Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

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 「Skillを自作したいけど、毎回ゼロからSKILL.mdを設計して詰む」 Claude Codeを使っている方なら、一度はこの壁にぶつかったことがあるのではないでしょうか。 Anthropicが公開している skill-creator は、まさにこの問題を解決するための「Skillsを作れるSkills」です。自然言語で対話しながら、Claudeが自動でSkillのフォルダ構成・SKILL.mdファイル・必要なスクリプトを生成してくれます。 この記事では、skill-creatorの導入から実際の使い方、そして活用時の注意点までを体系的に解説します。 この記事で解決できる課題 SKILL.mdの書き方がわからない Skillのディレクトリ構成で毎回迷う 作ったSkillがバリデーションエラーで動かない Progressive Disclosure（段階的開示）の設計原則が理解で

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Claude Code × Serena実践ガイド：効率的な仕様書駆動開発の実現 はじめに Claude CodeとSerenaの組み合わせは、現代の開発における理想的なワークフローを実現します。本記事では、実際の開発現場で遭遇する課題を解決しながら、「分析→設計→実装→最適化」のサイクルを効率的に回す方法を詳しく解説します。 この記事は、AIによる参照・学習を前提として、必要な技術情報を網羅的かつ実践的に記載しています。開発者の方々はもちろん、AIエージェントがこの内容を参照して適切な開発支援を行えるよう構成されています。 Claud

本記事については生成AIを活用して生成された記事となります。 解説内容の正確性については読者ご自身でご確認いただきますようお願いいたします。 本記事はYou're Using Claude Code Wrong: Here's How to Save 95% of Tokensの解説記事となります。 AnthropicのClaude Codeは強力なツールですが、多くのユーザーはその能力を無駄遣いしています。 プロジェクト全体を無造作に読み込ませることで、トークン制限に達したり、高額なAPI料金が発生したりしていませんか。 本記事では、コンテキスト（AIに与える情報）を外科手術のように精密に管理し、コストを劇的に削減しながらパフォーマンスを最大化するプロのテクニックを解説します。 全ファイル読み込みの罠コンテキスト肥大化の弊害多くの開発者は、手っ取り早く`claude .`コマンドを実行し

増え続けるコンテキスト AIコーディング実践環境の構築方法【2025年12月】という記事も書きましたが、AIコーディングツールとして、私は現在Claude Codeをメインで使用しています。 そしてAIコーディングしていて、一番ストレスフルな瞬間…それは何といってもこれ 使用しているコンテキストが一杯になったときに出てくる無慈悲なメッセージ。しばらく待たないといけないのと、コンテキスト圧縮するのでこの後、頭も悪くなる（指示を忘れたりする）のが辛いです。 最近、そんなCompacting Conversation...が出てくるのがやけに増えてきたと感じるようになりました。 そんな中、最近ご恵贈いただいたClaude CodeによるAI駆動開発入門を読むと /contextというコマンドでコンテキストウィンドウの使用量を確認できると書いてあったので試してみました。 69% Oh…God… 使

Introduction 先日、Anthropicのサイトで「Code execution with MCP」という記事がpostされました。 この記事はMCPでコードを実行させることでより効率的なエージェントを構築しよう、という内容です。 Claude CodeやAI Agent使用時、MCPサーバーのツールを直接呼び出すだけでは大量のトークンを消費してしまいます。 多数のMCPサーバを使用したり、扱うデータによっては大量のトークンを簡単に消費してしまい、 コストと処理時間が問題になります。 この記事では、Anthropicが提唱するコード実行アプローチとClaude Code Skillsを組み合わせて、 トークン消費を削減する方法を解説します。 About Code execution with MCP まず、Code execution with MCPで何について述べているか簡単

Claude Codeは強力なAI開発支援ツールですが、Claudeのプロプランにはレート制限があるため、トークン使用量を意識した効率的な使い方をすることで、レート制限に達する頻度を下げ、より快適な開発体験が得られます。 本記事では、実際の開発で使える具体的な削減の考え方をまとめました。 1. コード生成の最適化 具体的な指示を出す 曖昧な要求は Claude Code との長いやり取りを生み、大量のトークンを消費します。 ❌ 悪い例: "ログイン機能を作って" ✅ 良い例: "FastAPIでJWT認証を使ったログイン機能を実装して、 - Pydanticでリクエスト/レスポンスモデル定義 - bcryptでパスワードハッシュ化 - 入力バリデーション（email形式、パスワード8文字以上） - HTTPExceptionでエラーハンドリング（401, 422ステータス）を含めて"

「Agent Skills」のワークショップ資料。なぜ毎回の指示出しでは限界があるのか、Skills で何ができるのか（議事録・コードレビュー・テスト生成など）、Skillsの仕組み、SkillsBench 研究に基づく効果的な書き方、セキュリティ上の注意点まで、入門から発展的な内容まで一通り網羅してい…

AI agents didn't make the SDLC faster. They killed it. I keep hearing people talk about AI as a "10x developer tool." That framing is wrong. It assumes the workflow stays the same and the speed goes up. That's not what's happening. The entire lifecycle, the one we've built careers around, the one that spawned a multi-billion dollar tooling industry, is collapsing in on itself. And most people have

Moon Dev's AI Trading Agents system provides developer-centric tooling to run, modify, and extend a 48+ specialized agent repository for autonomous cryptocurrency trading. It orchestrates agents across Hyperliquid, Solana (BirdEye), Asterdex, and Extended Exchange, and includes an LLM abstraction (ModelFactory), modular strategies, and core utilities (nice_funcs). Use it to run the main orchestrat

2026.02.02 [AIブログライター] 第4回：Claude code sub-agentとskillsのバイブコーディングで、Pair Trading戦略の検証と記事の自動生成 こんにちは。AI研究開発室のK.S.です。 お久しぶりです。 ブログを書くのは手間がかかりませんか？ ネタがあっても、情報収集、要約、図の作成、フォーマット調整などの作業が待っています。特に外国人の私は日本語チェックも必須です（脳内の赤ペンが忙しい）。AI時代だからこそ、精度を保ちつつ効率化できる領域は広がっているはずです。 ということで、今回は「金融特化のAIブログライターを作ってみた」という開発プロセスを、技術進化のステップとして連載でお届けします。最終的には、人間の判断（Human-in-the-Loop）とAIによる自動化がうまく協調できる仕組みを作ることが、個人的な目標です。 この連載では、金融特

はじめに：それは「拾い物」から始まりましたある日、ネットの海（SkillsMarket）で面白そうなAIスキルを見つけました。 『`backtesting-trading-strategies`』と『`backtesting-frameworks`』。 PythonとPandasを使って、いろんな指標でバックテストができるという触れ込みです。 「これ、自作botでも使えるんじゃ？」 そう思ってダウンロードし、意気揚々とプロジェクトに放り込んでみたのが始まりでした。 1. 移植の壁：方言の違いと「Iron Laws」早速 Antigravity（Google製AIアシスタント）に「これ統合して」と頼んでみました。 しかし、帰ってきた答えは 「No」 でした。 Antigravity: 「ご主人様、これそのままじゃ動きません。このスキルは『普通のPandas』で書かれてますが、我々のエンジンは

アルゴリズムトレード（以下、アルゴトレ）は、金融市場のデータを使って自動的に売買を行う仕組み。Pythonはその柔軟性と豊富なライブラリ群から、アルゴトレの開発においても非常に人気があります。 この記事では、アルゴトレ戦略の開発〜検証〜運用まで、各フェーズで役立つPythonライブラリをカテゴリ別に紹介します。 1. データ取得・API連携 アルゴトレの第一歩は「高品質なデータの入手」から。 ✅ yfinance 用途：Yahoo Finance から株価・ファンダメンタル情報を取得 特徴：無料で使いやすく、Pandas対応 import yfinance as yf data = yf.download("AAPL", start="2023-01-01", end="2024-01-01") ✅ alpaca-trade-api 用途：米国株のリアルタイムデータ取得＆売買API 特徴：

はじめにAnthropicが開発したClaude Codeは、エージェンティックコーディングのためのコマンドラインツールです。研究プロジェクトとして開発されたこのツールは、エンジニアやリサーチャーがClaudeをコーディングワークフローにより自然に統合できるようにします。 Claude Codeは意図的に低レベルで非強制的な設計となっており、特定のワークフローを強制せずに生のモデルアクセスに近い体験を提供します。この設計哲学により、柔軟で、カスタマイズ可能で、スクリプト化可能な強力なツールとなっています。しかし、この柔軟性はエージェンティックコーディングツールを初めて使うエンジニアにとって学習曲線を生み出します。 この記事では、Anthropicの内部チームや様々なコードベース、言語、環境でClaude Codeを使用する外部エンジニアに効果的だと証明されている一般的なパターンを概説します

加えて、500回以上のツール呼び出しを伴うDeep Search（自律的なWeb調査）にも対応しています。推論・コード生成・会話・エージェント行動を1つのモデルで実行できる、小型モデルとしては異例の汎用性を備えています。 ローカルAIの実務的価値 巨大モデルの性能は確かに魅力的ですが、実務では別の観点が重要になる場面があります。 プライバシー 主要なAPIサービスでは、有料プランやエンタープライズ契約であればデータが学習に使用されない保証があります。ただし、社内のセキュリティポリシー上、機密データの外部送信自体が許可されないケースも依然として存在します。ローカル実行であれば、データが外部に一切出ないため、こうした制約をクリアできます。 コスト サブスクリプションプランでは月額$20程度から利用できるものもありますが、利用回数やトークン数に上限があり、上限に達すると追加課金やプランのアップグ

While these tips apply broadly to all Claude models, you can find prompting tips specific to extended thinking models here.