LLMはなぜ『批判』が得意なのか？設計・実装品質を高めるAIレビューファースト開発術
なぜ大規模言語モデルは 「批判」 を得意とし、どう活用すれば設計・実装品質を高められるのか 「モデルに“自分の出力をレビューして”と頼むと、突然シニアエンジニアみたいになる」 なぜこの記事を書くのか？ 「LLMの初回生成より、その出力への批判的レビューの方が有用」 という現象を分析 その仕組みを理解し、AI を“シニアレビュアー”として組み込む開発フローを提案する 1. はじめに ChatGPT / Gemini / Claude に コードやアーキテクチャを生成 させる → 品質にばらつきがある その出力を 批判（レビュー）させる → より一貫して有用な指摘が得られる なぜ LLM は 創造 よりも 批判 が得意なのでしょうか？ そして、この“偏り”を 開発ワークフローにどう組み込めば最大の価値を生む のでしょうか？ 2. 「批判」が「創造」より簡単になる理由 観点 生成（設計・実装）
The Gentle Singularity
We are past the event horizon; the takeoff has started. Humanity is close to building digital superintelligence, and at least so far it’s much less weird than it seems like it should be. Robots are not yet walking the streets, nor are most of us talking to AI all day. People still die of disease, we still can’t easily go to space, and there is a lot about the universe we don’t understand. And yet,
GitHub - kinopeee/cursorrules
Cursor のエージェント機能がリリースされてから、様々なパターンの処理を通して感じたのが「分析力の不足」でした。そのため、モデル（Claude 3.5 Sonnet）が本来持っている分析能力を引き出せるように工夫し始めたのが、私のカスタムインストラクション作成の始まりです。 次に、Cursor Agentが人の介入を受けずに自律処理できる範囲を広げていくことに焦点を当て、かなりの効果を得られました。 さらに、「手戻り防止」をテーマに、LLMによるコーディングでよく発生する以下の問題への対処を加えました： モデルやAPIのバージョンの先祖返り モジュールやリソースの重複生成 意図せぬ、AIによるデザインの変更 エラー処理の無限ループ Cursor 0.45 でカスタムインストラクションの管理方法が .cursorrules から Project Rules に変更になりました。本バージョ
ソフトウェアエンジニアとしての将来が見えなくなってきた｜choo
昨今の AI の進化を見ていると、自分が会社員のソフトウェアエンジニアとして仕事をできるのは、あと何年間だろうかと思う。 まだ 5 年はだいじょぶかもしれないけど、10年はもうもたないかもしれない。正直 15 年はかなり厳しい気がする。 いや、5年後ももはやわからない。 ここ 1,2 年の間に就職すれば、その会社で 5 年以上はまだ働けるかもしれない。 しかし 5 年後にソフトウェアエンジニアとして自分が就職できる働き口はほとんどない可能性は十分にある。 正直今までのぼくの考えとしては、ソフトウェアエンジニアという職種は、AI が進化していっていろんな職業がなくなっていっても、その AI を作るのはソフトウェアエンジニアなのだから、他職種よりかは相対的に安泰だと思っていた。 でもここ半年くらいは、自分のキャリアの最後までソフトウェアエンジニアとして生きることはないだろうと思い始めている。
AIに「分からない」と言わせるための「RAG」の手法
株式会社ナレッジセンスは、生成AIやRAGを使ったプロダクトを、エンタープライズ向けに開発提供しているスタートアップです。本記事では、RAGシステムがより正直に、知らないことには「分からない」と言えるようにするための手法「DTA（Divide-Then-Align）」について、ざっくり理解します。 この記事は何 この記事は、RAGの新手法である「DTA」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は、こちらの記事もご参考下さい。 本題 ざっくりサマリー DTAは、RAGの精度を上げるための新しい手法です。USTCやCASIAなどの研究者らによって2025年5月に提案されました。 通常のRAGでは、外部ソースから検索して得た情報を直接利用して、最終的な回答を生成します。ただ、これだけだとLLMの元から
まさかの｢人力｣AIだったAIスタートアップ、破産申請へ
まさかの｢人力｣AIだったAIスタートアップ、破産申請へ2025.06.03 21:30418,176 ヤマダユウス型 Microsoftお墨付きだったのに…。 ｢ピザを注文するのと同じくらい簡単にソフトウェアを開発する｣と謳っていた、ロンドン拠点のAIスタートアップ企業Builder.ai。 かつて15億ドルもの評価額を受け、さらにはMicrosoftやカタール政府系ファンドの支援まで受けていたこの企業が、破産を申請しました。 理由のひとつは、AIに任せていると思われていた作業が、実は約700人ものインド人エンジニアによる人力作業だったことが発覚したから。まるでATMの裏に人間がいたかのような話だ…。 人力AIがバレたScreenshot: builder.aiたとえば2019年に、The Wall Street JournalはBuilder.aiが提供したソースコードの大部分がエンジ
AIエージェントで並列実装なら必須技術！ Git Worktree を理解する
はじめに Claude Code、GitHub Copilot、Cursor など、様々な AI ツールが同時に複数のタスクを並行して処理することを可能にしました。しかし、従来の Git ワークフローでは、ブランチ間の切り替えによる作業の中断や、複数のタスクを同時進行する際のコンフリクトが課題となっています。 そこで注目されているのがGit Worktreeです。この記事では、Git Worktree の基本概念と使い方を紹介します。 従来の Git ワークフローの課題 ブランチ切り替えの問題点 従来の Git ワークフローでは、異なる機能やバグ修正を行う際にgit checkoutやgit switchでブランチを切り替える必要がありました： # 機能Aの開発中... git add . git commit -m "WIP: 機能Aの途中" # 緊急のバグ修正が必要 git switc
Claude Code が一般提供されたので概要をまとめて、Amazon Bedrock 経由で使ってみた | DevelopersIO
Claude Code が一般提供されたので概要をまとめて、Amazon Bedrock 経由で使ってみた こんにちは！クラウド事業本部コンサルティング部のたかくに（@takakuni_）です。 X を見ていると、Claude 4 が登場したタイミングで、一般提供されたからなのか、Claude Code のユーザーがますます増加している印象を受けます。 私は普段、Roo Code (+ OpenAI) の組み合わせで、開発をしているのですが Claude Code がすごいと噂なので、まずはセットアップから始めてみたいと思います。 すでに Amazon Bedrock から接続した、Claude Code のセットアップ記事はあるものの、いくつか状況が変化している部分もあるため、書いてみたいと思います。 Claude Code Claude Code とは Anthropic が作成したコ
社内勉強会の内容共有はNotebookLMでやるのがいいかもと思った話 | DevelopersIO
お疲れさまです。とーちです。 皆さんの会社では社内勉強会をやったりしていますか？ 業務都合等もあって勉強会に参加できない人もいると思いますが、そういった方にも勉強会の内容は共有したいですよね。また、勉強会後に個人的に復習したいなというケースもあるかなと思います。 こういった勉強会の内容の共有をするためにNotebookLMを使うのがいいかもと思ったので、今日はその内容を共有しようと思います。 前提条件 前提としてGoogle Workspaceを使っている環境を想定しています。 Google Workspaceのプランごとの比較表を見る限りでは今回ご紹介する内容なら Business Standard プラン以上であれば試せると思いますが、筆者が試した環境はEnterpriseプラン環境である点をご承知おきください。 勉強会の内容はMeetで録画・文字起こし オンラインでもオフラインでも勉
コーディングエージェントを作ってるけどうまくいかなかった話 ～あるいは二ヶ月本気でコーディングエージェントと向き合った話～ / Two Month Agent Struggle
https://connpass.com/event/353478/ 登壇資料です。 - エディタ間借り型コーディングエージェントの仕組みと限界 - 負けパターン集と、その回避対策 - コーディングエージェントのこれから
【2025年5月完全版】RAG の教科書
はじめに 昨今、AI の進化により、様々な分野での応用が進んでいます。特に、自然言語処理(NLP)の分野では、RAG( Retrieval-Augmented Generation)が注目されています。RAG は、情報検索と生成を組み合わせた手法であり、特に大規模言語モデル(LLM)と組み合わせることで、その性能を大幅に向上させることができます。 また、NativeRAG や GraphRAG, AgentRAG などさまざまな RAG のバリエーションが登場しており、これらは特定のユースケースやデータセットに対して最適化されています。 今回は、RAG の基本的な概念から、RAG のプロジェクトの進め方、精度向上の方法に至るまで詳しく解説します。 みなさんの GenAI Application の開発に役立てていただければ幸いです。 本記事は 5 万文字を超える大作となっております。 お時
新しいブラウザ操作系エージェントのworkflow-useがかなり良さそうな予感
Browser Useから新しいブラウザ操作系エージェントが登場しました めちゃくちゃ魅力的だったので紹介します。 従来のブラウザ操作系エージェント browser-useに限らず、従来のブラウザ操作系エージェントはユーザーからの自然言語な指令をもとにブラウザを操作します。 AIエージェントは画面キャプチャ + DOMの取得 → キャプチャを解析 → クリックすべき要素を推論 → playwrightで操作をループしてタスクを行います。 現在僕もよく使っているのですが、何点か課題があります。 どうしてもアクションに揺らぎがある 自然言語での指示である以上仕方ないのですが、「〇〇をクリックして〇〇をしてほしい」と言った細かい指示はプロンプトのチューニングが不可欠であり使用モデルの賢さにも依存します。 処理に時間がかかる 画面キャプチャ + DOMの取得 → キャプチャを解析 → クリックすべ
TS特化Clineプログラミング(テキスト版)
tskaigi で発表した https://tskaigi.mizchi.workers.dev/ のコピペしやすい用にしたバージョンです。 ほぼ marp のソースコードそのままですが、プロンプトのコピペ用にそのまま公開します。 本資料の内容 うまくいくプロンプト うまくいかないプロンプト、その理由 現状認識 注意: 前日リリースのClaude 4 の評価は間に合ってません!!!! Claude 4 Opus の高すぎる怖い 数時間触った感じ: 改善傾向だが、抱えてる問題も同じ傾向 主張: 言語特化プロンプトが必要(今は) Coding Agent は言語ごとのユースケースに最適化されていない ベストプラクティスをユーザーが取捨選定する必要 TS 周辺は技術選定で発散しがち プログラミング言語間の転移学習は不安定 GitHub を丸暗記しても、コンテキストに応じて翻訳&参照できるかは別の
The End of Programming as We Know It
Join the O'Reilly online learning platform. Get a free trial today and find answers on the fly, or master something new and useful. Learn more Betty Jean Jennings and Frances Bilas (right) program the ENIAC in 1946. Via the Computer History Museum Eventually, interpreted languages, which are much easier to debug, became the norm. BASIC, one of the first of these to hit the big time, was at first s
Google I/O 2025: 研究が現実に
編集者注：以下は、Google I/O 2025 のスンダー ピチャイの発言を編集し、イベントで発表された内容を加えて再構成したものです。すべての発表についてはこちらをご覧ください。 例年であれば、Google I/O 開催前の数週間は、一番の見どころとなる最新モデルを基調講演で発表できるよう準備しており、発表を行うことはほとんどありませんでした。しかし Gemini の時代においては、今までで最も高性能なモデルを 3 月に発表したり、AlphaEvolve のような画期的なブレークスルーを 1 週間前に発表することも珍しくなくなりました。 Google は、最高のモデルと製品をいち早く皆様に提供すべく、これまでにないスピードで開発を進めています。 進化し続けるモデル私が特に期待を寄せているのは、モデルの急速な進化です。進歩の指標である Elo スコアにおいて、初代 Gemini Pro
日本語対話コーパス一覧
日本語対話コーパス一覧 これは日本語を対象とした、対話システムの構築に利用できる言語資源のリストです。 本リストは、理化学研究所 吉野 幸一郎さん発案のもと、C4A研究所 中野 幹生さん、東北大学 赤間 怜奈さん、大阪大学 駒谷 和範さん、JAIST 吉川 禎洋さん、リクルート 林部 祐太さん、京都大学 児玉 貴志さん、愛知工業大学 徳久 良子さん、名古屋大学 山下 紗苗さんにご協力をいただき、水上 雅博が作成いたしました（所属はリスト作成または更新時のものです）。 もしこのリストに載っていないものや、リストのまちがいに気づかれた場合、新たにコーパスをリリースした際には是非、issueやメールで教えてください。 対話コーパス 主に人同士または人とシステム間（2名以上の場合を含む）で、対話（模擬対話等を含む）を行ったコーパスです。 名前 データ量 形式 研究利用 商用利用 概要
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
GitHub - Akira-Papa/Claude-Code-Communication
n8n.io - a powerful workflow automation tool
Introducing OpenMemory MCP
Google DeepMindから“拡散言語モデル”「Gemini Diffusion」登場 文字通り爆速で文章・コード生成
