Claude × Nano Banana Pro で料理漫画を自動生成するパイプラインを作った - Qiita
ページ,コマ,コマサイズ,シーン説明,キャラクター,セリフ,漫画部分プロンプト,実写料理プロンプト,備考 1,1,大,ユウタが和食を洋食っぽく盛り付けてしまう,ユウタ,肉じゃが作った！大皿にドーンと盛ったよ！,"被写体：ユウタがダイニングテーブルの前に立ち、大きな白い丸皿を持っている。得意げな笑顔。 構図：テーブルを挟んでユウタの上半身。 場所：1LDKマンションのダイニング、夜。 スタイル：よつばと!風、フルカラー、パステルカラー。","肉じゃがを白い丸皿に山盛り、洋食風の盛り付け、違和感がある",導入 1,2,中,ミナが微妙な反応,ミナ,美味しそうだけど…なんか和食っぽくないかも,"被写体：ミナがテーブルに座り、皿を見ている。首をかしげている。 構図：バストアップ。 スタイル：よつばと!風、フルカラー。",, """ Nano Banana Pro 画像生成（複数画像対応） Usage
REST API Design Best Practices Handbook – How to Build a REST API with JavaScript, Node.js, and Express.js
By Jean-Marc Möckel I've created and consumed many API's over the past few years. During that time, I've come across good and bad practices and have experienced nasty situations when consuming and building API's. But there also have been great moments. There are helpful articles online which present many best practices, but many of them lack some practicality in my opinion. Knowing the theory with
EC2で運用している分析基盤(Digdag + Embulk)をECS/Fargateに移行しました | ランサーズ（Lancers）エンジニアブログ
SREチームの安達(@adachin0817)です。最近ではランサーズ本家のインフラをコンテナに移行しまくっております。今回ランサーズとMENTAで運用しているEC2/分析基盤サーバー(Digdag + Embulk)をECS/Fargateに移行完了しました。では早速概要と苦労した点、今後の展望などを振り返っていきたいと思います。 分析基盤の紹介 > ランサーズの分析基盤(capybara)と運用について紹介 > MENTAをAWSに移行しました ちなみに私が入社して3年経つのですが、運用して変わったことは3年前よりデータの量が膨大になっていることと、現在、社内の分析チームにとって欠かせないシステムとなっております。その中でDigdagによるスケジューラーとEmbulkによるマルチソースバルクデータローダーである分析基盤専用のEC2サーバーがあり、毎日夜中にデータをBigQuryにシンク
Coding Agent が簡単に作れるよってよく聞くので、理解のために自分でも実装してみました。 なんかググってもNode.jsとかPythonとかGoとかで書かれているのばかりなのでせっかくだし自分が大好きなRubyで! リポジトリはここ: https://github.com/yoshiori/r2d2/ ModelとかはとりあえずGeminiつかってみる感じで、各セクションのその時のコミット貼って置きます。 最初のコード https://github.com/yoshiori/r2d2/commit/7c6145961bd6b71696c4630f55c86a6f25ec3556 プロンプトのテキストとかは長いので雑にコードを書くと最初はこれだけ。 ユーザーの入力受け取る Gemini に問い合わせ レスポンスを表示 を loop で無限にループするだけです。これがベースになるコー
はじめに 英語ドキュメントを読むのはつらい。 DeepLでもGoogle翻訳でも翻訳文章長のリミットがあったり、なんか日本語的に違和感があったりするものです。 そういう制限を解消しつつ、文書検索を簡単に「意図を理解」して提案してくれる環境をVSCode上に作ろう というお話をやっていきます この記事では触れませんが、セキュリティ文書って結構Red Teaming的なことを書くと、オンラインのAIエージェントは「回答拒否」するので、ローカルLLMを使って回答拒否しないものを作っています。 LLMをうまく選定すれば作れるのでやりたい人はやってみてください。 とはいえ、絶対的にローカルLLMである必要性はないのでオンラインでもよいです。 あくまでも回答拒否しないモデルを使うという点においてローカルLLMが適しているというだけです 環境準備 EVO X2の128GBモデルを買う(or 96GB以上
Update 1.97.1: The update addresses these security issues. Update 1.97.2: The update addresses these issues. Downloads: Windows: x64 Arm64 | Mac: Universal Intel silicon | Linux: deb rpm tarball Arm snap Welcome to the January 2025 release of Visual Studio Code. There are many updates in this version that we hope you'll like, some of the key highlights include: Next Edit Suggestions (preview) - Co
いま一部で話題のStable Diffusion。 ちょっと前から出ているMidjourneyと同じく、「画像生成AIが言葉から連想して絵を書いてくれる」というツール。 今はツールだけど、そのうち色々なアプリ、サービスのいち機能に自然な形で組み込まれると思います。 それが自分のPCでも動くらしい！ それなら無駄にありあまるGPUパワー(というほどでもないけど)を使ってみたい！！ と思い立ち触ってみたけれど、基本NVIDIA＝CUDA推奨。 誰かRADEON=AMDでやってる奴いるでしょ！ と思ったら意外と日本の記事が出てこなくて苦労しましたとさ。 バイブル基本この動画の通りにやっただけです。 が、これ系の知識が全く無かったので何回もやり直しました。 初めて動いた時は声がでたレベル。 当環境&必要なものCPU：AMD Ryzen 9 5900XGPU：AMD RADEON 6800XTMEM
Ever wanted to run a personal AI assistant that monitors your WhatsApp messages 24/7, but worried about giving it access to your entire system? Docker Sandboxes’ new shell sandbox type is the perfect solution. In this post, I’ll show you how to run NanoClaw, a lightweight Claude-powered WhatsApp assistant, inside a secure, isolated Docker sandbox. What is the Shell Sandbox? Docker Sandboxes provid
【GROMACS】Umbrella samplingによるMD simulation 【In silico創薬】【SMD】 - LabCode
Umbrella Samplingの概要と目的Umbrella Samplingは、分子がめったに起こさないような状態変化（たとえば、タンパク質同士が離れるなど）を詳しく調べるための計算手法です。通常の分子動力学（MD）では、エネルギー的に安定な状態にとどまりやすく、重要な変化が起こる確率が低いため、十分な情報が得られません。 たとえば、タンパク質AとBがくっついている状態から、少しずつ離れていく様子を観察したいとき、まずAとBを少しずつ引き離すSteered Molecular Dynamics（SMD）などのシミュレーションで、さまざまな距離の構造を取得します。その中から、0.5nm、0.7nm、0.9nmなど、特定の距離ごとに「窓（window）」を設定し、それぞれの距離でバネのような力をかけてMDシミュレーションを行います。これにより、その距離での分子の振る舞いをしっかり観察できま
--- name: skill-creator description: Guide for creating effective skills. This skill should be used when users want to create a new skill (or update an existing skill) that extends Claude's capabilities with specialized knowledge, workflows, or tool integrations. license: Complete terms in LICENSE.txt --- # Skill Creator This skill provides guidance for creating effective skills. ## About Skills S
はじめに 今回の記事の内容 記事にした動機 はてな はてなBoilerplate 概要 はてなBoilerplate 感想 企業(チーム)でブログを管理している人向けに細かなワークフローが多く用意されている 下書き記事がリポジトリ同期されてしまうのを防げる その他感想 Qiita Qiita CLI概要 Qiita CLI感想 セットアップが比較的楽 記事のプレビューが可能 過去記事も簡単に同期可能 投稿が気楽 その他 Qiita Sync概要 Qiita Sync感想 ファイル名やディレクトリ管理に融通がきく 画像の管理がしやすい 定期的な同期チェックが可能 その他 その他感想 Zenn 概要 セットアップが楽 画像の管理がしやすい プレビューが便利 その他 まとめ 最後に はじめに 今回の記事の内容 こんにちは、@Takayoshi_maです。技術に携わっている方であればQiit
A mega tutorial with dozens of examples on how to use the pathlib module in Python 3 When I started learning Python, there was one thing I always had trouble with: dealing with directories and file paths! I remember the struggle to manipulate paths as strings using the os module. I was constantly looking up error messages related to improper path manipulation. The os module never felt intuitive an
fsspec: Filesystem interfaces for Python — fsspec 2025.9.0.post0+gf84b99f0d.d20250905 documentation
fsspec: Filesystem interfaces for Python Filesystem Spec (fsspec) is a project to provide a unified pythonic interface to local, remote and embedded file systems and bytes storage. Brief Overview There are many places to store bytes, from in memory, to the local disk, cluster distributed storage, to the cloud. Many files also contain internal mappings of names to bytes, maybe in a hierarchical d
Linux is an interpreter
This is a standalone addendum to an earlier four-part series. Reading the previous parts is not required. Links to previous parts, if you are interested: Part 0: curl > /dev/sda Part 1: Swap out the root before boot Part 2: How to pass secrets between reboots The 3rd and final part: The little chicken shed that could Part 5: you are here In a previous article, I left you with this mysterious comma
Packageとは Module(モジュール)とは go.modとは go.sumとは コマンドの意味 go get [import path] go install [import path] go mod init [import path] go mod tidy 試してみよう Moduleを作ってインストールしてみる Goを操作する上で基本となるPackageやModule、またそれに関連するコマンドなどについていろいろとまとめていきます。 ※前提としてGO111MODULEが設定されていないGo 1.13〜を基本としているので、それ以前のバージョンの場合は対象外となります ※今回の前提の環境はGo 1.16です How to Write Go Code - The Go Programming Language Packageとは 同じディレクトリに存在するソースコードファイル群
Raspberry Piの WiFiでモニタモードでパケットキャプチャする方法、もとい、AirDropを動かす方法 (ラズパイで Appleの AirDropプロトコルでファイルの送受信を OpenDropで行なう方法 NexMon OWL AWDL)
Raspberry Piの WiFiでモニタモードでパケットキャプチャする方法、もとい、AirDropを動かす方法 (ラズパイで Appleの AirDropプロトコルでファイルの送受信を OpenDropで行なう方法 NexMon OWL AWDL) Tags: [Raspberry Pi], [電子工作], [セキュリティ] ● Raspberry Piの WiFiでモニタモードでパケットキャプチャする方法、もとい、AirDropを動かす方法 ラズパイで Appleの AirDropプロトコルでファイルの送受信を OpenDropで行なう方法 NexMon OWL AWDL Nexmon NexMon ラズパイの WiFiを「モニタモード」で動かす為のパッチ # Raspberry Pi OS (previously called Raspbian) # https://www.ras
今回は教師なしの文章ベクトル化手法である MixCSE の検証です。教師なし学習ですから教師ありの手法よりは精度的に不利でしょうが、局面によっては役に立つケースもあるのでは？と試してみることに。公開されているコードは transformers ベースなのですが、今回は Colab の TPU で動かしてみたので、その方法も紹介しますね。 1. はじめに 今回は教師なしの文章ベクトル化手法である MixCSE1 の検証をしてみました。 本連載では文章ベクトル化のモデルとして、 Sentence BERT を取り上げたこと(第9回, 第18回)がありますが、品質の良いベクトルを生成する為には大量かつ良質の教師データが必要でした。 法律や特許のような特定領域に特化した文章を扱う局面では、対象領域の文書で学習したモデルを使いたいところですが、特定領域限定の都合良いデータはなかなか手に入りません。そ
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
Ruby で作る Coding Agent - 宇宙行きたい
VSCodeとローカルLLM（gpt-oss120b）で和訳・RAGする - Qiita
January 2025 (version 1.97)
CUDAなんてない！Ryzen + RADEONのAMD環境でもStable
Run NanoClaw in Docker Shell Sandboxes | Docker
prompts.chat - AI Prompts Community
エンジニアでも運用しやすいTechBlogの仕組みを作ろう！ - ABEJA Tech Blog
Python pathlib Cookbook: 57+ Examples to Master It (2022)
【Go】パッケージ/モジュールやgo modコマンドについてまとめ - フラミナル
はじめての自然言語処理 MixCSE による教師なし文章ベクトル生成 | オブジェクトの広場