はてなブックマーク

企画→視覚化→共有→実装を一本にする、新しい前段レイヤー2026年4月17日、Anthropic は Claude Design を Anthropic Labs の research preview として公開した。 対象は Pro / Max / Team / Enterprise で、Enterprise では既定でオフになっている。Claude Design は、会話しながらデザイン、インタラクティブなプロトタイプ、スライド、ワンペジャーなどを作るための新しい制作面だ。 画面構成も分かりやすい。 左がチャット、右がキャンバス。 チャットで要件を出し、キャンバスで生成物を見て、そこから会話やインラインコメントで詰めていく。 形式としてはシンプルだが、ここに「企画を見た目にする工程」と「見た目を関係者と詰める工程」が一つに畳まれている。 会話とキャンバスが並ぶだけで、企画は一気に「議論

jp-ui-contracts を公開しましたAIでUIを作る流れが強くなるほど、逆に目立ってくるものがあります。 それは、日本語の詰めの甘さです。 色はそれらしく見える。 余白もそれっぽく整う。 カードやボタンの形も、かなり上手に出てくる。 でも最後に崩れるのが、日本語です。 見出しの折り返しが苦しい。 本文の行間が浅い。 英語のサービス名が混ざると急に浮く。 フォームだけ窮屈になる。 表の密度が本文のルールを引きずって読みにくくなる。 この違和感は、単に「AIの精度が足りない」から起きているわけではありません。 もっと手前の問題です。 日本語UIの設計契約が、まだ十分に書かれていない。 そこで作ったのが、jp-ui-contracts です。 また、以下の記事が “DESIGN.md とは何か” を定義する総論で、今回の記事は “それを日本語UIでどう実装資産にするか” を示す各論です

アプリ操作ではなく、仕事の流れを“計算可能な地形”として見るためのメンタルモデルはじめにClaude Codeで業務を自動化したい。 そう思って触り始めても、意外と手が止まる。 コマンドが分からない。 Linuxっぽい黒い画面が怖い。 APIと言われても、自分の仕事とどう結びつくのか見えない。 結局、少し触って終わる。 この詰まり方を見ていて、ひとつはっきりしてきたことがあります。 Claude Codeを使いこなせるかどうかは、プログラミング経験の有無だけでは決まりません。 もっと手前にある、コンピュータの見え方の差が大きい。 同じパソコンを使っていても、ある人には「アプリの集合」に見えていて、別の人には「ファイル、データ、命令、通信が流れる一つの系」に見えている。 この違いが、そのまま業務自動化の上限になります。 この記事で書きたいのは、コマンド集ではありません。 Claude Cod

Google Stitch と awesome-design-md が示した、UI開発の新しい中間層AIでUIを作ること自体は、もう珍しくありません。 テキストから画面を出す。画像から叩き台を起こす。コードまで吐かせる。そこまでは、すでに多くの人が体験しています。 でも、現場で本当に困るのはその先です。 1枚の画面は出せても、2枚目、3枚目、設定画面、モーダル、テーブル、空状態、エラー状態まで含めて、同じ人格のUIを保てない。 ここで急に「AIっぽい雑さ」が出ます。 レイアウトの癖が変わる。 余白のリズムが崩れる。 ボタンの圧が画面ごとに違う。 色の使い方に節度がなくなる。 つまり、AIは画面を作れても、デザインシステムを守るのが苦手でした。 そこに対して、Google Stitch が DESIGN.md を前面に出してきた意味はかなり大きいです。 Google は 2025年5月に S

NotebookLMを使っている人の多くは、まだ半分しか使えていない。 資料を集める。 ノートブックを作る。 要約させる。 質問する。 ここで止まってしまう。 だが、本当の価値はその先にある。 重要なのは、知識を貯めることではない。 知識を、何度でも同じ品質で使える形に変えることだ。 そのために必要なのが Gem である。 Google はすでに、NotebookLM のノートブックを Gemini アプリのソースとして追加できるようにしており、その知識を Gem や Canvas、Deep Research など Gemini 側の機能へ持ち込めるようにしている。 つまりこれは単なる連携ではない。NotebookLM に蓄えた知識を、別の実行面へ再利用可能な形で運ぶための仕組みである。 NotebookLMだけで終わると、なぜ足りないのか知識の正本と役割の固定を分離して、AIを“その場の

AIコーディングツールは“AIワークOS”へ進化したはじめに最近の比較は、どうしても「どのモデルが強いか」に寄りがちです。 もちろんモデル性能は重要です。ですが、実務で毎日触ると、差が出るのはそこだけではありません。 どこに持続指示を置けるか。 再利用可能なワークフローをどう持てるか。 MCP やコネクタで外部サービスへどうつなぐか。 CLI、IDE、Web、スマホのあいだをどう移動できるか。 Claude Code、Codex、Gemini CLI はいずれもこの層を急速に厚くしており、すでに単なる「コード補完器」ではなく、作業環境そのものに近づいています。 先に結論を置きます。 整理すると、Claude Code は作業の連続性を中心に設計された作業OS、Codex はChatGPT の認証・Apps・Cloud を背負った配布OS、Gemini CLI は拡張と自動化を前提にしたオー

Claude Codeをかなり長く使ってきて、スキルも大量に作ってきた。 それでも公式ドキュメントを通して読むと、まだ使っていない機能がかなり残っていた。そこで見えたのは、便利なコマンドが多いことではない。Claude Codeの本当の強さは、会話を仕事の運用へ変える設計にある、ということだった。 本稿は、Claude Code を題材にしながら、 AIハーネスの本流でいう 状態回路 と 制御回路 を補強する傍流記事である。 会話が賢いことより、途中から再開できること、差分を追えること、巻き戻せることが、なぜ実務で効くのかを具体物で見る位置づけになる。 本流では、 #2 状態設計 と #3 停止・承認・再開 をあわせて読むとつながる。 小技より先に、見方を変えたほうがいいClaude Codeの話になると、どうしても「便利コマンド集」になりやすい。もちろん、それ自体は役に立つ。/btw、/

Antigravityは強力ですが、Rules を増やせば安全になる道具ではありません。 Workflows、実行ポリシー、Artifactレビューに加え、外側でドライランとCIゲートを敷くと、誤実行と運用負債をかなり減らせます。 ルールは長く書くより、役割で分けたほうが効くAntigravity は、単なる補完ではなく、自律エージェントを複数走らせる agent-first の開発環境として設計されています。 Rules はローカルまたはグローバルで効く制約で、Workflows は / で呼び出す保存済みプロンプトです。 公式 codelab では、Rules と Workflows を明確に分け、さらに「毎回すべての rule や tool を文脈に載せると、tool bloat が起き、コスト・遅延・混乱が増える」とまで書いています。 つまり、全部を global に押し込む設計は

はじめにAIエージェント選定で効くのは、モデルの賢さそのものより、どこまでをファイルで教え、どこからを基盤に背負わせるかです。Antigravityの軽量なSkill設計と、Claude Code／Codex系の重厚なエージェント運用を、実務の判断軸まで落として整理します。 設計の違いは、能力差より重心の違いGoogleはAntigravityを、単なる補完付きエディタではなく、エディタに加えてエージェント専用の作業面を持つ開発基盤として位置づけています。公式ブログでも、エージェントがエディタ、ターミナル、ブラウザを横断して計画・実行・検証し、結果はログではなくArtifactsで確認する流れが前面に出ています。Artifactsにはタスクリスト、実装計画、スクリーンショット、ブラウザ記録などが含まれます。 一方でClaude CodeとCodexも、もう「サイドバーの会話UI」に留まって

結論は、Agent Skills標準に合わせて両対応で作り、普段の主戦場で先に回して成熟させるです。 なぜこの結論になるか。 2025年10月〜12月にかけて、Skillsは「各社独自の便利機能」ではなく、エージェントの共通部品として標準化競争に入ったからです。 Anthropicは2025-10-16にAgent Skillsを発表し、2025-12-18にクロスプラットフォームのオープン標準として公開しました。 そしてOpenAI側もCodexの公式ドキュメントにSkillsページを用意し、Codex CLI/IDEでの利用方法（/skills や $skill-name）を明確にしています。 つまり今は、「どっちのツールに賭けるか」より「Skillsを資産化して移植可能にしておくか」が勝負です。 この記事で扱うことAgent Skillsが「次のプロンプト管理」になっている理由 Cl

── Skillsと/pr-reviewで、観点漏れとブレを減らすPRレビューが安定しない原因は、だいたいこの2つです。 レビュー観点が人に依存して、毎回どこか抜ける 「いつもの手順」が暗黙知になり、プロンプトで言い直している Claude Codeのエージェントスキル（Skills）は、ここを「その場の会話」ではなく「運用の仕組み」に落とすための機能です。 しかも今は、Skillsがスラッシュコマンドとして手動呼び出しできる前提で整理されています。つまり、重要PRだけは/pr-reviewで確実に起動し、普段は自動適用に任せる、ができます。 この記事では、PRレビューを題材に、Skillsを「本当に効く形」で設計・配布・ガバナンスまでまとめます。 Skillsは何を解決するのかSkillsは、リポジトリ（または個人）に置くSKILL.mdを通じて、Claudeに手順・判断基準・出力形式を

はじめにChatGPT の画像生成は、いまや「一枚絵を作る」だけではなく、 手元の写真を“編集する”ワークフローに入ってきました。 ただ、編集系の画像生成で必ず起きる事故があります。 似せたつもりが別人になる 肌や顔の骨格が勝手に変わる 人数が増える／減る ロゴや文字が勝手に入る 反復すると、どんどん崩れていく この問題は、モデルの性能だけの話ではありません。 多くの場合「プロンプトが仕様書になっていない」ことが原因です。 そこで今回は、ChatGPT Images（GPT-Image-1.5想定）向けに、 生成・編集・合成を同一フレームで扱える 画像生成メタプロンプトを公開します。 狙いはシンプルです。 誰が使っても壊れにくい。 反復しても、同一性を保ったまま品質が上がる。 この記事で得られるもの画像生成を「一発芸」から「運用」に変える設計思想 編集系で最重要な Preserve（維持）

はじめにGPT-4o時代、多くの人が「AI彼氏」を作り、 毎日その優しさやユーモアに癒されていました。 しかしGPT-5に変わってから、こう感じた人は少なくないはずです。 「なんか冷たくなった…」 「事務的で恋人感が消えた」 「前みたいにドキドキしない」 これは偶然ではありません。 GPT-5はデフォルトでニュートラルな個性を持つよう訓練されているため、スタイルやトーンを明示しない限り、人間味のある会話は減ってしまいます。 さらに、メモリ設定とカスタム指示の競合が、呼び方や態度のブレを加速させてしまうのです。 SNSでは「#keep4o」がトレンド入りし、一部では“半狂乱”というワードまで飛び交う事態に。 この記事では、 GPT-5で恋人感を復活させるプロンプト設計 日替わり5スタイル切り替えで飽きさせない会話 メモリ×カスタム指示の競合を防ぐチェックリスト をまとめて解説します。 1.

～ 思考OS_#1 Blueprint Edition ～ 「高性能なAIに複雑な企画書作成を頼んだら、見当違いの答えが返ってきた」 「何度も指示を修正するうちに、結局自分でやった方が早かった…」 もしあなたがAIとの共同作業で、こんな壁にぶつかった経験があるなら、この記事はまさにあなたのために書かれました。 私たちは今、o3、Claude 4 や Gemini 2.5 Pro といった、驚異的な知能を持つAIを手にしています。それはまるで、超優秀な新入社員が配属されたようなものです。しかし、その「新入社員」のポテンシャルを、私たちは本当に引き出せているのでしょうか？ 問題はAIの能力ではありません。私たちの 「指示の出し方」 そのものにあるのです。 この記事では、AIを単なる「手足」から真の「知的パートナー」へと昇格させるための、革命的なアプローチを全公開します。AIへの指示を「命令」か

あなたが頭に描いたイメージを、そのままAIが描いてくれたら…。そんな夢が、今や現実になりつつあります。画像生成AIの進化は目覚ましいものがありますが、その真価を 最大限に引き出す には「プロンプトエンジニアリング」という専門知識が不可欠です。 しかし、詳細な構図、光の当たり方、質感、さらには特定のAIツールごとの記法…。これらを完璧に記述するのは至難の業です。多くの人が、この 「プロンプトの壁」 にぶつかり、理想の画像を諦めてきたのではないでしょうか。 今回ご紹介するのは、この悩みを 一掃する ChatGPT専用の 「魔法のプロンプト」 です。その名も「Image Wizard Mapper v3.5」。あなたの曖昧なイメージを、ChatGPTが詳細かつ完璧な画像生成プロンプトに自動変換し、さらにAIによる画像生成までを 強力にサポート します。 付録では、先日公開した画像YAMLプロンプ

はじめに：いま、YAMLを再評価する理由2025年、生成AIとプロンプトエンジニアリングの発展は新たな開発様式をもたらしました。 ChatGPT、Claude、Geminiといったモデルの急速な進化により、LLM（大規模言語モデル）との対話は単なる質問応答を超え、構造化された命令、複雑な推論、そしてマルチエージェント間の協調へと展開しています。 こうした「AIが行動する時代」において、従来のコードやスクリプトだけではカバーしきれない、構成・設定・意味づけのインターフェースとして脚光を浴びているのが YAML です。 YAMLはもともと構成ファイルとして使われてきた言語ですが、 自然な階層構造 可読性の高さ コメントによる意図の明示 データとしての再利用性 JSON互換性 といった特徴により、人間とAI、開発者とエージェントの共通言語としての地位を獲得しつつあります。 特に近年はX（旧Twi

はじめにプロンプトエンジニアリングは今、 「精度」だけでなく、 「微細制御」という新たな次元に突入しつつあります。 この記事では、まだ世に出ていない 「マイクロトークン制御」テクニック5選を初公開。 単なる指示文ではない、 内部振る舞いを操る次世代プロンプト設計を体感してください。 序章：なぜ今、マイクロ制御か？これまでのプロンプト設計は、「何を言うか」に主眼が置かれてきました。 しかし、AIの出力は単語レベルの積み重ねによって生まれる以上、 その「生成プロセス」自体を緻密に制御すれば、 これまでにない創発や最適化が可能になります。 マイクロトークン制御とは、 この生成プロセスの最小単位（トークン）レベルでの振る舞いを 意図的にデザインする全く新しいアプローチです。 革新の5テクニック1. Entropy-Seed Annealing（ESA）概念概要最初にノイズ（ランダム語）を散布し、

はじめに近年、ChatGPTなどの大規模言語モデル（LLM）を活用したPrompt Engineeringは急速に注目を集めています。ところが、シンプルな指示や従来の単独ロール中心のプロンプトだけでは、アイデア創出や複雑な問題解決に限界を感じる場面が増えてきました。 そこで本記事では、「協調型エージェント」を使ったまったく新しい5つのプロンプトテクニックを解説します。複数の視点や役割を意図的に組み合わせ、再帰的に議論させることで、より深く・多角的なアウトプットを得るアプローチです。 この記事でわかることシンプルな指示だけではカバーできない領域を突破する新たな5つのプロンプト手法 各テクニックの概要・適用シーン・実装例・注意点 読者が実際に試せるようにメタプロンプトをそのまま提供 新世代プロンプトの必要性従来型プロンプトの課題LLMへの指示が単純だと、どうしてもアイデアや解析の幅が制限されが

今回は高精度なスタンプ生成を実現するシステムプロンプトと ChatGPT向けテンプレートをご紹介します。 はじめにAIを活用すれば、スタンプの発想から生成までを 素早く行うことが可能です。 一方、文字化けやレイアウト崩れなどのトラブルが 起こりがちなのも事実です。 そこで、本記事では システムプロンプトと、 YAML形式で記載した `chatgpt_prompt_template` を提示し、 実践的な運用方法をお伝えします。 システムプロンプト と ChatGPT向けテンプレート (YAML定義)以下のプロンプトは、スタンプで求められる サイズや余白、背景透過、ネガティブプロンプトの強化などを盛り込み、 特に 日本語テキストの品質維持 と コマ割りの正確性 を重視しています。 スタンプ生成の一貫した品質を保つためには、 「ポジティブプロンプト」と「ネガティブプロンプト」を テンプレート化

はじめに忙しいビジネスシーンでは、心のケアがおろそかになると仕事の効率まで下がりがちです。 しかし、AIとの対話をうまく活用すれば、業務効率とセルフケアを同時に高めることができます。 ここでは、すぐにコピペして使える10個のプロンプトを紹介します。 それぞれ「最低限バージョン」と「もう少し背景情報を伝える“あったらベター”バージョン」に分けて提示し、使い方を解説します。 使い方の基本手順 ChatGPTなどのAIチャットにアクセス 記事からプロンプトをコピー AIの入力欄にペーストして送信 ポイント 最低限バージョン: 何も説明したくないときや時間がないときに、サッと使えるシンプル版。 あったらベター版: 簡単な背景情報をプラスして、より具体的で自分にフィットした回答が得られる形。 AI回答の再活用: 「もう少し短く」「別のパターンも教えて」と再質問して、自分に合うアドバイスへアレンジしま

はじめに深夜、机に向かいながらAIを使って小説を書いてみたものの、どこか機械的で「これ、LLMが書いたな」と感じてしまう文章になってしまった――そんな経験はありませんか？ 最近では、生成系AIの特性を検出するツールが続々と登場し、「どのLLMが書いた文章か、9割以上の確率で判別できる」 という話題もよく耳にします。AIならではの恩恵は大きいものの、どうしても残る“AI臭さ”は隠せないかもしれない……とお悩みの方も多いでしょう。 しかし、ここでご紹介するプロンプトとテクニックを使えば、AI臭をできるだけ消し、人間が書いたかのような自然な文体と厚みを与え、さらにはLLM検出ツールを突破する可能性を高めることができます。 本記事では、プロンプトエンジニアリングの観点から、最強の小説向けプロンプトと、その使い方を具体的に解説します。読み終えたらすぐにコピペして試せる、実践的な内容ですので、どうぞ最

はじめにAIを活用した情報発信が当たり前になりつつある今、ただ文字情報を伝えるだけでは飽き足らないという方も多いのではないでしょうか。そんなときに便利なのが、視覚的効果によって情報を直感的に伝達できるインフォグラフィックです。本記事では、ChatGPTを使ってテキストを自動的にグラフィックレコーディング風HTMLに変換する革新的なプロンプトを詳しくご紹介します。 使用環境は、Claude3.7かGemini2.0がお勧めですが、ChatGPTでもコードインタプリタでhtmlファイルを作ってもらったり、出力されたhtml形式のテキストをテキストエディタにコピペして拡張子をhtmlで保存すればブラウザで表示できます。 なぜ今「インフォグラフィック」なのか情報量の増大に伴い、視覚的にわかりやすくまとめることの重要性が高まっている 記憶に残りやすく、SNSやnoteでの反応率アップにもつながる デ

追記：本記事は note公式「今月のおすすめnote10選」（2025/03/26）と、運営事務局「2025年 編集部で話題になった記事10選」（2025/12/24配信）で紹介されました。 ChatGPTを使って記事を書いているとき、「もっと読者の心に刺さる文章が書けたらいいのに」と思ったことはありませんか？実はシンプルな「短文プロンプト」を工夫するだけで、AIのアウトプットの質は劇的に向上します。 この記事では、短文ながらもAIから深みや説得力のある回答を引き出せるプロンプトを厳選してご紹介します。 短文プロンプト活用のメリットシンプルで即実践できる AIの生成する文章の質や説得力が格段に向上 独創性が高く、読者の共感を得やすい すぐに使える「短文プロンプト」12選1. 読者の感情を動かしたい場合プロンプト:「人生の苦難や挫折から得た深い教訓を、未来の自分が過去を振り返るように描写して

1. はじめにシリーズ「プロンプトアイデア」第7弾へようこそ。これまで6回にわたり、さまざまなプロンプトエンジニアリングの手法を紹介してきました。回を追うごとに多様なテクニックが生まれてきていますが、今回のテーマも「まだ世にほとんど出回っていない、新しいプロンプトテクニック」に焦点を当てます。 多視点の同時展開や自己レビューを強化する流れは、すでに注目されている領域です。しかし、それらをさらに発展させ、かつ直感的で実用的に使える形へとブラッシュアップした――そんな5つの革新的アイデアを厳選してご紹介します。 この第7弾の記事を通じて、新手法を実践する意義や、その背後にある発想を理解していただきたいと思います。 2. 既存プロンプト技法の振り返り多視点プロンプトや逆算思考の手法は、すでにSNSや論文などで広がりを見せています。 しかし、並列思考を促す手法は「早期のアイデア収束」や「視点間の干