はてなブックマーク

最近のご時世ではみなさん厳しいフィードバックをもらうことも減ってきたと思います。僕も同じです。でも、そんな感じで過ごしているとどこか物足りない感覚に襲われることはありませんか？　少なくとも僕はあります。というわけで、昭和スタイルで気合いの入ったフィードバックをしてくれるGPTsを作成してみました。僕はとても満足しているので、みなさんにも共有します。返答によってはマジで厳しいので、ご利用は自己責任でお願いします。気合いと根性でしばかれたい人はぜひ触ってみてください。 GPTs：鬼のコーチ 鬼のコーチからの返信例を以下に示します。今回は試しに、「日本の大企業で社長になるにはどうすればいいと思う？」 みたいなことを聞いてみました。なかなかいい回答を返してくれています。ぜひ読んでみてください。 🔥 お前が大企業の社長になるための完全ロードマップ 🔥 お前、大企業勤めで「特に辞める気もない」と言

ExcelをLLMに読み込ませたいけれど、そのままだと読めないと思うから、いったんMarkdownに変更してみたけれど、そこから先の精度がうまく出ないし、どうしたらいいかもわからない……。みなさん、そんな経験はありませんか？　僕はいまそうなっています！ というわけで、ChatGPT(樋口作のGPTs"鬼")にいつも通り聞いてみたところ、なるほどと思ったので備忘もかねてやりとりを残しておこうと思います。 樋口： LLMにExcelで書かれた設計書を読ませてテストパターンを生成させたいんだけど、コツを教えてほしい。ExcelをMarkdown化してプロンプトに入れてるんだけど、カラムとセルの関係がいまいちちゃんと判別されないように見える。あと、空白セルや-としか記載されていないセルの意味を理解していないように見える。そういう、Excel独特の２次元マトリクスを自然言語のプロンプトに落とし直すた

タイトル通りです。「（やろうと思えば）おれはいつでも独立できるぜ」という気持ちを持ち、日々の仕事に余裕を与えるために、「起業アドバイザー」と「起業用LPテンプレ」をAIで作りました。「起業アドバイザー」はGPTsで、「起業用LPテンプレ」はClaude Artifactsで作成しました。「起業アドバイザー」はGPTsであるがゆえに誰でも触れるので、触ってぜひ起業してください。また、LPの内容はAIスモールビジネスの教科書のような内容になっているので、読むだけでも勉強になります。こちらもあわせて参考にしてみてください。 起業アドバイザー 起業用LPテンプレ(AIスモールビジネスを想定) LLM登場以降、現職をなげうってLLMに全ての時間を投資してキャッチアップし続ける「LLM無職」という人々があらわれましたが、これはほんとうにすごいことだなと思っています。変化の激しい時代においてすごく重要な

家庭用GPUでLlama 4を動かす方法：複数のRTX 4090でH100級の環境を構築する はじめに Metaが発表した最新の大規模言語モデル「Llama 4」は、その高い性能で注目を集めています。しかし、公式によると最小でもNVIDIA H100 GPUが必要とされており、一般ユーザーにとっては簡単に利用できる環境ではありません。H100は価格が高く（数百万円以上）、入手も困難な状況です。 そこで本記事では、比較的入手しやすい家庭用GPU（RTX 4090など）を複数枚使って、H100に匹敵する環境を構築し、Llama 4を動かす方法を紹介します。この方法により、より多くの開発者やAI愛好家がLlama 4の可能性を探求できるようになります。 なお、Llama 4自体の詳しい解説は以下の記事に譲りますので、そちらをご参照ください。 本記事では、複数GPUのセットアップ方法と、実際にLl

Llama 4: Metaがもたらす新時代のマルチモーダルAI革命 はじめに 2025年4月5日、Meta AIは待望の新しいAIモデルファミリー「Llama 4」を正式に発表しました。このLlama 4は、Metaにとって初めてのネイティブマルチモーダルモデルであり、また初めてMixture of Experts（MoE）アーキテクチャを採用したモデルでもあります。 現代のAI開発において、オープンソースモデルの重要性はますます高まっています。特に、日常生活でAIを活用する人々が増える中、先進的なモデルとシステムが広く公開されることで、誰もがパーソナライズされたAI体験の未来を構築できるようになります。 この記事では、Llama 4の革新的な特徴、その技術的背景、競合他社のモデルとの比較、そして将来の展望について詳しく解説します。AI技術者として、この新たなモデルがもたらす可能性と影響を

AIを用いたサイバー攻撃の最前線：次世代防御戦略の構築法 はじめに サイバーセキュリティの世界は、AIの台頭によって劇的に変化しています。かつてないほど高度で洗練されたサイバー攻撃が日々発生し、従来の防御手法はその対応に苦慮しています。特に2024年から2025年にかけて、AIを活用したサイバー攻撃は質・量ともに急増し、企業や組織のセキュリティ担当者に新たな課題をもたらしています。 PwCが実施した「2025年 Cyber IQ調査」によると、経営層が最も懸念しているリスクは「サイバー攻撃」であり、特にAIを用いた新種の攻撃に対する危機感が高まっています。従来のセキュリティ対策は、既知の攻撃パターンやシグネチャに基づく検知が中心でしたが、AIが生成する新たな攻撃手法には十分に対応できていません。 本記事では、最新のAIを活用したサイバー攻撃の実態を解説するとともに、これらの脅威に対抗するた

はじめに 2025年4月2日、Gensparkより画期的な汎用AIエージェント「Genspark Super Agent」が発表されました。 本記事では、その概要と特徴をまとめ、実際にどのようなタスクを自動化・高速処理できるのかの解説と実際に触ってみた感想をお伝えします。 Genspark Super Agent とは Genspark Super Agentは、日常的なタスクを真に自律的に考え、計画し、実行し、ツールを利用して処理できる、高速かつ信頼性の高い汎用çです。 さまざまなツールを自動的に使用するオールインワンのスーパーエージェントとして設計されており、ユーザーの代わりに複雑なタスクを処理できます。 主なテーマと重要なアイデア 日常タスクの自動化 旅行計画・予約 レストラン予約 動画コンテンツの要約 市場調査とレポート作成 コンテンツ制作（動画、ポスター、ウェブサイト） プログラ

はじめに 今回は、現代のWEB開発で最も使用されている言語/フレームワークであるTypeScript/React/Next.jsについて学ぶために、私がおすすめしたい学習資料についてご紹介したいと思います。 非常に有用で、初心者から中級者、上級者まで幅広い層に向けた内容が含まれていますので、時間を見つけて是非読んでみてください。 ※TypeScript/React/Next.jsって何？という方のために、簡単に以下にそれぞれご説明いたします。 TypeScript Microsoftが開発した、JavaScriptを拡張したプログラミング言語。JavaScriptに比べ、型安全性の向上によるエラーの早期発見や、型注釈でコードの意図を明確にすることによる可読性/メンテナンス性の向上が期待できる。現代のWEB開発においては、ほとんどの開発者がJavaScriptからTypeScriptへ移行し

目的に合わせた4つのエージェントレベルがある Agnoなら目的に応じて、簡単な推論エージェントから複雑なチームまで作成可能： レベル0：基本推論のみ レベル1：外部ツールでタスク実行 レベル2：知識ベースとメモリを統合 レベル3：複数エージェントのチーム運用 AIエンジニアリングは、ソフトウェアエンジニアリングである AI製品の開発においては、80%が通常のPythonコードで解決可能であり、残りの20%にAIエージェントを活用することで効率化を図ります。Agnoはこのような用途に最適化されています。 Agnoは馴染み深いif、else、while、forなどの標準的なプログラミング構文を使い、シンプルかつ明確にAIロジックを記述できます。複雑な抽象化を避け、誰にでもわかりやすいコードを実現しています。 シンプルなコードでエージェントを定義 例えば、WEB検索を行うAIエージェントは以下の

1. はじめに 日本時間2025年3月25日、Microsoftが自社開発のブラウザ自動化ツールPlaywrightがModel Context Protocol (MCP)に対応したと発表しました。この発表は一見すると技術的なアップデートの一つに過ぎないように思えますが、実は生成AIとブラウザ自動化の融合という観点から見ると、ビジネス現場に大きな変革をもたらす可能性を秘めています。 これまで生成AIは主に情報提供や内容生成が中心でしたが、MCPに対応することで、AIがブラウザやデスクトップアプリケーションを直接操作できるようになります。つまり、AIが「考える」だけでなく「行動する」能力を手に入れたといえるでしょう。本記事では、PlaywrightのMCP対応の概要と技術的背景、そしてこれによって可能になる新たなビジネスユースケースについて解説します。 また、後半で試しにClaude fo

とりあえず 下にも書いてますが、とりあえずManusの成果物のこれ見てほしい。DeepResearch的な使い方をした、成果物です。 はじめに AI技術の進化はすごすぎて、ChatGPTが登場したのが今となってはいつのことやら、といった隔世の感があります。その後、Claudeが出て、Artifact すげーーとなり、またそのあとAIエージェント型のツールが様々登場し、Cline、Devin、Cursor など自律的なツールがどんどんの世の中に登場し、これどーなっちゃうの！と毎日感じてます。 自分たちだけで内輪で盛り上がるのももったいないので、以下のようなイベントを定期的に名古屋で開催して、外部の人ともナレッジ共有したり、と日々行っています。 で、また最近登場した中華製のAIツール「Manus」は、出始めた当初からかなり話題になっていて、利用が招待制だったので、しばらく待たないと使えなかった

1. はじめに 日本時間2025年3月26日早朝に、次世代の大規模言語モデル（Large Language Model, LLM）として「Gemini 2.5」が発表されました。特に「Gemini 2.5 Pro Experimental」は、多くのベンチマークテストでトップクラスの性能を示し、より複雑な思考に対応できる新しいAIモデルとのことです。 2. Gemini 2.5 とは？ “Thinking Model” とは？ 従来のAIモデルは、テキストを入力するとそのまま答えを返す「変換（変形）」作業に近いイメージでした。 一方、Gemini 2.5は「Thinking Model（思考モデル）」と呼ばれる仕組みを採用し、回答を導く前に内部的なステップ（推論プロセス）を踏むようになっています。 これにより 複雑な文脈の理解 筋の通ったロジック（論理展開）の保持 回答の正確性向上 が期待

はじめに 以前、Claudeでマークダウン形式の情報を生成して、MCPを使いマークダウン形式でファイル出力し、このファイルをObsidianで読み込むということをしました。Zenn記事にもしています。 SNSで調べている中で、Obsidianのコミュニティプラグイン「MCP Tools」が存在していることを知りました。この「MCP Tools」を使うと、ClaudeがMCPの仕組みを使ってObsidianの情報へアクセスして回答を生成することができます。また、Obsidianの情報も追加・変更できるそうです。 前提 下記アプリケーションがご利用のWindowsにインストールされている前提で記事を書きます。 Obsidian (https://obsidian.md/) Claude Desktop (https://claude.ai/download) プラグインインストール＋有効化 O

日本時間2025年3月2日午前10時頃に公開したこの記事では、Diffusion large language modelsを拡散型LLMと記載していました。一方で現時点で定まった日本語訳が無い状態です。Inception Labs公式の記事(https://www.inceptionlabs.ai/news) にはWe are announcing the Mercury family of diffusion large language models(dLLMs) と記載されています。 このため、日本時間2025年3月2日午後3時頃に当記事ではdLLMsと呼ぶこととして、記事の文言を見直しました。 ぬこぬこさん (https://x.com/schroneko) 、気づきを頂きありがとうございました！ はじめに SNSでInception LabsのMercury Coderが話題に

Claud3.7がリリースされたので早速触ってみましたが、進化が想像以上でした。 いろいろ試した結果をShareしたいと思います。 はじめに Claude3.7を使っていて抑えておいた方がよいポイントがあるので、以下にまとめます。 標準モードと拡張モード Claude3.7からはExtendedモードを選択できます。 ざっくり言えば、「色々考えてくれるモード」ですが、大量のコードを生成させる場合は大抵出力トークンの上限に引っ掛かり途中で出力が止まってしまいます。 「続けて」と打ち込めば続きのコードから末尾に追記してくれますが、稀にコードの挿入位置がずれてコードがまともに動かなくなります。 大量のコード生成が前提の場合は、最初からExtendedモードを選択してから依頼しましょう。 ちなみに、明記はされてませんでしたが、APIの場合はanthropic-betaヘッダにoutput-128k

🤔 なぜここまで効率化できたのか？ この効率化のポイントは、 「タスク分解 × AI活用」 の徹底でした。 単にAIに丸投げするのではなく、 サブタスクごとに最適なアプローチを選択 したことで、無駄なく進められました。 特に、生成AIのアウトプットをレビューする時間が最もかかる ため、最初から不要な情報を省き、必要な部分だけを渡す ことを意識。 また、レビュー後に修正が必要な場合は 自分で直さず、AIに再修正を依頼 することで効率化する。 さらに、生成AIに渡す情報のフォーマットを意識する ことも重要です。 例えば、Markdown形式 にすることで、情報の構造が明確になり、AIが適切に処理しやすくなります。 具体的には、見出し（#, ##）を使って内容を整理し、「```, ---, ===」 などの区切りを活用して、情報の範囲を明確に伝えるようにしています。 また、データ形式の変換自体

はじめに 社内で、具体的な業務ユースケースに即して実践的なプロンプトエンジニアリングをみんなで模索しまくる、みたいな勉強会のような企画を開催してみたところ、プロンプトエンジニアリングなんてもうわかりきったものだと思い込んでいましたが、意外と（やはり？）奥が深く、いろいろな学びが得られました。かいつまんで言うと以下のようなものです。 実践的なプロンプトを書くためのtips 一方通行的に、自然な流れで考えさせる。行ったり来たりさせない。 ステップを分けて、ステップごとにプロンプト自体を分けて一つずつ実行する。 決定論的な判断は、JSONやYAML形式で出力させ、計算可能なデータとして考えさせる。 Few Shotは実はそれほどこだわらなくてもいい。(どちらかと言えばステップ実行とかJSON/YAML思考のほうが効き、Few Shotはユースケースとプロンプトの組み合わせによってはよって効いたり

2024年2月1日にOpenAIからo3-miniが正式リリースされましたね。 OpenAI o3-miniは「数学・コーディング・物理シミュレーションに特化してるモデル」になっているようです。 細かい基本情報は既に沢山記事がでているので、この記事では、いくつかのタスクでo3-miniと他のモデル(gpt-4o, o1, claude-sonnet)でアウトプットの精度をざっくりですが比較してみました。 1.プレゼンテーション資料の生成 Reveal.jsを使ったhtmlベースのプレゼン資料ドキュメントコードを生成させて見ました。 利用したプロンプトは以下の通りです。 インプットにはo3-miniの公式リリースサイトの情報（下記リンク）を使いました。 インプットを元に以下の#デザインポイントを満たす魅力的な日本語のHTMLプレゼン資料を作成してください。 #インプット --- ｛ここに記事

2025年1月31日(現地時間)に、OpenAIからo3-miniが発表されました。加えてo3-mini-highというo3-miniに比べて応答時間が掛かる一方でより精度が高い回答ができるモデルも発表しました。 使った印象として、特徴としては下記かなと考えています。 STEM(科学・技術・工学・数学のことで、プログラミングも含めるのが一般的)に特化している 一方で、汎用的なアイディア出しや、言語処理はo1やo1 Proの方がしっくりくる Web検索を具備しており、Web検索＋推論ができる 無料ユーザは、「Reason」ボタンを押しておくことによって無料でo3-miniが使える ただ、OpenAIの推論モデルだけでも「o3-mini」「o3-mini-high」「o1」「o1 Pro」と種類が増えて、これまでの「GPT-4o」も存在します。選択肢が増えるのは良いですが、どれを使ったら良いか

はじめに OpenAIのChatGPTにScheduled tasks(日本語名：タスク)が追加されました。 生成AIをスケジュール実行していくのは、今後整備されていくであろうAIエージェントへの布石と考えられます。 AIが人間の代わりに考えながらタスクをこなしていく、これをスケジュール化していく世界観がすぐそこにやってきそうです。 使い方 モデルを「ChatGPT タスク」に設定します。 その上で、時間になったらやってほしいことを入力します。 で、初回は通知の許可設定を求められます。「許可」をクリックします。これで設定完了です！ 実際にタスクが実行されて、受信したメールはこんなかんじ。「View message」をクリックするとChatGPTへ遷移して実行結果を確認できます。 遷移した結果は、こんなかんじ。 設定したタスクの確認方法 アカウントの写真や画像をクリックして、「タスク」をクリ

プログラミング補助からAIエージェントへの進化 これまでのプログラミングにおけるAI活用といえば、「GitHub Copilot」や「Cursor」が代表的な存在でした。これらのツールは、入力中のコードや指示をもとにAIがコード片を提案する、あるいは要件を満たす小規模なプログラムを自動生成するなど、“補助”としての役割を担ってきました。最終的に候補を採用するか、どのように修正するかは開発者が判断する必要があり、あくまでAIは「効率化の手段」という位置づけにとどまっていたといえます。 一方で、近年話題になっているのが「Cline」のようなAIエージェント型のツールです。従来の“補助ツール”を超えて、AIがプログラムの作成からエラー修正、動作確認までを主体的に実行する仕組みを備えています。つまり、人間がコードの候補をチェックするプロセスを大幅に減らし、より自律的に開発工程を進められる可能性があ

はじめに 2024年12月5日(現地時間)、「12 Days of OpenAI」のDay1の中で推論能力に優れたLLM「o1」の正式版リリースと、上位モデル「o1 pro mode」リリースのアナウンスがありました。同年9月にリリースされた「o1 preview」より回答速度が速く精度が高い、思考能力が高くTEM(Science, Technology, Engineering, Mathematics)以外の分野でも活用できそうということで、話題になっています。一方で、この「o1」のすごさがわかりづらい所があるので、既存のGPT-4oとの比較もしながら見ていけたらと思います。 o1はすごい？ 12月5日以降、OpenAI公式を含めてo1の解説記事や動画が多数配信されています。様々な情報に触れていく中で、o1のすごさをなんとなく理解できるのですが、具体ビジネスにどのようなインパクトをもた

🙂はじめに 2024年11月26日にAnthropicからリリースされたMCP(Model Context Protocol)について改めて解説していこうと思います。 MCPは、AIとデータソースやサービスとを簡単に繋げられる仕組みです。 特にPC上のファイル操作ができるということでSNSを中心に話題になっています。 MCPがリリースされた約1か月前にClaudeのDesktop版がリリースされています。 その時は、それほど大きな話題になっていなかったのですが、今思えばMCPを見据えたものだったのかなと思います。 🤔生成AIアプリの全体像 本題に入る前に、Claudeをはじめとする生成AIアプリの全体像を見ていきましょう。 MCPだけに注目してもこのインパクトがなかなか伝わらないと思ったからです。 生成AIアプリって？ 世の中に生成AIアプリが日々乱立していますが、そもそも生成AIアプ

はじめに 2024年11月26日にAnthropicがModel Context Protocol (MCP) を発表しました。 このMCPですが、API接続などを意識せずに、様々なツールと連携(参照、登録、更新)ができる画期的な仕組みです。RAGやファインチューニングといった手法がありますが、MCPが新たなアプローチになっていきそうです。 今回、Windows端末にデータベースを構築して、テーブルを作成して、Claudから参照してみようと思います。 構成 下記のような構成になっています。 Claude自体推論能力が高いといわれており、これらのツールをうまく使えそうなのと、Projects機能やArtifactもできるので、ClaudeでMCP経由で情報を得つつデータ分析や、他のツールへデータ連携していくといったこともできそうです。 活用できるサービス 2024年11月30日時点でAnth

はじめに 直近記事にしたClaudeのMPC (Model Context Protocol) ですが、さらにいろいろ触ってみました。 今回、MCPを活用して「Web検索」「検索結果をPCに保存」を試してみます！ 環境準備 - Web検索 下記手順を参考に進めていくことになります。ただし、Windowsだと手順通りにやってもエラーになってしまったので、エラーにならない方法を記載します。 Node.jsのインストール まずは、下記サイトから最新のNode.jsをインストールしましょう。 Server brave searchのインストール そのうえで、Server brave searchをインストールします。下記コマンドを管理者モードで起動したPowerShell上で実行します。

LLMをやっているなかで実感ベースで学んだ、「この要素が2個か3個くらいあると、その案件はやばいかもしれない」と感じるリストです。自分の備忘もかねて書き残しておきます。また、今後も育てていきたいです。あと何があるかな？ 1.トークン数を超える入力を必要とするタスク →インプットデータをベクトルDB化しないといけないため精度が下がる 2.複数ファイルのインプットを必要とするタスク →ファイル間の関係を正確に把握できないため、ハルシネーション発生率が上がる 3.業務や工程を横断するタスク →異なる文脈を正確に把握できないため、ハルシネーション発生率が上がる 4.インプットの形式／様式が複雑なタスク →画像や図などは精度が下がる(インテリジェントなOCRやマルチモーダルLLMでも、けっこう厳しい戦いがある) 5.プロジェクトで使えるLLMのモデルがレガシーモデル(GPT4以下)である →モデル自

いま話題のReplit Agentを実際に触ってみました。 どんな感じのサービスなのか、どんな感じでアプリ開発ができるのかをざっくりですが紹介します。 参考になれば幸いです。 1.Replit Agentに生成してもらったアプリ 今回はTOEIC単語学習の進捗管理アプリを作成してみました。 よくある書籍などの単語帳だと以下のような課題があるので、これらを解決するアプリを作成みようと思いました。 覚えた単語とそうでない単語を効率よく整理できない。→　視覚的に簡単にステータスを管理したい 書籍（本）と音声データ（アプリ）で分かれている　→　一括で管理したい 今どれだけの単語を覚えてるか全体像が見えない　→　視覚的に進捗率を数字として可視化したい さっそくですが、Replit Agentに自然言語の指示出しだけで作ってもらったアプリのデモ動画をご覧ください。 2.アプリの要件定義書の作成 Xを見

はじめに Claude3.5のaritifact機能やv0など、プロンプトのやりとりだけでフロントエンド生成までできるAIツールが続々と出てきていますが、いろいろ触ってみてbolt.newはかなり直感的かつ多機能で便利に思えたので、何番煎じなんだよと思いつつ備忘も兼ねて残しておきます。 １．以下のURLからログインする bolt.newにログインします。最初Githubとの連携が求められるので、Githubのアカウントを持っていない人は事前に作っておく必要があります。 ２．プロンプトを入力する プロンプト入力画面にプロンプトを入力します。今回はbolt.newの操作感だけ試したいので、シンプルな電卓アプリを作成してもらいます。 ３．bolt.newが自動でコードを生成する 左側の画面でbolt.newが作業プランを立て、プランに基づき右側の画面にソースコードを書き始めます。必要なモジュール