このリポジトリREADMEの'Zero-Touch Generation Examples'にあるゲーム群が、LLMにプロンプト・ツールと'Create a game'という指示を与えて一発で出てきたものだ。バランスなどに多少難ありだが、一応遊べるワンボタンゲームになっている。この程度のゲームが作られる確率がだいたい3割くらい。10個のうちの3つは遊べる。 今までは一発で遊べるゲームが出てくることはほぼ無かったので、3割といえども大したものだ。3割程度まで打率が上がった理由は、Claude Opus 4.5の能力の高さによるところが大きいが、今回作成したワークフローによるところもある。 LLM向けミニゲーム制作ワークフロー LLMに、タグ選択 → 設計 → 実装 → 評価 → 改善という5段階のワークフローでゲームを生成させた。使用したプロンプトやツールは上記リポジトリにある。特徴的な点と

XEVIOUS homaged horizontal shoot em up, for minimum MSX, requires only 8KB RAM and 16KB VRAM, featuring smooth multi horizontal scroll, multi-color extended sprites, PCM voice by 1-bit sound port, synchronized PCM drum and vocal playing. 0:00 Launch & Title 0:42 Game start ~ AREA 01 1:53 AREA 02 3:00 AREA 03 4:10 AREA 04 4:29 vs Mother ship

ワンボタンアクションミニゲームをAIにワンショットで生成させる試み は相変わらず続けている。今回はゲーム発想の基本方針 をGemini 3 Flashに与えて5つのゲームアイデアを出させた。その中から私はなんとなく以下が一番面白くできそうだと思い選んだ。 ５. 角度制御：『ジグザグ・スライサー（Zig-Zag Slicer）』 「Direction Change」を極限までシンプルにした、反射と精度のゲーム。 ビジュアル: 狭い通路（壁は単純な直線）。自機は鋭い矢印。 操作（Press）: 進行方向の90度転換。 ルール: 自機は常に斜め45度の方向に直進する（右上または右下）。 ボタンを押すたびに、進行方向が右上から右下（またはその逆）へ切り替わる。 壁にぶつかると、物理法則に従って跳ね返る。 ゲームオーバー条件: 通路内に配置された静止した赤い球体（地雷）に接触する。 リスク・リターン

これは はてなエンジニア Advent Calendar 2025、10日目の記事です。 onishiアドベントカレンダー2025、10日目でもあります。 生成AIによるコーディングが大きく進化した2025年。普段は人事部長などをしているため、あまりコードを書かないのですが、ある程度自律的に開発をしてくれるAIはそういった人こそ便利に使えるのではないでしょうか。 というわけで、「なるべくAIだけでどこまでできるか」をテーマにいくつか遊んだ様子をお届けします。動作環境を必要としない、ブラウザで動くゲームを題材にし、紹介したコードは全て GitHub の public リポジトリに置いてます。 ちなみに本記事に実用性は全くありませんので先に注意しておきます。 3つのAIで実装対決 共通指示と結果 評価 同時開発 3つのAIで順番に開発 単一のプロンプトで開発を進める 褒め合うAI 完成したもの

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

Embracing minimalism Create black-and-white line drawings using a simple Turtle graphics API. Plottable, generative art playground You can export each turtle as a plotter-friendly vector graphics SVG file.

これはKritaという無料のペイントツールですが、Conwayのライフゲームが動作しています。 スクリプト等は用いておらず、標準のフィルターと合成レイヤーのみを用いています。 解説 端的に言うと次の4レイヤーを重ねることでライフゲームの次の世代の計算を行うことができます。 ぼかしフィルター #b88b73 加算 カラー補正フィルター #000000 彩度HSV ぼかしフィルター ここが一番の肝です。 今回使うぼかしフィルターの設定は以下のとおりです。 水平方向の半径 1 垂直方向の半径 1 強さ 1 角度 0° 形状 矩形 この設定のぼかしフィルターは、"理想的には"周囲3×3ピクセルの情報をもとに \begin{pmatrix} 0.0909… & 0.0909… & 0.0909… \\ 0.0909… & 0.2727… & 0.0909… \\ 0.0909… & 0.0909…

I recently discovered that you could make PS2 games in JavaScript. I’m not even kidding, it’s actually possible. I was working on a project and had my phone near my desk when I received a notification. Upon further inspection, it came from itch.io which was a platform where I usually published most of my web games. Under my relatively popular Sonic infinite runner game which was made in JavaScript

AI コーディングエージェントの登場により、エディタで直にコードをいじらずともプログラム開発が可能になった。最近はこれらエージェントをブラウザ上からも使えるようになった。たとえばClaude Code on the webがそのようなエージェントの一例だ。 これを使えばスマホでどこでもゲームが開発できるのでは？そう考えて作ったプロンプトやツールを、以下のリポジトリに置いた。 このリポジトリは 2024/3 から作っており、ここで LLM を使ったワンボタンアクションミニゲーム作りをいろいろ試行錯誤している。Claude のチャットインタフェースから、Cursor の IDE、CLI の Claude Code など、いろいろな環境を渡り歩きながら、試行錯誤を続けている。 ある意味この記事はこの試みの第 5 回である。 スマホでブラウザゲーム開発のワークフロー Claude Code on

最近、コーディングエージェントを用いた開発で、ある一つの習慣を導入している。それは、性質の異なる二つの大規模言語モデル（LLM）、CodexとClaudeを、一つのコードベースに対して交互に使い分けるというものだ。これを個人的に「コードベースの交互浴」と呼んでいる。温浴と冷浴が心身を整えるように、このアプローチもコードベースの品質向上に役立つのではないかと考えている。 具体的な手法はシンプルで、1週間の最初の数日はCodex (GPT-5-Codex)を使いコードを開発、残りはClaude Code (Claude Sonnet 4.5)を使う。これだけ。ただ、この二つのコーディングエージェント間には直接の記憶共有がないため、作業の引き継ぎにはBACKLOG.mdという単一のマークダウンファイルを利用する。ここには、次に取り組むべきタスクリストと、直近の作業ログを常に記録しておく。AIを切

LLM Inference API を使用すると、ウェブ アプリケーションで大規模言語モデル（LLM）を完全にオンデバイスで実行できます。これにより、テキストの生成、自然言語形式での情報の取得、ドキュメントの要約など、幅広いタスクを実行できます。このタスクは、複数のテキスト間大規模言語モデルを組み込みでサポートしているため、最新のオンデバイス生成 AI モデルをウェブアプリに適用できます。最新の Gemma-3n モデルを使用している場合は、画像入力と音声入力もサポートされています。 LLM 推論 API をウェブ アプリケーションにすばやく追加するには、クイックスタートに沿って操作します。LLM 推論 API を実行するウェブ アプリケーションの基本的な例については、サンプル アプリケーションをご覧ください。LLM Inference API の仕組みの詳細については、構成オプション、モ

RAGでのデータ整形(改行・インデント)がLLMの回答精度に与える影響を検証したでは、ダミーのテストデータやテストケースを色々作っている。実はこのデータはAIと壁打ちしながら作ったので、やり方を共有する。 ダミーのテストデータを作る まずslack-explorer-mcpのメッセージ検索のレスポンスを模したダミーデータを用意したかった。流れとしては、slack-explorer-mcpで適当にメッセージ検索してJSONをゲット => そのJSONをClaude Codeに与えてダミーデータに変えてもらう、ということをした。 下記の会話内容が壁打ち&データ生成の流れ。最初からはうまくいかないので、データを作りながら修正していった。 > Slack Explorer MCPの挙動を色々試すため、ダミーのMessageのJSONを用意したい。以下のJSONをフォーマット例として、スレッド内メッ

UGC「星々の幻境」登場！ Luna Ⅱでは、原神の全く新しい遊びを提供する常設コンテンツとしてUGC（ユーザークリエイトコンテンツ）「星々の幻境」が実装されます。 そして本コンテンツの実装時から、数百種類ものバラエティ豊かなステージで遊ぶことができます。モンドの魔神任務 序章 第一幕「風を捕まえる異邦人」をクリアすると、この不思議な世界に入ることができるようになり、経営シミュレーション、パーティーゲーム、対戦ゲーム、冒険挑戦など、様々なゲームを思う存分楽しめます。 プレイヤーはここで、新たなフレンドと出会ったり、かつて一緒にプレイしたフレンドと再会したりして、協力プレイや対戦の楽しさを共有するもよし、一人でじっくり遊んで、謎解きを心ゆくまで楽しむもよし、各々の好きなスタイルでプレイを満喫できます。さらに、多くのステージにはアチーブメントやランキングシステムが用意されており、プレイスキルを

きっかけ Federico Castagna らの論文「Critical-Questions-of-Thought」(CQoT) を読んだ。要するに、LLM に回答を生成させた後、その回答を批判的に検証させるステップを挟むと精度が上がる、という話だ。 論文では Toulmin の議論モデルに基づいた批判的質問（Critical Questions）を使って、LLM の推論プロセスを検証している。具体的には、以下の 8 つの質問で推論の妥当性をチェックする： 推論は明確な前提から始まっているか？ 前提は証拠や事実で裏付けられているか？ 前提と結論の間に論理的なつながりがあるか？ その論理的つながりは妥当か？ 推論は論理的誤謬を避けているか？ 結論は前提から論理的に導かれているか？ 推論は既存の知識や原則と整合しているか？ 推論の結論は妥当で合理的か？ これらの質問に対して、AI 自身が Pa