使って、 ログを .ipynb として保存すると、GitHub が対応しているので実行結果をプレビューできて便利です。 実際に試したURLはここ。 以下のURLは、実際に puppeteer を動かして、そのスクリーンショットを表示しているところです。 実行結果を保存してくれるので、実験用の書き捨てのスクラップを作るのに便利です。 環境のセットアップ vscode に deno と jupyter の拡張を入れます。 使いたいプロジェクトで、 Python と Kernel をセットアップします。 今回は u
CLIで動く開発AIエージェントの仕組みと特徴
CLIから動作し、GitHubのIssueをもとにコードを解析・編集し、Pull Request（PR）を自動作成する「Issue Agent」を開発しました。 この記事では、Issue Agentの仕組みや特徴について紹介します。 Issue Agent 今回実装した開発AIエージェントはこちらです。 Issue Agentは、GitHubのIssueを読み取り、その内容に基づいてコードベースを自律的に解析し、 必要なファイルの作成や編集を行います。最終的には、自動でPRを作成する開発エージェントです。 例えば、こんなようなissueがあったとします。 たとえば、.gitignoreの設定が無秩序に増えてしまったために整理が必要だけれど、つい後回しにしていたIssueがあったとします。 これをIssue Agentに渡すことで、.gitignoreの内容や使っているフレームワークや利用技
プログラミングコードの品質を評価するオランダの企業・TIOBEは、開発者に人気のプログラミング言語ランキング「TIOBE Index」を1カ月ごとに更新しています。そんなTIOBE Indexの2025年2月版が公開されました。 TIOBE Index - TIOBE https://www.tiobe.com/tiobe-index/ TIOBEはGoogleやYahoo!、Baiduなどの検索エンジンやWikipedia、YouTube、Amazonなどのサービスでプログラミング言語を含むワード検索の回数に基づきレーティングを算出し、人気の高いプログラミング言語ランキング「TIOBE Index」を作成しています。 以下は2025年2月版のTIBOE Indexのランキング。2021年10月に1位を獲得したPythonの座が揺らぐことはありませんでしたが、C言語がC++やJavaよりも
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? TLDR; vulnhuntr という AIによる脆弱性探索を見つけた python しか対応していなかったから、go に対応するように実装し直した（成果物 vulnhuntr-go） JavaScript, TypeScript, Java や Ruby での実装も挑戦したい LLM 群雄割拠の時代。Next Big Things を探せ！ 皆さん。LLM 使いこなせていますか？ きっとこの記事に辿り着けるだけの情報ネットワークを持っている皆様であれば、LLM 使いこなせてるよ！って人も多いと思いますが、折角なら使う側ではなくて作る側
Last semester at university, I took a course called "Syntax-Based Tools and Compilers". It focused on building a scanner, parser, compiler, and so on for a language called PL0. We used Python in the course, but I was really interested in learning Rust at the time. So, I decided to embark on a side project (yes, another one!). This time, I wanted to build a JSON parser in Rust. My goal was to test
poetry → uv への移行
$ uv python list cpython-3.14.0a4+freethreaded-macos-aarch64-none <download available> cpython-3.14.0a4-macos-aarch64-none <download available> cpython-3.13.1+freethreaded-macos-aarch64-none <download available> cpython-3.13.1-macos-aarch64-none /opt/homebrew/opt/python@3.13/bin/python3.13 -> ../Frameworks/Python.framework/Versions/3.13/bin/python3.13 cpython-3.13.1-macos-aarch64-none <download av
Googleスプレッドシート、GSC、ChatGPT API を使用して SEO分析を自動化する方法 - SEO Japan｜アイオイクスのSEO・CV改善・Webサイト集客情報ブログ
無料で資料をダウンロード SEOサービスのご案内 専門のコンサルタントが貴社サイトのご要望・課題整理から施策の立案を行い、検索エンジンからの流入数向上を支援いたします。 無料ダウンロードする ＞＞ この記事は、2025年1月30日に Search Engine Land で公開された Ludwig Makhyan氏 の「Automate SEO analysis with Google Sheets, GSC & ChatGPT API」を翻訳したものです。 Google スプレッドシートを使えば、サイト監査の自動化、ページ分析、AIを活用した最適化のためのインサイト生成を一括で行うことができます。 SEO分析は多くの時間を要しますが、自動化を取り入れることで反復作業を減らし、重要なWebサイトの最適化を迅速に行えるようになります。 本ガイドでは、Googleスプレッドシート、Googl
時系列分解の意義 多くの実世界のデータは、時間的な変化を伴った時系列データとして記録されます。需要予測、気象予報、株価分析など、時系列データを分析する分野は多岐にわたります。 時系列データは大抵以下のような構造が含まれています。 トレンド(Trend) : 長期的に増減する動き 季節成分(Seasonality) : 1年や1か月など一定の周期で繰り返す変動 残差(Residual) : 不規則な変動やノイズなど これらの成分を分解して扱えると、データの理解が格段に進み、将来予測や異常検知に応用する際にも有利になります。 伝統的な時系列分解モデル 加法モデル（Additive Model) 古典的な加法モデルによる時系列分解では、時系列 $y_t$ を以下のように表します。 $y_t = T_t + S_t + R_t$ $y_t$: 観測値 (Observed series) $T_t$
I’m excited to announce the project I’ve been working on for the last year and a half: Game Bub, an open-source FPGA based retro emulation handheld, with support for Game Boy, Game Boy Color, and Game Boy Advance games. Play Video: Game Bub can play physical cartridges, as well as emulated cartridges using ROM files loaded from a microSD card. Game Bub also supports the Game Link Cable in both GB
< Back Leaking the email of any YouTube user for $10,000 2025-02-12 Some time ago, I was looking for a research target in Google and was digging through the Internal People API (Staging) discovery document until I noticed something interesting: "BlockedTarget": { "id": "BlockedTarget", "description": "The target of a user-to-user block, used to specify creation/deletion of blocks.", "type": "objec
上記のとおり、「parallel_document_massege」～ 「parallel_create_code」までが並列で処理されるノードです。ある程度ノードをまとめてしまってもよいですが、処理ごとに分けておくとノードの付け替えなどでカスタマイズがしやすいかと思います。 コーディング 使用したライブラリ コード内で使用した外部ライブラリとインストールコマンドは以下です。 $ pip install chardet==5.2.0 $ pip install aiofiles==23.2.1 $ pip install ipython==8.27.0 $ pip install langchain-core==0.3.28 $ pip install langchain-anthropic==0.3.0 $ pip install langgraph==0.2.60 import os
関連キーワード アプリケーション開発 | プログラミング 人気のプログラミング言語である「Rust」と「Python」は、それぞれ異なる得意分野を持つ。どちらのプログラミング言語が自社の開発プロジェクトに向いているのかを見極める上では、両者の特性を理解することが需要だ。まずはなぜPythonが広く人気を集めるプログラミング言語になったのかを押さえておこう。 「Python」はなぜ広く愛されるのか 併せて読みたいお薦め記事 連載：RustとPythonを比較 第1回：なぜ「Rust」は「C」「C++」に代わる“期待の言語”なのか さまざまなプログラミング言語 Windowsで「Python」を使うための準備と“お役立ちツール”とは？ 「Rust」「Ruby」「Python」はなぜ“愛され言語”なのか グイド・バンロッサム氏が生み出したPythonは、1991年にデビューした。以来、幅広く普及
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
Slackの会話からドキュメントを育てるGo製AIエージェント「Docgent」を開発しました
サイト構築からデプロイまで。AIが変えるフロントエンド開発 | レバテックラボ（レバテックLAB）
電卓アプリを作るのはなぜ難しいのか、Androidの「電卓」に施された工夫とは？
2025年2月最新版：Devinに関するおすすめ資料（2/17追記）
データエンジニアリングって何が面白いんだ？ - 30歳からのプログラミング
「WebAssemblyはコンテナを置き換える」と述べたブログが海外で話題に
第850回 UbuntuにおけるシステムPythonと、Pythonの仮想環境を使い分ける方法 | gihyo.jp
完全無料！話題のDeepSeek R1をローカルで動かしてみた。MacやスマホでもOK！ (1/6)
外部データ取得と利用のテクニック - enechain Tech Blog
LangGraphのTool Callingを利用して、RAG Agentsを構築する（前編）
日本十進分類法を意味ネットワーク図にしてみる - やわらか図書館学
［pandas超入門］Diabetesデータセットを使って回帰分析してみよう（前処理編）
自分（Slack プラットフォーム専門家）の分身 AI を作ってみた
Deno Jupyter Notebook で書き捨てのスクラップを作る
プログラマーに最も人気のプログラミング言語とは？2025年2月のプログラミング言語人気ランキングが発表される
世界初の脆弱性AI探索をgoで実装し直した話 - Qiita
krish's blog • Parsing JSON in 500 lines of Rust
【時系列データ】衛星データの時系列分解を行う【STL分解】 - LabCode
Game Bub: open-source FPGA retro emulation handheld
Leaking the email of any YouTube user for $10,000
プログラムの言語変換 & ローカル依存ファイルの集約を行うワークフロー（LangGraph・並列処理）
なぜ「Python」は世代やスキルを超えて愛されるのか