はじめに こんにちは！逆瀬川ちゃん (@gyakuse) です！ 今日はAnthropicが公式に出しているskill-creatorというスキルを深掘りしていきます。 skill-creatorは「スキルを作るためのスキル」なのですが、このスキル自体の構造が、実はスキル設計のベストプラクティスの宝庫になっています。さらに、以前自分が作った機械学習モデルの自動ベンチマーク用スキルagentic-bench（紹介記事）との比較を通じて、「複数の処理をオーケストレーションするスキル」をどう設計すべきかを考えていきます。 そもそもAgent Skillsとは まず前提として、Agent Skillsについて簡単に説明します。 Agent Skillsは、Coding Agentに特定のタスクやワークフローの処理方法を教える命令セットで、シンプルなフォルダとしてパッケージングされます。一度教えれば

【狂気】2026年、PS3を開発する——1行もコードを書けない人間が、AIと組んで「開発地獄」と呼ばれたPS3に挑み、15年間誰も開けられなかった扉をこじ開けた1週間の記録。 まえがき 2026年2月23日、散歩中にスマホにClaudeをインストールした。 巷で話題のAIアシスタント。どれほどのものか試してみたかった。最初に思いついたのは「ファミコンのゲームを作ってくれ」という、ほとんど冗談のような依頼だった。 数回の指示で、NESのROMファイルが生成された。エミュレータで起動すると、画面にスプライトが動いた。スマホだけで、プログラミングの知識ゼロで、ファミコンのゲームが動いた。 次の瞬間、頭に浮かんだのはPlayStation 3だった。 1週間後。PS3のcellGcm APIを直接叩き、自作シェーダでBlinn-Phongライティングを計算し、7×7グリッドに48棟のビルが並ぶ10

はじめに 「全エンジニアが Claude Code を 100% 活用する」 これは、ダイニーの今期の目標のひとつです。 正直、最初に思ったのは「何をもって 100% なんだ？」です。 手がかりを探るために、まずチーム全員にアンケートを取りました。 結果はバラバラで、「かなり活用できている」という人もいれば、「スキルやサブエージェントはほとんど使えていない」という人もいます。 中でも多かったのが、「他の人がどう活用しているのか分からない」という声でした。 実際、有志がスキルやサブエージェントを作っても、その存在自体を知らないメンバーがいます。知っていても中身が分からないから使えない。結局、作った本人しか使わないまま埋もれていく。そんな状態です。 これでは「活用度」以前の問題。 そもそも何が使えるのか、誰がどう使っているのかが見えなければ、活用度を定義できません。 そこで作ったのが、エンジニ

あの日のおかしくなりはじめた僕へ。良くなる見込みはない。 はじめに uiuさんの記事を読んだ。「AIのやりすぎで頭がおかしくなっている」。とても良い文章と内省だと思った。でも現在進行形ということは、まだ途中にいるということだ。まだ引き返せる場所にいるということだ。 uiuret.hatenablog.com 私はもう引き返せない場所にいる気がするので書く。 去年の7月、『AI時代の新たな疲労：なぜ私(たち)は「説明のつかないしんどさ」を抱えているのか』という記事を書いた。あの時の私はまだ「しんどい」と言えていた。しんどさを分析し、名前をつけ、構造を示して本を引用し、他人と共有できる形にまとめることができていた。あれは変容する前の人間の仕事だった。今の私が書く文章は、あれとは違うものになる。 このブログが良ければ読者になったり、nwiizoのXやGithubをフォローしてくれると嬉しいです。

こういった、昨今のLLM事情を憂いる記事は親の顔より見ているが、やはり書かずにはいられなかった。 一点言い訳をしておくと、私は普段からLLMを使いまくっている。LLMを使っている人を批判したい意図は無い。 この記事を読んで、今一度LLMの使い方を俯瞰して見てもらえたら嬉しい。 LLM とわたし これでいいんだっけ？ もともと自分はコーディングが好きだった。面倒なことも多かったが、目的達成のために試行錯誤しながらプログラムを書き進め、ついに動いたときの感動がよかった。 だが、自分が手を動かして真心こめた手作りのソースコードを生成している間に、LLMはその10倍、いや100倍ものソースコードを生成できる。 世界が加速しているので、自分も同じだけ加速しなくては、相対的に遅れていく。 なので、LLMを活用できる人材とそうでない人材の格差はどんどん広がっていくだろう。 自分も理性でそう判断し、LLM

Anthropic のグロースマーケティングチームが Claude Code で広告コピー自動生成、Figma プラグイン自作、MCP サーバー構築、メモリシステムによる A/B テスト改善を実現した事例。非技術者 1 人で広告作成した手法 Anthropic が公式ブログで、社内チームが Claude Code をどう使っているかの事例を公開した。中でもグロースマーケティングチームの使い方がえぐい。しかも全部、真似できる X で毎日 AI 情報を配信してるコムテです。Claude Code テクニックを中心に情報を配信しています 再現してみた。Figma プラグインとサブエージェントを作る 2026/02/22。具体的な方法はこちらに書きました！↓ このチームは検索広告、SNS 広告、アプリストア、メールマーケティング、SEO を担当していて、驚くのは「非技術者 1 人のチーム」というこ

ここ数日、OpenClawの名前をよく見かけたと思います。開発者がOpenAIに参加したニュースもあり、タイムラインで話題になっていました。 OpenClaw — Personal AI AssistantOpenClaw — The AI that actually does things. Your personal assistant on any platform.jonahships_OpenClawはオープンソースの自律型AIエージェントで、LLMに自分のPCの強い権限を渡してAgent Skillsの仕組みで自動操縦します。いわば、Devinのような自律型アシスタントを個人が安価にセルフホストできるようになったものです。Claude Code（非OSS）やCodex CLIといったコーディングエージェントより一段上のレイヤーにあたります。Claude Codeでも同等のことは

ここ最近の自分のツイートを見るとほぼLLMの事しか喋っていない。それぐらい首っ丈である。暇があれば即座にLLMに何かお願いをしたり質問をしたりしている。特にエージェントにコードを書かせるのはもはや始めたてのソシャゲに寸暇を惜しんでのめり込んでいるかのようである。 エージェントを使ってコードを書かせるのは楽しい。RDBMSを作ってみているが「次何しようか？」「PostgreSQL互換インタフェースとか生やす？」「え？できるん？」「できたで！」ぐらいの感覚で次々と実装が生えていってしまう。もちろん、初めから完璧なものではないのでユニットテストを書かせたりするうちにどんどんとボロが出てくるのだが、それでもそれを補って余りある開発速度が出ている。何より仕事の片手間のチャット相手が1人増えたぐらいの負荷で10万行近いコードがシュッと生えてくるのは感動を通り越して畏怖がある。 SNS上で僕の言動を追っ

結論 「テストして」って言っただけなのに、AIが自分でバグ見つけて、自分で直して、「違反は切腹」ってルールを自分で追加してきた。 人間、何もしてない。 何を作ったか Claude Code × tmux でホワイトカラー向けマルチタスクツールを作った。 名前は multi-agent-shogun。 戦国時代の軍制をモチーフに、将軍1名・家老1名・足軽8名の階層構造でAIエージェントを統制する。 上様（人間） ↓ 「やれ」 将軍（Claude Code） ↓ 「家老、タスクを分解せよ」 家老（Claude Code） ↓ 「足軽ども、並列で実行せよ」 ┌──┬──┬──┬──┬──┬──┬──┬──┐ │1 │2 │3 │4 │5 │6 │7 │8 │ ← 8人同時に動く └──┴──┴──┴──┴──┴──┴──┴──┘ 足軽（Claude Code × 8） とにかくshogunにぶち

なぜなぜ分析、根本原因分析、RCA（Root Cause Analysis）、5 Why手法はソフトウェア開発に適用すべきではなく、アンチパターンだと思っている。何度も説明するのが面倒なのでここにその理由を書いておく。 なお、超シンプルで小さなソフトウェアには有効かもしれない。が、現代ではそんな小さなソフトウェアは存在しないし、存在したとしても「なぜなぜ分析」の対象にはならないだろう。 （2026/1/26 23:00 追記。本記事には様々なご意見をいただき感謝。コメントを見て考えたことについて、「続：ソフトウェア開発で「なぜなぜ分析」はアンチパターン - 勘と経験と読経」という記事を書きました） ソフトウェア開発に「なぜなぜ分析」を適用すべきではない理由 ソフトウェアは（平均的には）複雑系 複雑系は、複雑な方法で故障する インシデント／問題に対する単一の因果関係を持つ単一の根本原因は、そ

お金、それも給料の話は、あさましい、ということになっている。婚活パーティーでもなければ隣の席の人間がいくら貰っているか堂々と聞くこともできない。 かつてGoogleで、自分の給料を全社員が見られる共有スプレッドシートに書き込み、公開を促した女性が現れてとんでもない騒ぎになったことがある。その行為の是非はともかく、不透明さによって守られていた上層部の平和は破られ、結果として彼女が社内で干される原因にもなったようだ。 このように給料の周りには、常に不透明な霧があって、その秘密は厳然と守られている。一方で、物価が上昇し、新卒の初任給が30万に達し、ボーナス平均が100万を超えたなどというニュースが連日報道されていて、先月のアフィリエイト収入が240円で、4月から素寒貧の無職になることが決定しているこのブログの主としては、気が気でない。 今こそ、私たちは給料の話をしなくてはならないのかもしれない。

こんにちは。ソリューション本部 エンタープライズ事業部 スポーツプラットフォーム部の永田です。普段の業務ではスポーツ領域の新規サービス開発に従事しています。 本記事では、複雑なドメインを持つ新規サービス開発のプロジェクトにおいて、「AI を活用して開発生産性を向上させる」 ために構築した仕組みと、その具体的な例を紹介します。 背景と課題 プロジェクトの特性 本プロジェクトには、以下のような特性があります。 新規サービス開発: ゼロからの立ち上げであり、設計判断が多い タイトなスケジュール: ビジネス要件上、できるだけ早く開発を進める必要がある 複雑なドメイン・コード: 特有の概念や複雑な構造が多く、全体像の把握が難しい。新規メンバーが多いチーム構成も相まって、ドメイン知識の蓄積が十分でない こうした背景から、AI をうまく活用してスピードと品質を両立して開発を効率化したいと考えていました。

ここに書いているAIは一例です。他にも色々なAIを併用しています。 複数のAIツールに同じことを聞いてみて、見聞を広めるみたいなこともします。 ちゃんと言語化してみると、この様な基準で選んでいるかな、という感じです。 AIによって求められる人間のスキル 対話型 (Claude.aiなど) →「質問力」が重要 自律型 (Claude Codeなど) →「仕様を書く力」「要件定義力 (決まりをちゃんと言語化する)」が重要 対話型でも、ある程度は同じ様なことができますが、自立型AIエージェントの方がもっと自由にいろんなことを任せれます。 (Claude CodeならAgent Skills、Subagents、Hooksの機能など) やってみた 今回はClaude Code開発チームのBoris Cherny氏の使い方を見てみます。 このポストでは、以下のような使い方を紹介しています。 ターミナ

はじめに RAG（Retrieval-Augmented Generation）システムを構築していると、「なぜか精度が上がらない」という壁にぶつかることがあります。 本記事では、社内規程文書を対象としたRAGシステムで、回答精度を73.3%から100%に改善した過程を紹介します。検証した複数のチャンキング戦略の中で、意外にも最もシンプルな解決策が最も効果的だったという結果になりました。 また、「Re-rankingを導入すれば精度が上がる」と思っていたのですが、逆に精度が下がるという予想外の結果も得られました。その理由についても考察します。 プロジェクト構成 技術スタック レイヤー 技術

画像生成AIや動画生成AIをChromeで動かせるようにしたものです。 Nano BananaやSeeDream、Kling、pixverseなど、多数のAIモデルに対応しています。 これを作ってみて改めて思ったんですが、プログラミングを始めた初心者に、まず作ってほしいものがあります。 それはChrome拡張です。 なぜChrome拡張なのか、理由を説明します。 Chrome拡張とはChrome拡張とは、Chrome（Googleのウェブブラウザー）上で動く拡張機能のことです。 ブラウザに新しい機能を追加したり、既存のウェブページに機能を付け足したりできます。 基本的にJavaScriptで動作します。 JavaScriptは世界で最も使われているプログラミング言語の一つで、学習リソースも豊富です。 Webサイトを作ったことがある人なら、すでに触れたことがあるかもしれません。 JavaSc

生成AIの登場により、ソフトウェア開発のあり方は劇的に変化しました。次々と新しいツールが登場し、これまでの常識が覆される中で、急速に進化するAIにどう対応していくか―本書は現場の開発者に向けて書かれた実践的なガイドです。著者は多様なAIツールを徹底的に検証し、コード生成、UI/UXデザイン、コードレビュー、テスト、ドキュメント作成など、開発工程全体におけるAI活用の可能性と限界を明らかにしています。また、将来のツール評価に役立つ指針も提示し、進化し続けるAI時代を生き抜くエンジニア、デザイナー、プロダクトマネージャーにとって必携の一冊となっています。 訳者まえがき はじめに 1章　コード生成とオートコンプリート 1.1　コード生成ツールの種類 1.2　ユースケース 1.3　ブラウザベースのツール 1.3.1　ChatGPT 1.3.2　Google Gemini 1.4　IDEベースのツー

FastAPI + htmxが最強説 - Pythonエンジニアがモック作るならReactは不要、Streamlitも捨てよう この記事はLivetoon Tech Advent Calendar 2025の12日目の記事です。 宣伝 今回のアドベントカレンダーでは、LivetoonのAIキャラクターアプリのkaiwaに関わるエンジニアが、アプリの話からLLM・合成音声・インフラ監視・GPU・OSSまで、幅広くアドベントカレンダーとして書いて行く予定です。 是非、publicationをフォローして、記事を追ってみてください。 本題 どうも、LivetoonCTOのだいちです。 今回はスタートアップでプロトタイプ開発する時の技術選定について書きます。結論から言うと、FastAPI + htmxという組み合わせがモック開発において最も効率的で効果があると思います。 モックごときでReactを

こんにちは。 ここ1ヶ月くらい、Obsidian × Claude Code メインで日々の情報整理に使ってみて、思った以上に自分に合っていると感じたので、そのあたりを書きます。 日々の情報整理を改善しようと思った背景 組織横断のプロジェクトと、それ以外の大小さまざまなタスクが日々発生していて、プロジェクトのボードに載せづらいタスクが多かった。 メモや Slack の TODO を使ってはいたものの、気づくとタスクと情報が散らばってしまい、目の前のタスクをこなしていたら、使わなくなった。 そんな状況だったので、もっとゆるくタスク管理と情報整理ができる仕組みがほしいな〜と思って調べていたところ、Obsidian が良さそうだったので触ってみたという背景です。 Claude Codeについては、 Cursorでも良かったのですが、普段から使っていて慣れているのでそのまま採用。 やったこと AI