はじめに GitHub Copilot は、もはや単なるコード補完ツールではありません。 どの文脈を与え、どこまで任せ、どこで人が介入するか その設計次第で、生産性にもコード品質にも大きな差が生まれます。 本記事「GitHub Copilot を極める会」では、 GitHub Copilot を 補完ツール としてではなく、 設計・実装・リファクタ・テストまでを支援する開発パートナーとして使い切ることを目標に話を進めます。 中でもエージェントモードを使いこなすことや、カスタムされた命令を Copilot に読み込ませること、更にはコーディングエージェントへコードレビューをさせる方法までこの記事でご紹介させていただきます。 「書かせている」状態から、「制御して使っている」状態へ --- GitHub Copilot を使う側のレベルを一段引き上げる記事となれば幸いです。 それでは行きましょう

わりと複数の企業のお悩みが、「そもそも生成AIでやるべきでない問い」にチャレンジして疲弊してる。ので説明メモ。 大企業が生成AIを導入してうまくいかないケースの多くは、ツールの性能不足というより、業務設計がズレている印象があります。 もう少し正確に言うと、「AIが苦手な問い」をそのまま投げている。で、当然苦戦しています。 ポイントは大きく2つあります。 完璧性を要求する仕事を、やってはいけない ステップが長く連鎖する仕事も、やらせないほうがいい 順番に解説すると… そもそも完璧性を要求する仕事を、やってはいけない生成AIは確率分布で、未来を予測したり、答えを予測するマシーンです。つまり、「確率的に間違えが発生する」ことは仕様の一部です。 なので、以下のような「そもそも100%の正しさを前提とする業務は苦手」です。 正解が一意で厳密：数式の厳密計算、機械語や厳密仕様のコード生成（1文字違いで

こんにちは、株式会社 tacoms で SRE をやっている はぶちん (@modokkin) です。 2025年が終わり2026年になりましたね。今年もどうぞよろしくお願いします。 さて、今回は前回の記事の続編として、Claude Codeの最近のアップデートで追加された新機能や便利になったポイントを紹介します。 前回記事のおさらい 前回は公式Pluginの概要とインストール方法、実際に使ってみた感想を紹介しました。 記事の中で、公式マーケットプレイスを手動で追加する手順を紹介しました。しかし2025年12月中旬のアップデートでこの手順が不要になりました。その後も継続的にアップデートがあるので、2026年1月時点の最新情報を紹介します。 最新のアップデート内容（2026年1月時点） 1. Marketplace標準搭載 以前は手動で claude-plugins-official マーケ

■ 日本のAI規制体系における構造的混乱：AI事業者ガイドラインに起因する問題の連鎖 このところの日記の記載を基礎として、改めて、「AI事業者ガイドライン」と「AIセーフティに関する評価観点ガイド」をClaude Opus 4.5を用いてほぼ自動的に評価させた。繰り返しになるが、これは論文で指摘したかったことだが半年後くらいになりそうなので、早めに多くの人に認識を共有してもらうべくここに記すものである。結論は最後のターンまでスキップ。 私：日本のAI政策の問題を指摘するブログを2回書きました。この指摘に沿って「AI事業者ガイドライン」の問題点を分析してもらおうと思いますが、その前にまずこの2回分の指摘の内容を把握してください。 https://takagi-hiromitsu.jp/diary/20251216.html https://takagi-hiromitsu.jp/diary/

はじめに RAG（Retrieval-Augmented Generation）システムを構築していると、「なぜか精度が上がらない」という壁にぶつかることがあります。 本記事では、社内規程文書を対象としたRAGシステムで、回答精度を73.3%から100%に改善した過程を紹介します。検証した複数のチャンキング戦略の中で、意外にも最もシンプルな解決策が最も効果的だったという結果になりました。 また、「Re-rankingを導入すれば精度が上がる」と思っていたのですが、逆に精度が下がるという予想外の結果も得られました。その理由についても考察します。 プロジェクト構成 技術スタック レイヤー 技術

公式ブログ。2024年8月なのでちょっと古め。 Dia によるまとめ。 LLM Compressorは、vLLM向けにモデルを圧縮して推論を速くする統合ツールだよ。 ウチ的にまとめると、これマジで「重いモデルをキュッと軽くして、GPUの速いコアでぶん回す」ための新ツールだし、実運用のレイテンシとかスループットをガチで改善するやつ。テンション上がる〜✨ まずはキーアイデア LLM Compressorは、量子化やスパース化みたいな「モデル圧縮」のベストプラクティスをひとつのライブラリに集約。GPTQ・SmoothQuant・SparseGPT・RTNとかをHugging Faceモデルに対してサクッと適用できて、出力されたチェックポイントをvLLMがネイティブに読んで高速推論できるのがポイントだもん。 重さを減らすだけじゃなく、GPUのINT8/FP8の速いテンソルコアを使える形に「アクティ

メールサーバを作る場合、多くのOSがサポートされていることから、MTAはPostfixでMDAはDovecotを使うことが多いでしょう。この場合、昨今、大手メールSaaSが取り組んでいる送信ドメイン認証やTLS通信の強化に対応するには、追加のミドルウェアが必要となります。 例えば、送信時のDKIM署名をするならOpenDKIMを利用し、転送でメールを改変するのならFromを書き換えにPostSRSdを利用し、そのまま転送するならARC署名をOpenARCを利用したり、あるいはDKIMもARCもrspamdを利用するか、などなど。OpenDKIMもrspamdのそれも、元はMTAのsendmail由来のmilterという拡張仕様によって実現されていて、野良を含めるともっといろんな選択肢があったりします。さらには、DMARCポリシー適応とレポートの運用や、DKIMなどの鍵のローテーション、受信

株式会社MIXI 執行役員 CTO 開発本部長 吉野 純平 2008年、新卒エンジニアとして株式会社ミクシィ（現MIXI）に入社。SNS「mixi」のインフラ・アプリ運用を担当し、「モンスターストライク」では、急拡大するトラフィックを支えるためハイブリッド構成の構築を主導した。2023年より、執行役員CTOとして全社の技術戦略を統括。障害対応用にApple Watchを買ったことがある。 X：@junpei_y オンプレミス、ハイブリッド、競輪場。 MIXI社が抱えるインフラは事業の多角化に伴い、複雑かつ広範囲に広がっています。主要サービスを振り返ると、SNS「mixi」のオンプレミスサーバに始まり、「モンスターストライク」ではハイブリッドクラウド、「家族アルバム みてね」ではクラウドネイティブ。そして競輪・オートレース投票サービス「TIPSTAR」では、全国の競輪場に無数の物理回線やサー

※この記事は、2025 Speee Advent Calendar 12日目の記事です。 昨日の記事はこちら tech.speee.jp こんにちは、Speee リフォームDX事業本部 プロダクトマネージャーの嶋です。 以前書いた記事、組織全体の開発スループットを劇的に向上させた「AIプランナー」とは？ でも触れたように、私たちは現在、AIを前提にバリューチェーンを再創造する「AX（AI Transformation）」に取り組んでいます。 その最終的な到達点の一つとして掲げているのが「接客の完全AI化」です。 今回はその第一歩として、外壁塗装の会社探しサイト「ヌリカエ」における 「電話営業データの、リアルタイムかつ完全自動での構造化」に挑んだ話をします。 目指す水準：「人間による修正が不要」となる完全自動化 現在、私たちのカスタマーサクセス（CS）は、通話を行いながら専用ツールで議事録を

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

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

FirebaseやSupabaseなど、バックエンドサービスで提供されるデータベース機能や認証機能などを無料かつローカル環境にたった1ファイルで構築できるオープンソースのシステム「PocketBase」が公開されています。 PocketBase - Open Source backend in 1 file https://pocketbase.io/ PocketBaseのドキュメントページにアクセスしてZIPファイルをダウンロードします。今回は、Windows環境で試すため「Download v0.34.0 for Windows x64」をクリックしてダウンロード。 ZIPファイルを解凍後、pocketbase.exeが入っているフォルダをエクスプローラーで表示し、アドレスバーにcmdと入力してEnterキーを押してコマンドプロンプトを起動します。 PocketBaseのサーバーを起

この記事は、松尾研究所 Advent Calendar 2025の記事です。本記事ではAIコーディングを実践するための環境構築方法が分かります。具体的なポイントは以下となります。 2025年12月時点での、Claude Code を中心としたAIコーディング環境の構築手順 AIコーディングに必要なツールの概要、セットアップ方法、使い方 仕様駆動開発でソフトウェア開発する流れと具体的な実践方法 AIコーディングツールの現状 今年（2025年）の3月にAIコーディングツールについてブログ記事を書きました。 この頃は、当時勢いのあったClineを使っていましたが、わずか半年で使用するコーディングツールも、新たにClaude Code、 Gemini CLI、Codex CLIといったCLIベースのツールに加え、LLMと繋がって様々な機能を実現するMCPといった便利な仕組みも出てきて、日々ベストプ

はじめに 今回紹介するのは、Claude Opus 4.5 と M365 Copilot を組み合わせて、自社スタイルのPowerPointを自動生成する方法です。 上記PVはGemini3 Proで製作 きっかけ：まつにぃさんのNote記事 この方法を思いついたきっかけは、まつにぃさんが投稿された以下のNote記事です。 python-pptx ライブラリだけを使ってPowerPointを生成するPythonスクリプトが紹介されています。特に興味を引いたのがこの部分： このPythonスクリプトの強みは、ChatGPTやClaudeにスライド内容の編集から作成までをお願いできることにあります。Code Interpreter や Artifacts 環境でそのまま動くので、会話しながらスライドを仕上げていけます。 これを読んで思ったんです。 「このPythonコードを自社デザイン風に改修

こんにちは。組織開発室に所属し、組織開発を担当しているてぃーびーです。 NotebookLM でスライドとインフォグラフィックを作成可能になったので、早速試してみます。 Google Workspace アップデート: スライド、Vids、Gemini アプリ、NotebookLM に Nano Banana Pro を導入 インフォグラフィック Studio からインフォグラフィックを選択することで、作成が可能です。また、インフォグラフィックの鉛筆ボタンを使うことで、より詳細な指示・設定を元にインフォグラフィックを作成することが可能です。 試行1 デフォルト 特にカスタムの設定をせずに、デフォルト設定のままインフォグラフィックの作成を実行してみました。 概ね良さそうですが、能動的実験の解説が含まれていません。 試行2 明示的に設定 経験学習についてまとめた NotebookLM を元にイ

PyCon mini 東海 2025で登壇した内容に関する資料です。 URL：https://tokai.pycon.jp/2025/ 内容： 全国1741市町村の統計データであるSSDSE（教育用標準データセット）と住民基本台帳人口移動データを用いた市町村間の人の流れを示す人口移動データを組み合…

みなさん、marimoってご存じですか？ 最近marimoを触ってみたんですが、これが思った以上に便利でびっくりしました。 このツールだけで完結できる場面が多くて、しかもUIがリアルタイムに反応してくれるので、作っていてすごく楽しいんです🎶 驚くほど簡単で直感的に使えますし、「試してみたい！」と気持ちがどんどん湧いてきました。 というわけで、この記事ではそんなmarimoの魅力や、基本的な使い方について紹介していきたいと思います。 ちょっとでも「面白そう」と思ってもらえたら嬉しいです。 はじめに Pythonでデータ分析や機械学習をするとき、まず思い浮かぶのが Jupyter Notebook という人も多いんじゃないでしょうか。 定番ツールとして長く使われてきたJupyterですが、実際に使ってみると「セルの実行順がバラバラになって混乱する」「どこで何が定義されてるか分かりづらい」「G

Zoom Communications Incシニアビッグデータエンジニアリングマネージャー、シノイ・ベンガラムコード・バスカラン氏。 AI（人工知能）は多くの組織が追いつけないほど急速に進化しており、私は多くのチームが同じ間違いを繰り返すのを目にしてきた。それは、検索拡張生成（RAG）の成功を実際に決定する2つの要因—データパイプラインとプロンプトエンジニアリング—を見過ごしながら、どの大規模言語モデル（LLM）を導入するかに焦点を当てることだ。私の経験では、GPT-4、LLaMA、あるいは他のモデルを使用するかどうかを議論するよりも、これらの領域に時間を投資する方が、常により具体的な結果をもたらす。 RAGの約束は単純明快だ：知識ソースから関連情報を取得し、LLMを使用して回答を生成する。しかし現実は複雑だ。たとえトップクラスのモデルでも、それに供給されるデータに一貫性がなかったり、プ

実運用の強さ：少トークンでSOTA級に迫る OmniDocBenchで比較するとさ、 Small（100トークン） で既にGOT-OCR2.0（256トークン）を超えがちだし。 Large（400, 有効285トークン） でSOTAと肩並べる感じ。 Gundam（<800トークン）でMinerU2.0（約6790トークン） より優秀。コスパ良すぎでしょ。 カテゴリ別の肌感: スライドは64トークンで十分。 本・レポートは100トークンで良。 新聞はテキスト密度高すぎなのでGundam以上が欲しい。 なんでこんなに軽いの？ ウィンドウ注意＋16×圧縮＋グローバル注意の直列デザインがマジ効いてる。 前段で大量パッチを安く見て、中間でトークンをギュッと圧縮してから、後段でリッチに解釈。 GPUメモリのアクティベーション低め、トークン数少なめ、多解像度対応で、訓練も推論も扱いやすい。 具体的にでき