国内AIニュース
LLMのコンテキスト上限問題に対し、効率的な文書参照と検索の重要性を説く。全文・メタデータ・ベクトル検索の使い分けと、文書間の参照関係を辿るエージェントの役割についての考察。
Claude Codeなどのエージェントツールの動作を理解するため、独自のマルチエージェント連携環境を構築する。スキルの呼び出し順序や分岐ロジックをNode.jsとOllamaで実装し、内部構造を解明する。
AIモデル間での工程別分業の最適化について解説。単に「強いモデルが設計し、安いモデルが実装する」のではなく、作業の自己完結性やコンテキストの連続性、検証可能性を基準に委譲先を決めるべきだと提言します。特に要約作業はサブエージェントに適しています。
Google Cloud Next Tokyo 2026参加レポート。Microsoft 365基盤の企業がGoogle Workspaceをどう評価すべきかを探るため参加したが、単なる製品比較を超えた「データ活用の本質的な問い」が重要であると気付かされた2日間の記録。
AIへ長大な資料を入力する際のコストと速度を検証。入力文字数に応じて料金は増加するが、トークン数は文字数ほど増えず、処理速度も長さに比例しないことが判明。AI利用時のコスト構造とパフォーマンスに関する実測結果を解説します。
AIのAPI料金計算などで頻出する「トークン」の概念を解説する記事。AIがテキストを処理する仕組みを具体例を用いて説明し、単語や文字数との違いを明らかにすることで、AI利用時に不可欠な知識を習得できるように構成されています。
IT企業社員、経営者、個人開発者という3つの顔を持つ「かつお」氏による自己紹介記事。Web3領域でのプロダクト開発経験や、JPYCを活用した家計のオンチェーン化など、金融の分散化に対する強い情熱と思想を語っています。
Claude Codeの「スキル」機能について、Markdownファイル「SKILL.md」を用いた自動化手順を解説。複雑なプラグイン実装ではなく、手順書を記述することでClaude Codeに指示を与えるシンプルな仕組みを紹介しています。
画面なしスマートバンド「Fitbit Air」のレビュー。内蔵されたAIコーチ機能により、食事の記録が簡単かつ自動化されている点が特徴です。口頭での説明や写真撮影だけで食事内容を分析し、手軽に記録と修正が行えます。
ブラウザ自動化におけるジョブ競合を防ぐための障害分析手法。Provider単位でロックを取得・解放し、各工程の処理と成果物を分離することで、自動化プロセスの安定性を高め、推測に頼らない運用を実現する方針を詳説します。
人間とAI（UFO）が連携して資料を照らすゲームの紹介。それぞれの視野角や特性を理解し、人間の操作とAIの自動制御を組み合わせる必要があるゲームのルールと、人間・UFOの操作方法について具体的に解説しています。
長CoT強化学習における報酬配分問題に対し、トークン単位の信用度を再定義する手法「CSCR」が提案されました。従来の均等分配の不備を指摘し、推論の正否に直結するトークンを特定することで、モデルの推論能力向上を目指す研究グループの成果です。
vLLMにおいてspeculative decodingとprefix cachingを併用した際の速度低下問題について解説。キャッシュヒット率の低下がTTFTを悪化させる実例を挙げ、併用時の注意点と最適化の難しさを技術的視点から紐解きます。
生成AIにより開発速度が向上した一方で、判断・理解・評価などの高密度な負荷が人間に集中する現象を考察。生産性向上がもたらす開発現場の新たな課題と、AI時代の人間が抱える判断ストレスについて論じています。
安全関連システム開発における要求工学の重要性と、現状の現場が抱える課題を指摘。人手によるレビューや矛盾の発生、規格準拠チェックの属人化といった問題を解決するために、AIを活用した要求分析の自動化と品質向上について考察します。
LLM普及に伴い、頭に蓄えるべき知識の質が変化しています。単純な手順や用語よりも、概念同士の関係や因果、制約条件といった「構造的な知識」を理解することが、AIを使いこなす上で不可欠な時代になったと提言します。
Cursorで会社用と個人用のアカウントをログインし直さずに使い分ける方法。`--user-data-dir`オプションを利用して、Dockに個別のショートカットを作成することで、環境を分離した同時利用を実現する設定手順を紹介しています。
AIアニメ制作における最大の課題である「キャラクターの一貫性」を維持するための具体的な解決策を紹介。三面図だけでなく、名前、身長、カラーパレットの明記、キャラクターID管理、バストアップのターンアラウンドをまとめた資料を用意することで、AIの衣装誤認や混同を防ぐ手法を解説しています。
実装タスクを外注する際、子エージェントの性能（effort）が結果にどう影響するかを検証したレポート。gpt-5.6-lunaの6段階の性能差を比較し、親エージェントが適切にタスクを委譲するための最適なパラメータ構成を探ります。
枝刈りされたLLM「Kimi K3」をMac Studio(M3 Ultra)で動作させることに成功した事例。Kimi Code CLIと連携し、SWE-Lancerのタスク8本中5本を正解させる高い性能を確認。モデルはHugging Faceにて公開されている。