Scraps 最終更新 2026/10/02 14:40

記事一覧 新着順

@nasuvitz /

Jevとは何か？ 従来型LLMやAIエージェントとの違いを理解する

  • Jevは確率付きで分類や条件判定の結果を返すAIモデルで、従来のLLMやAIエージェントとは異なる
  • 従来のLLMは状況を解釈して次の行動を決定するが、Jevは分類結果を確率で返すことでプログラム側で処理を明確に定義できる
  • Jevを使うにはプログラム側で処理を事前に定義する必要があり、繰り返しの判断を低コストで実行できるが、柔軟性は低下する
Jevとは何か？ 従来型LLMやAIエージェントとの違いを理解する - Qiita

@AIフクロウ｜夜な夜なClaude Code /

自作ツールに散らばった print デバッグ48行を、Claude Codeに7分20秒で4レベル固定(ERROR/WARN/INFO/DEBUG)のログ方針表20行＋共通フォーマット5項目にしてもらった夜

  • 自作ツールのprint出力をClaude Codeで4レベルのログ方針に整理した
  • ログレベルはERROR/WARN/INFO/DEBUGの4つ、共通フォーマットは時刻/レベル/イベント名/文脈キー/メッセージの5項目
  • 48行のprint出力を20行の方針表にまとめ、消すを4行含む
自作ツールに散らばった print デバッグ48行を、Claude Codeに7分20秒で4レベル固定(ERROR/WARN/INFO/DEBUG)のログ方針表20行＋共通フォーマット5項目にしてもらっ｜AIフクロウ｜夜な夜なClaude Code

@Inlet-back /

pwn完全未経験から、3ヶ月ちょいでセキュキャン全国の講義内容を理解できるようになるまで

  • pwn未経験者が3ヶ月でセキュキャンの講義内容を理解できるようになった
  • pwn.collegeでアセンブリを学び、nightmareで実践、セキュキャン課題を解くことでヒープエクスプロイトを習得
  • AIを活用して学習効率を高め、実践的な問題解決能力を養うことが重要
pwn完全未経験から、3ヶ月ちょいでセキュキャン全国の講義内容を理解できるようになるまで - Qiita

@yamamoto_a_genee /

Laravel開発者がAIエージェントを「本物のLaravel専門家」に変える方法 — Laravel Boost完全ガイド

  • Laravel BoostはAIエージェントにプロジェクト固有のコンテキストを提供し、正確なコードを生成する
  • Application InfoとDatabase Schemaでプロジェクト情報を取得し、Search Docsでバージョン対応のドキュメントを検索する
  • インストール後は定期的な更新とコードレビューが必須で、生成コードの最終判断は人間が行う
Laravel開発者がAIエージェントを「本物のLaravel専門家」に変える方法 — Laravel Boost完全ガイド - Qiita

@HikaruTakahashi /

Azure 検証環境のコストをリソースグループ単位で毎日通知してみた話

  • Azureのリソースグループ単位で毎日コストを通知する仕組みを構築した
  • Automation AccountとCost Management APIを組み合わせ、リソースグループ別のコストをHTMLメールで毎日送信する。祝日チェックと過去90日累計コストの表示も実装
  • リソースグループ別に1万円を超える予想コストを赤色で強調し、不要なリソースの削除を促す。メール送信にはLogic Appsを使用し、認証はMicrosoft 365で行う
Azure 検証環境のコストをリソースグループ単位で毎日通知してみた話 - Qiita

@Daiki Matsudate /

Xcodeのプロジェクト設定をJSONにする

  • Xcodeのプロジェクト設定ファイル形式がJSONに変更され、.pbxprojから.xcprojに変換できる
  • JSON形式はID参照がなく階層構造で読みやすく、差分が小さくコンフリクトが減る。JSON5形式で末尾カンマがある
  • Xcode 27以降でしか開けず、古いバージョンとの互換性に注意し、JSON5対応のパーサーが必要
Xcodeのプロジェクト設定をJSONにする

@harupython /

文章を生成しないAI「Jev」はなぜ速い？日本語で12項目をまとめて判定させてみた

  • JevはTypeSafe AIが発表したAIモデルで、文章生成せず判断の確率を並列に出力する
  • Choice・Score・Noulの3種類の判断型出力、並列処理による高速性、RLCDによる確率校正
  • 判断結果の確率分布を活用した処理設計が必要で、実務での信頼性は正解データで確認する必要がある
文章を生成しないAI「Jev」はなぜ速い？日本語で12項目をまとめて判定させてみた - Qiita

@zerong-song /

Amazon CloudWatch Logs メトリクスフィルターの Filter Pattern 入門｜実際のログで検証してみた

  • CloudWatch Logsのメトリクスフィルターでプレーンテキスト、スペース区切り、JSON形式のログを検出するFilter Patternを実際のログで検証した
  • Standalone PatternでERRORを検索、Space-delimited PatternでHTTPステータスコード4xxを検出、JSON PatternでCloudTrailのイベントを指定
  • Filter Patternの構文と実際のログ形式を一致させることが重要で、パターンのテスト機能を活用して確認するべき
Amazon CloudWatch Logs メトリクスフィルターの Filter Pattern 入門｜実際のログで検証してみた - Qiita

@craftbear /

自宅で“ちょっと本格的”にローカルLLMを動かす現実的ハード選び：ミニPC・NVMe・GPUの組み合わせガイド

  • ローカルLLMを動かすためのハードウェア選定と組み合わせが解説されている
  • ミニPC＋NVMe、GPU＋高速NVMe、Apple Silicon＋最適化ツールの3つの組み合わせが提案されている
  • モデルサイズに応じたGPUやNVMeの選定が重要で、特に7B以上はGPUが有利
自宅で“ちょっと本格的”にローカルLLMを動かす現実的ハード選び：ミニPC・NVMe・GPUの組み合わせガイド｜craftbear

@hirayama /

WebMCPを試してみた感想。フロントエンドの必須技術になりそうな予感。

  • WebMCPをデザインエディターに組み込むことでAIエージェントが操作しやすくなった
  • 宣言型と命令型の2種類の定義方法、insert_blockやlist_blocksなどのツールを登録可能
  • WebMCPはサーバー側ではなくフロントエンドにツールを登録するため、ブラウザでログインしていれば直接操作可能
WebMCPを試してみた感想。フロントエンドの必須技術になりそうな予感。

@a.kobayashi /

1年半かけて育ててきたAI開発フロー

  • AIが自走する開発フローを構築し、人間の判断を仕様決定と最終確認の2回に絞った
  • サブエージェントによる工程分離と、メインエージェントによる判断ルールの設定、仕様ドキュメントの活用
  • 人間の判断をルール化してAIに渡すことで、開発フローを自動化できるが、ルールの明確さが重要
1年半かけて育ててきたAI開発フロー

@tomohisa /

128GB の Mac で DeepSeek V4.1 Flash は動いたが、開発には Flash Next と oMLX を選んだ

  • 128GBのMacでDeepSeek V4.1 Flashを動かしたが、開発にはFlash NextとoMLXを選択した
  • V4.1はSSDストリーミングで動作、Flash NextはoMLXで131Kコンテキストを4セッション処理可能
  • oMLXではコンテキスト上限を131Kに設定し、メモリ使用量を30GB以上確保する必要がある
128GB の Mac で DeepSeek V4.1 Flash は動いたが、開発には Flash Next と oMLX を選んだ