こんにちは。ダイの大冒険エンジョイ勢のbun913と申します。私はSDET(Software Development Engineer in Test)として、QAチームにいる何でも屋さんとして、私より優秀なみなさんが本質的なことに時間を使えるように日夜改善を考えています。 私は弊QAチームでのMCP活用として以下のような記事を書いておりました。 今回は最近話題の Agent Skills とあらかじめ作っておいたCLIツールを組み合わせて、QAチームが本質的ではない作業にかける時間とトークン消費量を大幅に削減する試みを紹介します。 内容自体はQAチームの取り組みですが、考え方やツールの使い方は他のことに流用できるのではないかと考えています。 先に背景とやったことをざっくり説明 背景: 前回までの取り組み 弊チームでは自動テストに力をいれつつも、手動テストの威力も大事にしています。実際探索
高速化のエンジニアリング。注文してから0.722秒。100倍速いぞ！Python : 75.884 C++ : 3.392 JIT Python : 0.722 JITコンパイラで高速化されたコードを自動生成するツール。 - Qiita
アリスは驚きと興奮を抑えきれませんでした。彼女はすぐに新しいコードを試し、その速さに目を見張りました。今まで数時間かかっていた計算が、ほんの数分で終わったのです。 翌日、アリスはこの発見を友人たちに話しました。友人たちも同じように魔法の本を使い、彼らのコードを高速化しました。こうして、プログラミング王国全体で「JITの魔法の本」が広まりました。 やがて、アリスは王国のプログラミング大会で優勝し、JITの魔法の本の力をさらに広めることになりました。彼女は「JITの守護者」として称えられ、プログラミング王国はかつてない繁栄を迎えました。 アリスはいつも心に誓いました。どんなに強力なツールも、それを使う人々の努力と情熱があってこそ、本当の力を発揮するのだと。彼女の言葉は次世代のプログラマーたちに伝わり、JITの魔法の本は永遠に受け継がれていくのでした。 前回のあらすじ。 Python count
はじめに 可能な限り避けたいのですが、稀に大量のExcelやExcel VBAを管理しなくてはならないときってありませんか？ App Scriptであれば、まだ管理する方法は幾つかあります。 しかし、ExcelやExcel VBAだと管理する方法が無く、どこかクラウド上のドライブで保管する。に行き着くことが多いです。 なにか良い管理方法はないかと色々と考えた結果、やはりGitで管理するのが良さそうだと思ったので、記事にしました。 Excel、Excel VBAをGitで管理する Excel、Excel VBAをGitで管理すると、結局バイナリ管理になります。 これらを解決するための手段として、Chart GPT から、Git XLをオススメされましたが、更新が停滞しており、使用に不安を感じました。 やはり、Excel自体はバイナリ管理するしかなさそう。。。というのが結論でした。 VBAの方
この記事は「はてなエンジニア Advent Calendar 2024 - Hatena Developer Blog」の 41 日目の記事です。昨日は id:masayosu さんの「AWS EKS Automode のノード管理について」でした。 はてなのマンガアプリチームで Android エンジニアをやっている id:mangano-ito です。 スクワット最強説 スクワットは筋トレの中でもオススメらしいのです。 理屈はよくわかってないけど、筋トレやるならスクワットがオススメだよみたいなことはよくきくと思います: diamond.jp ので、自分は風呂前や風呂中に気休め程度にスクワットをやっている。たまに変な腹筋もやっていますが…自分のヘソを見つめるやつ。 www.nisshin.com それはさておき、スクワットのいいところとしましては、映像をみながらやりやすいということです。
中間層をリピートするだけでLLM性能が向上する!? 4090x2でリーダーボードトップになった手法Repeat Your Self｜shi3z
この手法は、「LLM神経解剖学」と銘打ち、LLMのレイヤーが実際には何をやっているのか類推しようとする。 Ngによれば、LLMは入力層に近いところでは入力された言語から、LLMが使用する中間表現に変換され、出力層に近いところでは、中間表現から出力表現に変換される。 実際の「思考」は、中間層で行われているというのがNgの主張の中心である。 そこでNgは、グリッドサーチを行って、中間層をどのようにリピートすれば一番性能が上がるかというポイントを探った。これがRYS-XLargeというモデルだ。 RYS-XLargeは、LLMリーダーボードで並いるモデルを追い抜き、一位になった。重要なのは、RYS-XLargeは一切の再学習や事後学習を行っていないという点だ。 LLMリーダーボードでQwen2-72Bを抜いてトップにそして、このリーダーボードの闇の部分になるのだが、Ng自身はリーダーボードでトッ
Agent Skills対応Agentを作ろう｜はち
1. はじめに2025年末にAnthropicがAgent Skillsという機能をオープンスタンダード化し、Xなどでもよく話題になっていると思います。MCP然りでAnthropicはこういったスタンダード化をするのが上手いなと感心させられます。 色々議論されていると思いますが、Agentの開発を行っている私的にAgent Skillsのメリットは以下の2点だと考えています。 再利用性：1度作ったSkillを別エージェントでも使いやすい。 段階的開示(progressive disclosure)：そのSkillが必要になったときだけその詳細やスクリプトについてAgentが読み込むことができる。（プロンプトの圧縮につながる。） AnthropicとしてはあくまでClaude CodeやClaude APIでできることを増やしたいがためのオープンスタンダード化ということなのか、自作Agent
spaCy固有表現抽出(+Presidio)によるドキュメントの情報漏えいリスクチェック支援 - OPTiM TECH BLOG
R&D チームの徳田（@dakuton）です。記事冒頭に書くことが思いつかなかったので先日のGPT記事にあるサンプルを使ってみました。 試してみたところ、Tech Blog記事っぽい出力にはなりました。 入力(Prompt): R&D チームの徳田（[@dakuton](https://twitter.com/dakuton)）です。 出力: 皆さんおひさしぶりです。遅くなりましたが、11/18(金)に行われましたRuby Machine Learningの勉強会の模様を記事にしました。 サンプルは下記参照 tech-blog.optim.co.jp 背景 本題ですが、目的は本記事タイトルのとおりです。 参考: 個人情報保護委員会が個人情報を漏えい パブリックコメント参加者の氏名や所属先を誤掲載 - ITmedia NEWS 技術要素としては下記と同じような内容です。本記事ではこれをspa
2021年でも最強IoT物理ボタンなAmazonDashButtonで遊ぼう 〜セットアップ方法と、Pixela APIを叩く実例〜 - Qiita
2024-11-01追記 この記事を書いてから、3年ほど家庭で活用しています。 便利ですね。 たまにトラブるので、amazon-dashトラブルシューティングを書きました。 ご参考まで。 追記ここまで 2021年にもなって……と思うかもしれませんが、 実際のところ今でもAmazon Dash Button は、何かをトリガーする物理インタフェースとして、「早い・安い・美味い」の三拍子が揃ったガジェットであることは言うまでもありません。 逆に言えば2021年にもなって「ポチっと押したら何かが起こるIoTデバイス」がこんなに高価なモノばかり1だとは、、といったところでしょう。 この記事では、Amazon Dash Button を、単なる物理インタフェースのスイッチトリガーとして利用する方法と、私が実際に利用している実例(Pixe.laへの記録)を紹介します。 TL;DR ヤフオクかメルカリで
【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
Introduction Some part of me has always been fascinated with coercing code to run in weird places. I scratch this itch a lot with my security research projects. These often lead me to writing shellcode to run in kernels or embedded hardware, sometimes with the only way being through an existing bug. For those not familiar, shellcode is honestly hard to describe. I don’t know if there’s a very form
LLM推論を支える抽象化転送ライブラリ NVIDIA Inference Xfer Library (NIXL) について - NTT docomo Business Engineers' Blog
こんにちは、イノベーションセンターの鈴ヶ嶺です。 本記事では、NVIDIA Dynamo や vLLM などの LLM 推論フレームワーク向けに設計された高速・低遅延の抽象化転送ライブラリである NVIDIA Inference Xfer Library (NIXL) について解説します。 また、NVIDIA Dynamo に関してはこちらで解説していますので参考にしていただけると幸いです。 engineers.ntt.com まず、LLM 推論高速化(KV Cache)におけるメモリ転送の背景と課題をご紹介し、それを解決する NIXL の概要を説明します。 NIXL は Plugin により任意の転送方式を実装可能なアーキテクチャとなっています。実際に Custom Plugin を実装する方法についても紹介します。 背景と課題 NVIDIA Inference Xfer Library
はじめに これまでPythonとGoでプロセス管理システムを実装してきましたが、今回Rustでも実装してみました。各言語にはそれぞれ得意不得意があり、プロジェクトの要件によって最適な選択は変わります。変なとこがあれば教えてください。 この記事では、Rustでプロセス管理システムを実装した経験を共有します。標準ライブラリのstd::processだけでは不十分な要件があったため、より高度な制御が可能な実装を行いました。 doc.rust-lang.org サンプルコードはこちらに配置しておきます。 github.com Python、Go、Rustでの実装経験から見えた違い 3つの言語でプロセス管理を実装してきた経験から、それぞれの特徴をまとめます。 Pythonでの実装 subprocessモジュールは高レベルで使いやすい asyncioとの組み合わせで非同期処理も可能 GILの影響で真の
ChatGPT時代に必要かも!? Pythonで実行するファイルパース（PowerPoint編） | DevelopersIO
こんちには。 データアナリティクス事業本部 インテグレーション部 機械学習チームの中村です。 今回は話題のChatGPTにコンテキストを与える際に必要となるファイルパース処理について見ていきたいと思います。 PowerPointに焦点を絞ってみていきます。既存のライブラリ内の実装も確認していきます。 先行事例の実装 先行事例の実装として、よく話題となる以下のライブラリを見ていきます。 （LlamaIndexとLlamaHubはほぼ同じですが、parserとしては片方にしかないものもあるため） LlamaIndex https://github.com/jerryjliu/llama_index https://gpt-index.readthedocs.io/en/latest/index.html LlamaHub https://github.com/emptycrown/llama-
Bunkai(日本語文境界判定器)でPDFテキスト抽出の改行位置をいい感じにする - OPTiM TECH BLOG
R&D チームの徳田（@dakuton）です。 前回記事にてPDFの改行補正に関する記事を書いたあと、前回記事のような日本語文境界判定での利用に特化したBunkaiというライブラリが公開されたので、今回は続編として紹介します。 前回記事 tech-blog.optim.co.jp テストデータ 前回と同様、下記記事のPDFを使用しました。 財務省「ファイナンス」令和３年2月号 の「ポストコロナ時代を形作る、コロナ禍で生まれるDX（デジタルトランスフォーメーション)」 1 メディア掲載情報: 財務省が発行している広報誌「ファイナンス」の令和３年2月号に、当社代表取締役社長 菅谷 俊二の寄稿文が掲載されました。 Poppler(pdftotext)を用いた場合のテキスト抽出結果(冒頭部分のみ記載) $ wget https://www.mof.go.jp/public_relations/fi
今回は、Pythonを使ってWiFiの状態を管理・操作する方法について、具体的なコード例を交えて紹介します。WiFi接続をプログラムで制御することにより、接続の自動化やネットワーク情報の取得などが可能です。こうした機能は、ネットワーク管理やIoTデバイスの操作に役立ちます。Python初心者にも理解しやすいように丁寧に説明していきます。 必要なパッケージのインストール PythonでWiFi情報にアクセスし、操作するためには、専用のライブラリが必要です。ここでは、「wifi」と「subprocess」というライブラリを使用します。wifiライブラリはWiFiネットワークの管理を簡単にし、subprocessはシステムコマンドの実行に便利です。 まずはライブラリをインストールします。wifiライブラリは以下のコマンドでインストール可能です。 pip install wifi WiFiネットワ
はじめに Pythonを使ってOffice文書をPDF変換してみました。 ※ [LibreOfficeのsofficeコマンドでOffice文書をPDF変換してみた]も合わせてご参照ください。 やりたいこと Pythonを使って、Office文書をPDFに変換したい。 解決方法 Pythonのsubprocessモジュールを用いて、sofficeコマンドを実行する。 前提知識: LibreOfficeのユーザプロファイル ユーザーに関連するすべてのデータを格納するフォルダ 拡張機能やカスタム辞書、テンプレートなど LibreOfficeをアンインストールやアップデートしても削除されない カスタマイズした内容は保存される デフォルトの格納場所 Windows: %APPDATA%\libreoffice\4\user Linux: /home/<ユーザー名>/.config/libreoff
ちょっとしたツールのためにPythonからGitやDockerなどのコマンドを実行してゴニョゴニョする、ということはよくあるかと思います。 OSコマンドを手軽に実行するPython標準ライブラリ subprocess で頻用する機能について使い方を整理します。 docs.python.org 環境 $ python --version Python 3.6.8 subprocess Python上から他のプログラム (コマンド) を別のプロセスで実行することができる標準ライブラリです。 使い方はシンプルで subprocess.run(["実行したいコマンド", "オプションなど", ...]) でOKです。 結果はデフォルトでは標準出力に表示されます (= printを実行したときと同じ) import subprocess subprocess.run(["touch", "hoge.
Solanaからトランザクションを漁る話｜えｋ（えく）
これは、某IDOに関連して某マーケットアドレスを探すためにどうやってSolana上のトランザクションを漁っていたかのメモ書きです。騒ぎになっていた某所の人々は事情を知っている感じかと思いますので詳細は省いていきます。Qiitaに書こうかと思ったけど思ったより中身を理解してないので技術記事か？という感じだったのでざっくりと落書きだけ残していきます。えらい人にもっと賢い方法を教えてほしい。 まず、やったこととしては ・参考にSerumDEXにマーケットを作る際のトランザクションを確認するため、solana CLIを使って比較的新しいSTEP-USDCのマーケットアドレスのトランザクションシグネチャを全て収集（最新からの取得しか方法を知らないため） ・一番古いトランザクションをJSON RPC APIを使って取得。マーケットアドレスの初期化に使っているプログラムのアドレスを確認 ・今回目的として
Python製のタスクランナーを作ってみたので紹介。 タスクランナーとは タスクランナーとは、よく行う処理をタスクとして定義しておいて、コマンドラインから簡単に実行できるようにするツール。 ビルドのときに使われることが多いので、ビルドツールと呼ばれることもある。 たとえば、昔からある有名なものだと、GNU Makeとか。 あるいはRubyだとRakeが有名で、これはRubyの記述力の高さを十二分に活かしたものとなっている。 このタスクランナーの便利さは使ってみると分かって、とくにタスクやそれによって生成されるファイルに複雑な依存関係があったりした場合、依存関係を考慮して実行する処理を判断して必要な処理だけやってくれるのがとてもいい。 あるいは、複雑なコマンドを覚えたり、それを正しい順番で呼び出したりといったことも不要になるのもいい。 Pythonでのタスクランナー事情 そんなタスクランナー
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
MCPでやる必要のない業務をSkillsに置き換えてトークンと時間の消費を爆減してみた
Excel、Excel VBA をGitで管理する - Qiita
2025年、それはスクワットの時代 🏋️ - マンガ〜ノ伊藤ノ〜ト
prompts.chat - AI Prompts Community
Rust on MIPS64 Windows NT 4.0
RustでLinuxプロセス管理をしてみた - じゃあ、おうちで学べる
Pythonを使ったWiFiの拡張的な操作入門 - ITエンジニアが仕事に対して思うこと
Pythonを使ってOffice文書をPDF変換してみた - Qiita
Python: subprocessでOSコマンドを実行する - け日記
Python製のタスクランナーkumadeを作ってみた。 - いものやま。