GitHub CopilotなどAI周りは頻繁に更新されているため、2025年4月時点での情報として参照してください。 はじめに GitHub Copilotはここ1,2ヶ月の間で多くアップデートが重ねられ、AI周りで先行するCursorやWindsurfとの差をかなり縮めてきています。デフォルトの設定でも十分便利に使えますが、設定や強力なプレビュー機能を活用することでさらに開発効率を向上できます。 また、この記事では、多くのプレビュー機能についても触れています。 先日、GitHub公式から明示的にプレビュー機能であっても学習に使われないことが発表されました。プレビュー機能にはワクワクする機能が多いのでぜひこの機会に利用してみてください GitHub CopilotなどGitHub製品のパブリックプレビュー版またはプライベートプレビュー版など、一般提供（GA）開始前の機能を利用していても、

こんにちは。Algomatic AI Transformation(AX) のsergicalsix（@sergicalsix）です。 最近OpenAI の o3, o4-mini、Anthropic の Claude 3.7 Sonnet、Google の Gemini 2.5 Pro や Gemini 2.5 Flash など、次々と新しい大規模言語モデル（LLM）が登場しました。あまりのスピードに、最新動向を追い切れず困っている方も多いのではないでしょうか。 モデルを選ぶ際は、実際に触ってみた使用感や解きたい課題・利用環境を重視するのが理想です。しかし、すべてのモデルをあらゆるシナリオで試すのは現実的に難しいです。 そこで役立つのが公開ベンチマークのスコアです。自分で全モデルを試せなくても、共通データセットで測った成績をベースラインとして押さえておけば、おおまかな実力を比較できます。

Vibe Coding とはなんでしょうか？ はじめに提唱した Andrej Karpathy 氏はこう言っています。 参考程度に意訳をば。 私が Vibe Coding と呼んでいる新しいコーディングスタイルがあります。それは完全にバイブに身を任せ、指数関数的な変化を受け入れ、コードが存在することさえ忘れてしまうものです。これが可能なのは、LLM（例えば Sonnet を使った Cursor Composer）があまりにも優秀になっているからです。また、私は SuperWhisper を使って Composer と会話するだけなので、キーボードにほとんど触れません。「サイドバーのパディングを半分に減らして」のような、面倒くさくて自分で調べることが億劫な些細な修正をお願いします。常に Accept All を選び、差分は読みません。エラーが出たら、単にエラーのみをコピペするだけで、たいてい

明日からできる！GitHub Copilot + GitHub MCP Serverで始めるAI駆動開発 はじめに こんにちは、URBAN HACKS サーバーサイドエンジニアの池田です。 URBAN HACKSでは日々の開発でGitHub Copilotを活用しています。 コードを提案、補完してくれるだけでも十分に活躍していますが、GitHub CopilotにAgent Modeが搭載されたこと、公式のGitHub MCP Serverが登場したことにより、これらを組み合わせ、より効果的に活用できるようになりました！ この記事ではこれらを組み合わせた開発手法をご紹介すると共に、 生成コードの精度が上がりやすくなるコツ チーム開発とAIの組み合わせ方 をお伝えできればと思います！ コード生成の精度にお悩みの方や、より効果的にAIにコーディングを手伝って欲しい方の参考になれば幸いです。 G

4 万行超の openapi.yaml のツラミ ファイルが大きすぎて編集しづらい OpenAPI が肥大化していくにつれて開発体験の低下を招いていました。 GitHub Copilot や Cursor の Tab 機能で随分楽になりましたが、それでも 4 万行もあるファイルを手作業で入力するのは純粋に辛いです。 AI Agent のコンテキストを大きく圧迫する Cursor 等の AI Agent のコンテキストを大きく圧迫することが直近の開発で大きな課題となりました。 具体的には次のような問題が発生したため、ファイルを分割することが急務となりました。 コンテキストが溢れて Cursor Agent が停止する Longer Context を有効化すると処理できるようになるが、トークンを余分に消費してしまう TypeSpec とは TypeSpec は、API を記述するための Mi

post-cline-world.md After Cline - あるいは語りえぬ者について語ろうとする時代について この資料は以下のイベントの登壇用の殴り書きです https://hack-at-delta.connpass.com/event/350588/ 今までの資料を引用して話すので、この資料はアウトラインです。 最初に: 自分の技術選定の基準 ハイプサイクルにおけるアーリーアダプター相当で手を動かす ハイプ・サイクル https://mba.globis.ac.jp/about_mba/glossary/detail-20659.html https://www.thoughtworks.com/radar を読む イノベーターっぽい人達をSNSで監視してる 一定の熱量を感じたら自分でも動かして評価する 破壊的イノベーションを逃すな 破壊的イノベーション - クリスチャン・ク

RAGの限界性 RAG、つまり検索強化生成（Retrieval-Augmented Generation）は、現在の大規模言語モデル分野における注目の方向性です。これは情報検索技術と生成モデルを組み合わせ、大規模モデルの知識の正確性、文脈理解、最新情報の活用などの課題を解決します。 でも追加の知識をRAGを通じて導入するだけで、モデルがそれらの知識関連の質問に完璧に対応できると考えています。しかし実際と想像にはギャップがあり、実際に試してみると、RAGの精度はそれほど良くないことに気づくかもしれません。 RAG自体の技術的原理から見ると、現在以下の問題が存在します： 検索精度の不足：まず、RAGの最も核心的な部分は、知識を「ベクトル」に変換し、「ベクトルデータベース」に導入し、ユーザーの入力情報も「ベクトル」に変換してから、ベクトルデータベースから類似の「ベクトル」をマッチングさせ、最後に

こんにちは、よしこです。 最近、個人的に欲しいツールをVibe Codingで作ることが増えてきたので、私の中で定着してきた進め方をまとめてみようかなと思いました。 ちなみに "Vibe Coding"（雰囲気コーディング）というのは、「人間が音声やテキストで指示を出し、AIが主体となってコードを書くコーディングスタイル」を指すワードです。 私もこのやりかたをするときはほとんどコード書いてません。 要件定義 まずは「何を作るのか」「ターゲットは誰か」「どんな機能が必要か」「画面構成はどうするか」などを決めます。好きなAIとチャットベースで喋りながらまとめていきます。 こっちが全然考えきってなくても、「◯◯なアプリ作りたいんだけど要件定義手伝ってー」から会話を始めれば必要な情報は向こうがヒアリングしてくれます。 ここはChatGPT 4oを使うことが多いです。トーンやノリが個人的な好みと合っ

Cline、良いですよね。Zennでも散々擦られているように、結局万能ではないのですが、AIの未来というものがかなり身近になった感じがします。 そこで起こるのが、「結局どれ使えばええねん」問題。WindsurfとCursorの具体的な機能比較がなかなか無かったり、VSCode系が語られがちすぎて他（JetBrains系やVimなど）のエディタ環境でのAIエコシステムというのもなかなか情報がありません。 それで色々リサーチしてみたので、備忘録がてらに記事を書いてみました（ほぼ自分用なので、内容の濃淡がすごいのは御愛嬌...）。 全部は自分で触れておらず、RedditやXでの評判も参考にしています。多くは無料トライアルなどもあるので、試してみてください！ VSCode系 コーディングAIの開発競争の場はVSCodeの拡張機能がメインストリームになっています。 Github Copilot, C

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

こんにちは、東京大学の三輪敬太です。 私は2024年度に未踏IT人材発掘・育成事業として「ニューラル言語モデルによる個人最適な日本語入力システムの開発」というテーマで採択され、早稲田大学の高橋直希さんとともにmacOS上の日本語入力システムを作りました。今回はこの中でも中心的な開発テーマの1つであった「ニューラルかな漢字変換システム」の開発と、その成果について紹介します。 かな漢字変換とは？ 日本語は通常、漢字やひらがな、カタカナ、数字、アルファベットなど、何千種類もの文字を使い分けて表記されます。これをわずか高々100個強のキーしかないキーボードで入力するために重要になるのが、日本語入力システムによる支援です。 多くの皆さんが使っている日本語入力システムでは、ローマ字を介してひらがなを入力し、それを変換して漢字かな交じり文とします。このひらがなによる入力から漢字かな交じり文を作る部分で行

現時点で個人の感想です。流動的なので、明日にでも意見は変わってると思います。 モデル Claude-3.7-sonnet コーディング性能が圧倒的に良い。迷ったらとりあえずこれを使っておけばよい だいたい1ファイル1000行ぐらいが管理できる限界 Gemini 2.5 今なら無料で使える。今のうちに使い込んでクセを把握するといい。 巨大コンテキスト理解ができるので、「大量にコードを読んでちょっとだけコードを書く」つまり一般的な業務プログラミングに向いてる。 リリースから一週間は負荷が高くて不安定だったが、最近安定してきた さすがに単純なコーディング性能は Claude-3.7-sonnet に劣る deepseek-chat Cline で使うには遅すぎて役に立たない AIツール作るときの壁打ちに使っている。雑に巨大データ送りつけても安くて安心 コーディングエージェント/拡張 Cline

こんにちは。Findy Tech Blog編集長の高橋（@Taka_bow）です。 この記事はこれが私の推しツール！シリーズの第3弾になります。今回も、推しツール紹介と題して、弊社エンジニア達が日々の開発業務で愛用しているツールやOSSを紹介していきます。 トップバッターは奥田さんです！ ■ 奥田さん / PdM室 / GenAIイネーブルメント ■ データサイエンティストのだーさん (@Dakuon_Findy) です。2025年の1月よりファインディのプロダクトマネジメント室 GenAIイネーブルメントチームにデータサイエンティストとして参画しております。このチームでは、LLMを活用した各種プロダクトの強化や、社内オペレーションの改善に取り組んでいます。 Polars (Pythonライブラリ) Polarsの概要 Polarsは、高速かつ明示的なスキーマ定義を特長とするデータフレーム

.mdc駆動ナレッジマネジメント→ 知識APIとしてのmcp serverまで Loglass TECH TALK vol.5〜50名のエンジニア全員で挑むCursor活用の全貌〜 LT資料

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 背景と目的 最近MCPという言葉をよく聞きます。皆さんが分かりやすい記事を出してくださっているものの、実際にMCPで何ができるのか、ドキュメントだけだとイメージが掴みきれなかったので、とりあえず簡単なデモを作って理解を深めようと思い立ちました。 テーマはなんでも良かったのですが、意外と時間が割かれる飲み会セッティングに着目し、この一連の流れを自動化する『飲み会番長』をClaude Desktopで実装してみました。 MCPとは何か (Model Context Protocol) MCPとは、AIアシスタントとあらゆるデータソ

タイトルでもうオチてる感じがしますが、API仕様書を読み込むMCPサーバーを自作したところ、開発が爆速になったので紹介します。普段Androidのアプリ開発をしている人間です。 MCPとは？ LLMに対してコンテキストを与えるためのプロトコルです。 今回はAPI仕様書を読み込むMCPを作るので、ざっくり言うとClineやClaude for Desktop、GitHub Copilot Agentなど、MCPに対応したツールがAPI仕様書に基づいてコードを書いてくれるようになります。 何が嬉しいのか？ 例えば、以下のような質問・指示ができるようになります。 決済に関連するAPIを列挙し、Markdown記法でまとめて ドメインクラスを作りたいので、User をKotlinのdata classで出力して Androidアプリの NotificationRepository.kt に書いてあ

MCP概要説明 この記事はMCP2025-03-26リビジョンを基に作成しました。 Model Context Protocol (MCP) とは何か？ MCP は、AI アシスタント（チャットボットや自動化エージェントなど）が、さまざまな外部データやツールにアクセスするための 共通のルール（プロトコル） です。 従来は、AI にデータベースやウェブサービス、ローカルのファイルを使わせたいとき、それぞれ違う接続方法をいちいち作り込む必要がありました。すると、AI を拡張するたびに「新しいツール用の独自コード」を用意しなくてはなりません。 MCP を使うと、「AI ⇔ データやツール」 の接続方式を 標準化 できるため、同じ仕組みでいろいろなデータソースや外部サービスとやり取りできます。これは、AI の開発者とデータ管理者双方にとって、大きな手間削減や再利用性の向上につながります。 Anth

こんにちは、@dyoshikawaです。 先日、日課のはてなブックマーク巡回で次の記事を見かけました。 AI時代にはプログラミングスキルが完全に不要になるという主張です。個人的にはCursorとDevinで毎日AIプログラミングしながら割と逆方向のことを考え始めていたので、書いてみます。 AI時代の人間の役割は「エッジケースの探索と解決」 結論からいうと、AI時代の人間の役割はエッジケースの探索と解決なのではないかと考えています。 CursorやCline、Devinでプログラミングしていて思うこととして、インターネット上に正解のサンプルが膨大に存在するようなコードを書くのは非常に得意です。典型的なCRUD APIや、コーポレートサイトのマークアップなどが挙げられます。 また、最近は競技プログラミングも得意なようです。これも問題と解答のサンプルが大量に積み重なった結果といえると思います。