はてなブックマーク

はじめに Andrej Karpathy が LLM Wiki というパターンを gist で公開しています。ごく短いメモですが、LLM と資料の付き合い方について、RAG とはまるで違う筋を通しています。 これを MulmoClaude に実装しました。本記事では、パターンそのものの説明と、実際にコードに落としたときに何が設計上の勘所になったかを書きます。 RAG は毎回ゼロから思い出している LLM に資料を読ませる一般的なやり方は RAG です。文書を放り込み、質問のたびに関連チャンクを引き当て、それを根拠に答えさせる。 これは検索としてはよくできていますが、知識が蓄積しません。100 本の論文を入れて 50 回質問しても、51 回目の質問は 1 回目とまったく同じ状態から始まります。毎回ゼロから拾い直している。 もっと本質的な問題は、ソース同士を繋ぐ作業が誰の仕事でもないことです。

僕は長いこと、ターミナルの中で暮らしています。エディタは emacs、VS Code や GUI 系のツールはどうにも手に馴染まない。Web 上の開発環境も、あの「ちょっとした不便」が積もって結局使わなくなる。要するに、ターミナルに慣れ親しみすぎて、GUI のボタンがどこにあるのか探せない人間です。 そんな僕が、勢いで自分専用のターミナルを作ったら、GitHub のコミットが毎日 500 を超えるようになりました。一度きりの当たり日ではなく、来る日も来る日も、です。生産性がバグりました。 毎日 500 コミット超え。草が真緑になった 先に言い訳をしておくと、「コミット数は生産性の指標じゃない」というツッコミはまったくその通りです。細かくコミットする癖もあります。でも、数字そのものより、その数字が出てしまうくらい "詰まらなくなった" という体感の変化の話として読んでもらえると嬉しいです。順

Claude Code や Codex でコードを書くようになって、開発のボトルネックが変わったな、と感じています。以前は「書く速度」が律速でしたが、今は違う。AI がいくらでも書いてくれるので、詰まるのは書いたコードをきれいなまま保つところです。 AI は、その場の文脈だけで「それっぽく動くコード」を出します。悪気なく、こういうことをします。 1つの関数に処理を全部詰め込んで、気づけば200行 型が面倒になると any で流す、変数名が md とか e みたいに短くて意味不明 すでにある truncate() を知らずにもう一回書く（うちでは同じ関数が6個まで増えました） 「この機能もう要らない」とリファクタさせると、呼び出し元は消えるのにヘルパーだけ残る 一つひとつは些細ですが、これが積み重なるとコードベースがじわじわ腐ります。しかも厄介なのは、人間のレビューではこれらが見つけにくいこ

筆者の実体験をもとに Claude Code を活用して整理しました。公式ドキュメントと挙動が異なる場合は公式を優先してください。 2026-02-11 更新: @karaage0703 さんに教えていただき、Claude Code v2.1.3 で Slash Commands が Skills に統合された件を反映しました。YAML frontmatter のフィールド一覧も公式ドキュメント準拠に更新しています。 Claude Code の拡張機能（Slash Commands, Skills, Agents, Plugins）の違いがわかりにくかったので、実際に触りながら整理したメモです。 拡張機能の全体像 Plugin（配布パッケージ） ├── Skills（コマンドの上位互換） ├── Agents（カスタムエージェント） ├── Hooks（ライフサイクルフック） └── MC

シンギュラリティ・ソサエティのAI Innovators Hubに参加しています。 epiCRealismとReActorでバーチャルアイドルを作る Stable Diffusionを使って、人物の顔写真を元にバーチャルアイドルを作成します。 前回の記事で、Stable Diffusion Webuiをインストールし、Stable Diffusion 1.5を動かしてみました。 続いて、バーチャルモデルを作ってみます。 AIモデルのデータセットepiCRealismと、元データとなる顔画像を読み込むReActorというツールの２つを、Stable Diffusion Webuiに取り込み、画像データを元ネタにしてオリジナルの画像を生成する動かします。 epiCRealism CIVITAIというサイトにある、epiCRealismをダウンロードします。 epicrealism_natura

一番手早く自社サービスの賢いサポートボットを作る方法(openai.Embedding+pinecone+SlashGPT) 自社サービスの最新情報にもとづくサポートボットを作りたいというのはよくある話だとおもいます。これを　openai.embedding+pinecone+SlashGPTでサクッと実現する方法を紹介します。 準備 SlashGPT repo のclone https://github.com/snakajima/SlashGPT OpenAI API KEY open ai でアカウントを作成後下記でAPI-Keyを発行します https://platform.openai.com/account/api-keys 無料枠は5$までです　https://openai.com/pricing pinecone API KEY vector DB SaaS をつかうととて

SlashGPTとは SlashGPTは中島聡が開発したChatGPTなどのLLMエージェントを手軽に開発するためのツールです。SlashGPTを使えば、jsonファイルを記述するだけでChatGPTを使ったLLMエージェントやチャットアプリを手軽に、簡単につくることができます。 出来上がったjsonファイル（これからはマニフェストと呼びます）は、簡単に共有することができます。マニフェストファイルは他の人と共有する他、SlashGPTをライブラリとして利用する場合にエージェントの設定としてそのまま使うことが可能です。 インストール SlashGPTはコマンドライン（ターミナル）で使うツールです。コマンドラインを使っていくつかのツールを使いインストールをします。SlashGPTの開発者はMacを使っているので、現時点ではMacでの利用を推奨しています。(Windows, Linux利用者のフ

Firebaseのセキュリティチェックリストを見ていると、 CloudFunctionの環境変数に機密情報を入れないでください 多くの場合、自己ホスト型のNode.jsアプリでは、環境変数を使用して秘密鍵などの機密情報を含めます。 CloudFunctionsではこれを行わないでください。 Cloud Functionsは関数の呼び出し間で環境を再利用するため、機密情報を環境に保存しないでください。 とありました。(2022/04/11) 以前は、ランタイム環境構成でfunctions:config:set で秘匿情報を登録し、 functions.config().some.keyで取り出すという方法が一般的だったのですが、環境変数に関しては、`.env'で管理し、秘匿情報はシークレットを使うことが推奨となりました。「呼び出し間で環境を再利用」とあるので、コンテナを共有あるいは使い回しを

Firebaseでサービスを公開するときに、最低限必要なセキュリティーのポイントをまとめています。 Firebaseは、現在もすごい勢いで開発が進んでいるので、セキュリティーに関するポイントやノウハウも日々更新されます。最新のドキュメントや、変更点を調べることをおすすめします。この記事を含め、ネットの記事は古い可能性があります。2022年前後でも、App Check導入、Cross service Rulesの導入、AuthenticationのIdentity Platform導入、Workload Identity連携の導入など、日々更新されています。 公式のFirebaseのセキュリティチェックリストは必ず目を通しましょう。 GCPインフラ Firebaseで使うGoogle Accountは個人のアカウントを使わないでGoogle Workspace/Cloud Identityの