TL;DR 公開 API では T[] を避け, ReadonlyArray<T> を使いましょう. 内部実装でのみArray<T>を使うのはOK Array<T> ではなく ReadonlyArray<T> を使おう 以下のコードには受け取った配列をソートして表示する sortLog 関数と, 0番目の要素を 999 にした配列を表示する setLog 関数を定義して使用しています const sortLog = (array: Array<number>): void => { console.log(array.sort((a, b) => a - b)); }; const setLog = (array: Array<number>): void => { array[0] = 999; console.log(array); }; const array = [2, 1, 3]

背景 以前はClaudeに記憶を与えるLocal Memory MCPを作った記事を作成した。 その後すぐ、Claude MobileがRemote MCPを対応したため、どうしてもスマホで使うClaudeも記憶を持たせてほしいのでLocal MCP Serverをリモート化したくてAWS Lambdaで実装した。 なぜLambdaなのか？ サーバーレスでイベント駆動 私のユースケースとしてはClaudeと会話するときに、必要な場合はMemory MCPに私に関する記憶を取り出したり、記憶を作成したりするものだ。 そのため、1日多くても数十回使うようなものであり、サーバーを常時起動する必要がなく、イベント駆動のLambdaに非常に合うものであった。 個人利用はほぼ無料枠で完結 AWS Lambdaの無料枠は以下の通りだ。 毎月100万リクエスト無料 毎月40万GB秒の実行時間無料 私の場合

「THE FIRST TAKE」は、一発撮りのパフォーマンスを鮮明に切り取るYouTubeチャンネル。 第576回は、今年デビュー40周年を迎えた米米CLUBが「THE FIRST TAKE」に初登場。 披露するのは、リリースから30年以上経った現在でも多くの人に愛される代表曲「浪漫飛行」。 旅立ちや新たな始まりを象徴する歌詞と爽やかなメロディーが特徴の本楽曲を、フルメンバーである総勢17名の一発撮りにて披露する。 STREAMING & DOWNLOAD: https://komekomeclub.lnk.to/RomanHikou ■米米CLUB OFFICIAL Web Site: https://www.komekomeclub.net/ YouTube: https://www.youtube.com/@clubofficialyoutubechannel4929 X

OpenAIの最新オープンLLM「gpt-oss-20b」を、LM StudioをインストールしたM4 Pro搭載Macで動作確認してみました。 2025年8月5日、OpenAI社が オープンウェイト言語モデルの gpt-oss-120b と gpt-oss-20b をリリースしました。 OpenAI o3-miniに匹敵するとされ、16GB程度のVRAMで 動作するオープンモデル「gpt-oss-20b」を、 ローカルLLMの実行環境として LM Studio をインストールしたMac Mini(M4)環境で試す機会がありましたので、その手順と性能を紹介します。 実行環境 以下スペックの Mac mini 2024 を利用しました。 チップ Apple M4 Pro 12コアCPU 16コアGPU メモリ 24GBユニファイドメモリ RAM 24.00 GB VRAM 16.00 GB

やってきましたね。PCユーザーたちがMacユーザーを羨望の眼差しで見るときが。 OpenAIが公開したChatGPTのオープンソース版「gpt-oss」。その2つのモデルであるgpt-oss-20bとgpt-oss-120bは、それぞれ16GB以上、80GB以上のVRAMを持つプロセッサが必要です。 下位モデルのgpt-oss-20bはChatGPT o3-miniと、上位のgpt-oss-120bはo4-miniと同等の結果を出すとしています。 つまり、世界で最も使われているLLMの、実力的にも十分なモデルが、ローカルマシンで動くのです。 しかし、推論には高性能なGPUが必要。16GB以上のVRAMを持つGPUならNVIDIA製ボードがいくらでもありますが、120bを動かせる80GB以上のVRAMを積んだGPUは、現行モデルでなくても数百万円はしますし、そもそも希少なものなので手に入れる

以下の記事が面白かったので、簡単にまとめました。 ・Welcome GPT OSS, the new open-source model family from OpenAI! 1. gpt-oss「gpt-oss」は、OpenAIによる待望のオープンウェイトリリースであり、強力なReasoning、エージェントタスク、そして多様な開発者ユースケース向けに設計されています。117Bのパラメータを持つ大規模モデル「gpt-oss-120b」と、21Bのパラメータを持つ小規模モデル「gpt-oss-20b」の2つのモデルで構成されています。どちらも「MoE」(Mixture-of-Experts) であり、MXFP4を使用することで、リソース使用量を抑えながら高速推論を実現します。大規模モデルは単一のH100 GPUに収まり、小規模モデルは16GBのメモリ内で動作し、コンシューマーハードウェア

いわさです。 先日のアップデートで Amazon SES にテナント機能が追加されました。 Amazon SES を運用する上では苦情やバウンスなどレピュテーションに注意して運用する必要があります。 このあたりがケアされずにいると、ある時から突然メールが送信できなくなってしまった。なんてことが起きてしまいます。 メール送信内容が自分たちで管理できる通常のワークロードであれば、レピュテーションメトリクスをしっかり管理してある一定の閾値を超えたタイミングで対策するなどの運用で普通は送信できなくなるリスクを抑えることが出来ます。 ただし、SaaS を提供していてその SaaS にメール送信機能があり Amazon SES をメール送信基盤に使っている場合、レピュテーションはテナントごとの使い方に依存してしまいます。 例えば、ある SaaS で複数のテナントである AWS アカウントの Amazo

こんにちは！フーディストノートアンバサダーのしおです♪ 今回は、私のインスタ投稿の中でも、保存数歴代1位のレシピをご紹介します。やみつき間違いなしなので、ぜひ作ってみてくださいね！ 魅惑の「ガーリックシュリンプ」レシピ 調理時間 20分（漬け込み時間は除く） 分量 2〜3人分 材料 殻付き無頭えび…20尾 A 刻みにんにく…2片分 A オリーブオイル…大さじ2 A 塩・黒こしょう…各少々 A 鶏がらスープの素（顆粒）…小さじ2強 バター…20g レモン…適宜 刻みパセリ（または乾燥パセリ）…適宜 1. えびは洗って背わたを取り除き、キッチンペーパーなどで水気を拭いておく。 2. Aの調味料を入れて、えびとよく和え、30分以上を目安にしばらく漬け込む。 3. フライパンを油をひかずに中火で熱し、2.のえびを焼く。ボウルに残った漬けだれはとっておく。 4. えびの両面が焼けたら、とっておいた漬

2025年8月1日に開催された、JANOG56 Meeting 野良LT BoFの発表資料です。

Google⁠⁠、AIを使って非構造化テキストから構造化データを抽出するオープンソースPythonライブラリ「LangExtract」をリリース Googleは2025年7月30日、非構造化テキストから構造化データを抽出するオープンソースのPythonライブラリ「LangExtract」をリリースした。 Introducing LangExtract: A Gemini powered information extraction library -Google Developers Blog ✨Announcing LangExtract! ✨ Our new open-source Python library for information extraction, powered by #Gemini. ✅ Turn text into structured data ✅ Trace

2025年の夏はリバイバル上映が熱い。別に春先もゴールデンウィークも熱かったし、何なら年末や年明けだってきっと熱いのだろうが、とにかく熱いのである。 権利元会社がなくなったために長らく劇場で観ることが叶わなかった国産オフビートコメディーの金字塔『亀は意外と早く泳ぐ』が、20年の時を経て遂に再公開されるほか、マット・デイモンとベン・アフレック両氏の出世作にして1990年代を代表するヒューマンドラマの超傑作『グッド・ウィル・ハンティング／旅立ち』がスクリーンに帰ってくる。 不朽の名作がめじろ押し、てんやわんやの大騒ぎというありさまだ。本稿では8・9月に映画館で甦る名作たちの中から6本を紹介しよう。 『亀は意外と速く泳ぐ』(2005年) 亀は意外と速く泳ぐ 石井克人の諸作や『木更津キャッツアイ』などに代表される、平成中期に人気を博したダルくてシュールな「脱力系」コメディーの金字塔にして、『ブラッ

こんにちは、デジスマチームでソフトウェアエンジニアをしている伊藤です。 この記事はデジスマチームブログリレーの8日目の記事です。 今回は我々が開発しているデジスマ診療 (以降、デジスマ) で、医療機関向けに提供しているユーザー検索機能のパフォーマンスを PostgreSQL の機能を活用して改善した話について紹介します。 ユーザー検索の課題感 データ構造 検索クエリ Step 1: 仕様の変更で対応できることはないか? Step 2: 部分一致検索のままで高速化できないか? (pg_bigm の導入) Step 3: インデックスを効率的に活用できないか? (2段階検索への分解) Step 3.1: 各検索条件で user_id のリストを個別に取得 Step 2: 取得した user_id リストでIN句を使った最終検索 パフォーマンス改善の結果 終わりに We are Hiring!