AI生成テキストをどう見分けるかが日英双方の話題を占め、Anthropicの電子透かし解説が各所に広がった

uBlock Origin はFirefox Androidでも動作するという補足がまず付いた。

完全に機能する広告ブロッカーなしではWebが使い物にならなくなっている以上、これが採用増につながることを期待するという声がある一方、MozillaがGoogleからの資金を中長期で失うリスクへの懸念も示された。

「軽微なメンテナンスだけでもブラウザは使い続けられるのでは」という見方には、新しいJSやCSSの機能が増え続ける以上それでは追いつかないという反論が出た。プレーンHTML、コアCSS、限定的なJS APIといった段階的な機能の「階層」を強制する仕組みがないことへの不満も語られている。

記事の中心的な主張は、労働が交換可能になれば代替が容易になり働き手の交渉力が下がる、だからこそ経営側がこれを望む、というもの。

コメントでは、長く強い交渉力と高い賃金が続いた結果として階級意識が育たず、力関係が傾いて初めてそれが可視化されるという分析が示された。最近のミートアップでは半数がレイオフ経験者で、残りも現状を嘆いているという報告もある。

労働の均質化という発想自体は新しくなく、Javaが存在する理由がまさにそれで、大企業はこのプロセスをとうに確立している、という反応も付いた。

記事はLLMによる攻撃能力の向上がセキュリティの均衡をどう変えるかを論じている。

コメントでは、実際にLLMで複雑なエクスプロイトを見つけている立場から、バグが尽きることはないという意見が出た。攻撃が成立する理由は複雑性と理解の欠如にあり、大手でも自分が扱うスタック全体を理解している人は少ないという証言が添えられている。

双方が同じ性能のLLMを持てば欠陥はリリース前に修正されるようになり、いたちごっこは「より強いLLMを持つ側が勝つ」ゲームに変わるという見方があった。一方で、攻撃側は一つ見つければよいのに防御側は一度も間違えられず、しかも防御側は無数に存在するという反論が対置されている。

8月開催回の直接リンクが共有された。Zig Software Foundation代表のAndrew Kelleyが参加予定で、そのため通常の土曜ではなく日曜開催になっているとホストが説明している。

投稿者は、日付だけの一般ページから詳細を含むこの回のページへリンクを差し替えたと返信している。

カンファレンスの参加記として共有された。

コメントでは、講演の動画を公開しているYouTubeチャンネルが案内された。

READMEの冒頭を占めるのは、リストそのものではなくAPILayerの統合スイートの案内。1つのアカウント、1つのダッシュボード、1つのAPIキーで本番品質のREST APIを統合できるという内容になっている。

紹介されているのは IPstack、Mediastack、Aviationstack、Positionstack、Mailboxlayer など。住所のジオコーディング、メールアドレスの検証、フライト情報の取得、株式市場データの取得、検索結果のスクレイピングといった用途が挙がっている。

公式のPostmanコレクションをフォークすれば60秒未満で始められる、という導線も置かれている。

READMEは、Cordisを「A Meta-Framework of Spatiotemporal Composability」と説明する短いもの。

現在も活発に開発中でAPIは安定しておらず、予告なく変更される可能性があると明記されている。

論文「A Programming Paradigm for Spatiotemporal Composability」と、cordis-primer というドキュメントへのリンクが置かれている。

モデルを実行・学習できる初のデスクトップアプリだとうたい、Windows・macOS・Linux（deb / AppImage / Arm64）向けのネイティブアプリを配布している。手動インストール用のワンライナーも用意されている。

対応モデルはLLM、拡散、埋め込み、音声にまたがり、Kimi K3、MiniMax-H3、Qwen3.8、Muse Glimmer、DeepSeek-V4、Gemma 4 が挙がっている。

ローカルモデルをClaude Code、Codex、MCPから使え、ツール呼び出しとコード実行に対応する。プライベートで無制限のWeb検索、ディープリサーチ、RAG、画像と動画の実行・学習も機能として並べている。

Needle 2 はモデル全体が単一の14MBバイナリで、1セッションを約28MBのRAMで実行する。Simple Attention Network の知見をもとに Cactus Quants で CQ2 ビットに圧縮し、専用エンジンに焼き込んでいる。

ベンチマークでは FunctionGemma 270M、LFM2.5 230M、Apple FM といった小型モデルと勝ち負けを分ける水準で、サイズは5〜70分の1、量子化は f16 に対して2ビットだとしている。

ツール呼び出しはスキーマから生成したバイトレベル文法で制約された構造化データとして返る。学習済みヘッドによる信頼度スコアで閾値を超えたら実行・下回ればエスカレーションでき、大きなツールカタログからは検索ヘッドが毎ターン上位5件だけを描画する。ツールをKVシンクに固定した256トークンのスライディングウィンドウにより、メモリは28MB付近に収まる。

ToolJetは、社内ツール・ワークフロー・AIエージェントを構築してデプロイするAIネイティブ基盤 ToolJet AI のオープンソース基盤という位置づけ。

コミュニティ版が提供するのは、ビジュアルビルダー、ドラッグ&ドロップのUI、データベース・API・SaaSアプリ・オブジェクトストレージとの統合。

AIによるUI生成、クエリ構築、デバッグ、およびエンタープライズ機能は ToolJet AI 側に置かれている。ライセンスはAGPL。

現在は一から書き直している最中で、旧版は opencut-app/opencut-classic に置かれている。opencut.app では引き続き旧版が動き、書き直し版は完成まで new.opencut.app に置かれる。

書き直しで予定しているのは、Editor API、プラグイン優先アーキテクチャによるサードパーティプラグインの一級サポート、Rustコアによるデスクトップ・モバイル・ブラウザの単一コードベース化。

さらに、AIエージェント向けのMCPサーバー、自動化とバッチレンダリングのためのヘッドレスモード、エディタ内のスクリプティングタブが挙がっている。ツールのバージョン管理には proto を使う。

インタラクティブ世界モデルは永続メモリ・応答性・長期生成を同時に求められるが、履歴をデノイザの文脈やKVキャッシュに保持するとコストが増え続け、セッション長と保持するメモリのトレードオフになる。Evokeはシーン形状をカメラ索引付きの外部ワールドステートバンクに置き、視点に関係する情報だけを取り出すことで文脈長を有界に保つ。

教師モデルも固定の生成器として扱わず、チャンク単位のグルーピング、離れたフレームの選択的検索、線形アテンションによる大域状態を組み合わせた疎なアテンションを採る。メモリと計算量の増加は線形にとどまり、長期の教師信号が可能になる。

30秒の分布マッチング目的をself-forcedロールアウト下で適用し、classifier-free guidanceを使わない3ステップの生徒モデルへ転移させる。H200 1台の384×640で、1.5秒のチャンクを2.11秒で生成し、WBenchで3ステップ世界モデルとして最高性能に達したと報告している。

すべてのクエリと予算制約に対して最適な単一のLLMは存在しないため、コスト効率の高い運用にはモデルルーティングが要る。ところが既存のルーターは定式化も実装もばらばらで、公平な比較や拡張が難しい状態にあると指摘する。

本研究はルーティングを、コンテキストエンコーダ、モデルエンコーダ、スコアリング関数、決定規則、学習信号という5要素からなる逐次的意思決定過程として統一的に定式化し、単一ターン・複数ターン・パーソナライズドの各ルーティングを覆う。この定式化に基づき、ルーティングの教師信号を自動構築し、応答品質と推論コストの両面でルーターを評価するパイプラインを作った。

出来上がったベンチマーク xRouteBench は、汎用LLM、メモリ拡張、視覚、時系列、パーソナライズドの各タスクにまたがる。16以上の代表的ルーターを含むオープンソース基盤 LLMRouter も公開。学習型ルーターは最強の固定モデルより相対14.6%高性能、コスト制約が厳しいほど軽量ルーターが競争力を持ち、ユーザー条件付きルーティングは一貫してパーソナライズを改善したと報告する。

エンドエフェクタの姿勢とグリッパ状態からなる行動系列、観測フレーム、言語指示を与えると、その結果生じる将来の観測を予測する。ただし見た目の写実性だけでは忠実さは保証されず、もっともらしいロールアウトでも間違った腕が動いたり操作対象を見失ったりする。

各腕に指示された経路を予測が尊重するよう、腕ごとのSE(3)変換をPRoPE形式の幾何エンコーディングでアテンションに注入し、腕の同一性と剛体運動の構造を保つ。行動制御だけではシーンの形状や小さな操作対象の変化を十分に拘束できないため、シーン全体の幾何には軽量な深度分岐を、把持中の物体の一貫性にはSAM3のマスクと凍結したV-JEPA教師を用いる。

多ステップの生成器は分布マッチング蒸留により少数ステップの生徒へ蒸留し、効率的な配備に対応する。執筆時点で WorldArena 2.0 チャレンジのTrack 1で1位、Track 2で2位。モデルとコードは公開予定としている。

LLMエージェントの能力はモデルの重みだけでなくハーネス（プロンプト、ツール、スキル、制御フロー）に依存する。既存の自己改善ループはハーネスを編集するが、単一系統の探索は経路依存で、局所的な改善が他のタスクを後退させやすい。

DarwinXはモデルを凍結したまま、ハーネスの集団に対する選択として自己進化を扱う。preserve-and-extend契約により、後退なくカバレッジを広げる変異体だけを受け入れ、アーカイブが代替系統を残して組み換えに使う。失敗由来・教師由来・自己由来の証拠は一つの編集インターフェースを共有する。適合度は各ベンチマーク自身の検証器から得るため、正解solutionも人手による勝者選定も要らない。

進化の信号とテストを段階的に切り離す4つのベンチマークで、1ループあたり平均約17ポイント向上した。Terminal-Bench 2.1は同条件のベースで+7.7の83.2%、より強いベースでは検証済みフロンティアの84.7%。TerminalWorldのheld-out分割は68.3%で既製エージェントを上回り、WebArena-Infinityの実タスクpass@1は43.5%から93.0%へ。Terminal-Bench 2.1向けのハーネスはそのままSWE-bench Verifiedへ転移したとしている。

LLMが科学的評価に関与するようになるなか、報酬ハックの一形態として、報告されている科学的内容を保ったままレトリックの選択が判断をどう変えるかを調べた。匿名化されたICLR 2026の投稿120件から4200本の全文原稿を統制的に生成し、2つのLLM書き換え器が6つのレトリック次元を相反する方向へ変換、5つのLLMレビュアーが標準・厳格の両プロトコルで評価した。

レトリック感受性は一様ではなく構造的だった。総合評価で最大の正負のコントラストを生むのは根拠の枠付けと新規性の姿勢で、スコープの枠付けが弱い第二層をなす。この序列は人間評価による品質水準を通じて維持されるが、スコアの動きはAIレビュアーの元のスコアに強く依存し、低いスコアは上がり、高いスコアは下がり、中位でコントラストが最も明瞭になる。

より手の込んだワークフローが必ずしも効果を高めるわけではない。同時書き換えは書き換え器への依存が強く、レビュアーによる誘導は無誘導の2回目のパスを一貫して上回らず、反復的な書き換えは逓減する。対立する変種の分離幅は主に書き換え器が決め、スコア効果の大きさと符号はレビュアーが決める。厳格な査読は平均総合評価を1.36ポイント下げるが、レトリック感受性を一貫して変えることはなかった。

マルチモーダルな入力を凝縮された構造的メディア出力へ変換する作業は、モデルとハーネスからなるシステムを中心とする長期地平線のエージェント的プロセスとして捉えられる。理想的なハーネスは人間の設計上の前提に沿い、探索を通じて再利用可能な経験を蓄積して再帰的自己改善を駆動するはずだが、既存のパラダイムは静的でそこに届かない。

AutoDesignでは、メタハーネス最適化器がロールアウトのフィードバックをもとにコードエージェントを導き、ハーネスを再帰的に改善する。評価用に、5分野100本の論文からなるMain Trackと、統制評価用に10本を共有するPosterBench-miniからなる PosterBench を用意した。

Main Trackで78.32点を記録し、商用のクローズドソースシステム Claude Design を7.45ポイント上回った。7通りのコードエージェント設定で、学習されたDesignHarnessを組み込むと平均スコアが54.99から67.39（+12.4%）へ上がる。完全自律の長期ループでは40分・3ドル未満で253回のツール呼び出しと11回の編集ターンを実行し、人間評価で平均的な学会ポスターの品質に到達。システムを伏せた人間評価でも最も高い選好を得たとしている。

動画世界モデルは現在の観測とユーザー行動から将来の状態をシミュレートする。近年のシステムは長い系列でも動画の一貫性と行動可制御性を示すが、インタラクティブなモデル同士の公平な比較は難しい。人間のプレイヤーは長期の目標を追って評価する。たとえば360度振り向いて環境が一貫しているか確かめたり、水に入って現実的な波紋が出るか調べたりする。

同じ目標を達成するのに必要な行動系列はモデルごとに大きく異なるため、行動条件を固定した評価はモデル間比較に向かない。そこで、指定された長期目標に向けてマルチモーダルなエージェントプレイヤーに世界モデルと対話させる方式を採る。

PlayWorld は目標を指定した171のシナリオを備え、幾何の一貫性、相互作用の忠実さ、視界外の変化、視界内の変化という4軸に加え、動画品質と可制御性の基礎指標で評価する。9つの最先端世界モデルでの実験では、長期のインタラクティブな目標において、とくに空間的一貫性と持続的な状態変化の維持が依然として不安定だと分かった。

VLMエージェントの空間推論を高める既存研究は、教師ありファインチューニングや強化学習といった事後学習と、深度推定や3D再構成といった外部の空間ツールを呼ぶエージェント的手法の2系統に分かれる。本研究はその補完として、凍結したVLMが推論時に外部ツールへ依存せず、パラメータ更新なしの自己進化で空間推論を改善できるかを問う。

Spatial Memory Agent（SMA）は、検証可能な空間環境で凍結VLMに問い合わせ、予測と報酬を得たうえで、検証器に導かれた内省から転移可能な簡潔な教訓を抽出する。各教訓には Transfer Reliability Score（TRS）を割り当て、初期値は一様、その後の検索結果を将来の転移信頼性の証拠として較正する。

読み取り専用の配備時には、意味フィルタと類似度・TRSを組み合わせたランキングで教訓を検索し、凍結モデルの推論を導く。5つの代表的な空間ベンチマークと4つのベースVLMで、すべてのベースモデル区分でマクロ平均が最高となり、20評価の大半で最良の精度を示した。

層交互のハイブリッド線形アテンション（HLA）LLMにおける巨大活性（MA）の初の体系的研究として、アーキテクチャに対応した2つの形態を見出した。MAはフルアテンション層の直前で必ずスパイクし（pre-attention spikes、PAS）、間に挟まる線形アテンション層を越えて持続してプラトー（inter-spike plateaus、ISP）を作る。フルアテンションが密になるほど連続するPASがISPで接続され、最終的にフルアテンションLLMの安定したMA形態を回復する。

この構造は、5つの線形アテンションアーキテクチャ、6つのハイブリッド構成、5つのデータ領域、1.2Bから397Bまでの代表的なオープンソースハイブリッドモデルで再現した。1.3Bまでの規模でGDNベースのハイブリッドを統制的に事前学習すると、両形態は早期に現れ、出力ゲーティングに非対称に反応する。フルアテンションの出力ゲーティングは層ごとの構造を残したまま絶対値を強く減衰させ、GDNのゲートを外した場合の増幅は比較的小さい。

機構としては、系統的外れ値の分析がMAのキャンセルのタイミングに支配される共通のライフサイクルを支持する。PASは局所的な write-sink-cancel の過程をたどり、ISPの長い持続は遅延したキャンセルと整合する。コードは公開されている。

ポーズ駆動の人物アニメーションは、1枚の参照画像と駆動ポーズ列から対象人物の動画を合成する。ライブ配信、テレプレゼンス、バーチャルアバターのようなインタラクティブ用途にはリアルタイム生成が要るが、拡散ベースのシステムはクリップあたり数分から数時間を要し応答的な対話にならない。

LiveAnimateは140億パラメータの動画Diffusion Transformer上に構築され、2段階の学習パイプラインを採る。まずReference-Anchored Teacher-Forcing Adaptationで、事前学習した双方向DiTをブロック因果の自己回帰生成器に適応させ、次にBlock-wise Self-Forcing Distillationでサンプリング予算を3ステップに削る。

長い配信で見た目を保つため、Pose-Retrieval Sink Attention（PR-Sink）という有界のKVキャッシュ機構を導入する。最初の生成ブロックを恒久的に固定するStatic Sink、ポーズ検索で選ばれた過去ブロックを保持するDynamic Sink、3スロットのRolling Windowを組み合わせ、ポーズが再出現したときに系列全体を保持せず該当する見た目の文脈を復元する。Ulyssesの系列並列と演算子融合により、H100 2枚で19.63FPSのストリーミング推論を達成。3分間のベンチマークで、最初の30秒から最後の1分まで知覚品質と同一性がほぼ一定に保たれたとしている。

対象サービスはCloudflare Workers、Supabase、Polar、Gemini API、Sentry、Google Analytics、AdSense、GitHub、独自ドメインで構成されていた。導入は5分でも解約はそれぞれ別の管理画面が必要でUIも異なるため、「閉店作業」という巨大なバックログが最後に突然出現したと述べる。

最初にやるべきはコードを書くことではなく終了方針を決めることだとし、最終終了日、新規登録と購入の停止日、購入済みコンテンツの扱い、データの削除期限、決済履歴を残すか、問い合わせ先の維持期間などを列挙する。

実際の方針は、新規登録と購入を先に停止し、終了日までは既存データの閲覧のみ許可、更新操作は停止、ユーザーデータは期限までに削除、本番データのバックアップは残さず、DB構造とマイグレーションだけGitに残す、というもの。勢いで全部消すと自分の逃げ道まで消えるとして、依存関係を考えて段階的に停止したと書いている。

例として、商品ID・数量・単価・配送状態を一つのOrder型に持たせた小さなECサイトを挙げる。配送中の破損で同じ商品を再送する必要が生じたとき、顧客が買ったのは1個なので数量を2にするのは誤りで、単価0円のOrderを追加すると動きはするが奇妙なデータが生まれる。

その0円レコードは購入点数に数えるのか、売上集計から除外するのか、返品ではどう扱うのか、推薦システムの学習データではノイズにならないか。関係するコードと運用のあちこちで個別に帳尻を合わせる必要が出てくる。

対して、「何をいくつ、いくらで買ったか」をOrder、「その約束をどう履行したか」をFulfillmentとして分けた設計では、注文と履行が別概念として認識されるため、同じ要求が破綻なく表現できると示す。

CLAUDE.mdに書いてもセッションが長くなると効き目が薄れ、何回言ったかもどこにも残らないという問題意識から出発する。現在 ~/.claude/feedback/ には47個のルールが溜まり、うち14個はhookが機械的に検知できる形になっている。

ルールは1指摘1ファイルで、frontmatterに count（同じ指摘を受けた回数、すなわち強制力の強さ）と enforce（pre_editイベント、対象パス、欠けていてはならない兄弟ファイル、severity）を書く。例として、Go/TSの実装ファイルを書く前にテストファイルを要求するTDDルールが挙がっている。

本文には Why と How to apply に加えて「言い訳」というセクションを書く運用にしている。ルールを破りたくなる場面では「今回は特別だから」という理屈が先に立つため、それをあらかじめ潰した文章を同じファイルに置いておくと効くという。

出発点は2004年のProject Honey Pot。「メールスパムはどこから来るのか」をサイト運営者が追跡できる仕組みで、185カ国・数千サイトが参加するまで育ったが、ユーザーからは「追跡はいいから止めてくれ」という要望が繰り返し来た。

追跡は外から観測すればできるが、止めるには通り道に立つしかない。この要望に応えようとした瞬間、アーキテクチャの選択肢は「間に入る」の一択になったと筆者は整理する。

2009年にMatthew PrinceがハーバードビジネススクールでMichelle Zatlynと出会い、同年4月にビジネスプランコンテストで優勝、7月に法人設立。当初の事業計画名は「Project Web Wall」で、「クラウド上のファイアウォールを作っているのだからCloudflareだろ」という友人の提案が社名になった経緯を紹介している。

構成はNext.js 16 + OpenNextでビルドしたCloudflare Workers、DBはTurso（LibSQL）+ Drizzle ORM、認証はBetter Auth、ストレージはR2、リアルタイムはDurable ObjectsのWebSocket、キャッシュはKV、メールはAWS SES v2。

Workers Paidが必須な理由は3つ挙がる。OpenNextでビルドしたworkerがgzip後3.6MBで無料プランの3MB上限を超えること、無料プランのCPU 10ms制限にNext.jsのSSRが収まらないこと、Durable ObjectsとWebSocketが有料プラン前提であること。それ以外のR2・KV・DO・Turso・SESは無料枠に収まっている。

D1を採らなかった主因は10GB制限。またCloudflare自身が出した実験的プロジェクト vinext（ViteでNext.jsをゼロから再実装し、ビルド最大4倍速・クライアントバンドル最大57%削減をうたう）を、安定したらこの構成の本命になりそうだとして注視していると書いている。

大きなSDKを入れる、レスポンスを全部メモリに載せる、SELECTを順番に待つ、Cronで全件を完走する、SSEをつなぎっぱなしにする。AWS構成では普通に動き、直す理由もなかった実装に、Workersではバンドルサイズ・128MBのメモリ・CPU時間・KVのオペレーションといった値札が付いたと述べる。

WorkersはNode.jsプロセスではなくV8 isolate上でWeb標準APIを中心に動くため、nodejs_compatを有効にしてもimportできるだけのstubがある。インストールやビルドで安心せず、実際に使うコードパスをWorkersで通してから容量と責務を比べるようになったという。

IDトークン検証だけの最小Workerで実測すると、gzip後は firebase-admin 14.2.0 が251.30 KiB、@hono/firebase-auth + Hono が33.65 KiB、jose が10.98 KiB。AWS Secrets Managerの1操作でも @aws-sdk/client-secrets-manager が70.64 KiB、aws4fetch が8.31 KiB だった。いずれも上限には収まるため、パッケージ名ではなく責務から選ぶ話だとしている。

通常lintではBiome 2.5.3が0.78秒、Oxlint 1.77が0.16秒で約4.9倍の差。盛り盛り設定同士では2.18秒対0.46秒で約4.7倍。一方、型認識lintは0.38秒対5.98秒とBiomeが約16倍速く、逆転する。

計測はnpx経由だと起動だけで1秒以上乗るためローカルバイナリを直接叩き、交互に8〜10回実行した中央値を採用している。oxc公式のbench-linter（VS Codeのコードベース）では差が2.5〜3.3倍で、対象コードベースとルール構成の違いによるものと考察する。

差の理由の一つは解析範囲で、Biomeは型onlyの循環importも検出し、CSSクラスとJSXをまたぐ未使用検出のような言語横断の解析も1回の実行で行う。OxcはRust製のパーサ・リンタ・フォーマッタ・トランスフォーマなどを共通のAST/アリーナ基盤の上に構築したツール群で、Rolldownのパース処理にも使われている。

原文の主張は「AI時代で人間がコードを書かなくなったからこそ、言語選定の重要性は増している」というもの。コーディングエージェントが数秒で構文の正しいコードを数千行生成する現在、重要なのは書くことではなくレビュー・検証・保守だとする。

Goは標準ライブラリだけである程度の開発ができるうえ、コンパイラ、テスト、依存関係管理、脆弱性検査までを標準ツールチェーンとして備える。そのためGoは単なるプログラミング言語ではなくソフトウェアエンジニアリングのプラットフォームであり、AIエージェントが自分の出力を検証して自己修正するLoop Engineeringの足場が揃うと位置づける。

書式の統一と読みやすさ優先の言語設計はレビュー負荷の軽減に寄与する。AIのガードレールはSkillsやHooksのようにLLMツール内で語られがちだが、Go自体がガードレールとして機能するという主張。訳者はGoogleメンバーによるポジショントークである点も念頭に置くよう断っている。

隣席の若手が「エラーが出る→コピー→AIに貼る→返ってきたコードを貼り直す→動く」を3秒×数往復でこなす一方、エラーメッセージを一度も読んでいなかったという場面から始まる。同日の午後、筆者自身も自力でスタックトレースを追う集中力が続かなくなっていることに気づいたという。

個人の側では、なぜ壊れなぜ直ったか分からないまま次へ進み、同じ場所で詰まる。本人も薄々まずいと感じているが、納期の前では学習より解決が優先されるため、個人の意志では解けないと整理する。

組織側には3つの形で跳ね返るとする。AIが下駄を履かせるためメンバーの実力を成果物から測れないこと、エラーの読み方を教えられるのが一部のシニアだけで育成が属人化すること、技術力の評価が印象と自己申告に依存すること。

RFC 9457（Problem Details）のボディ形式だけを議論しがちだが、クライアントが見ているのはボディだけではないという問題意識から始まる。3層のどれか1層でも欠けると、監視・リトライ・フォームのエラー表示のどこかが壊れると述べる。

層ごとの正典は、ステータスコードがRFC 9110（429のみRFC 6585）、ヘッダーがRFC 9110や6750ほか、ボディがRFC 9457。上2層はHTTPの汎用インフラが機械的に解釈する領域、ボディはアプリケーションが解釈する領域と分担を整理する。

長く引用されてきたRFC 2616や7231はRFC 9110に統合されて置き換わった。400番台は同じリクエストを何度送っても結果が変わらずクライアント側の修正が要るのに対し、500番台は時間を置けば成功しうる。リトライ規約はこの分類から直接導かれると説明する。

AIは文法が正しくても意味が崩れたコードを量産するという特性があるため、重要なのは「AIが勝手に書けるか」ではなく「書いたコードをすぐ検証・修正できるか」だとする。

根拠として、強い型システム、静的型付け、Roslynによるコンパイル時の即時検出、.editorconfigのルールをビルド時の警告・エラーに落とし込めること、BCLと標準ライブラリの充実の5点を挙げる。

例として、Nameだけを設定したUserのAgeプロパティに文字列を足す式を示し、構文的には成立しても設計としては破綻していること、この種の誤りは動的型付け言語では実行まで気づきにくいが、C#ではコンパイル前段階で潰しやすいことを説明している。

扱う範囲は、基本操作とプロンプトの書き方、CLAUDE.mdや権限設定などの制御、スキルやMCPでの拡張、ヘッドレスモードやCIといった現場での使い方、セキュリティ・コストなど企業導入の観点まで。後半に進むほど「一人で使う道具」から「チームで使う仕組み」へ視点が移ると述べる。

網羅的だが辞書的ではない点を評価している。機能を並べるのではなく、どこで使うか、どんなデメリットがあるか、どう使うのがおすすめかまで書かれており、一つひとつの機能に実際の動作検証が添えられている。

特に評価しているのはセキュリティまわりで、Claudeに.envを読ませようとして止められるまでをログで見せたうえ、その設定では防げない範囲まで正直に書いてあると述べる。組み込みスキルの広さやヘッドレスモード、/loop・/goalの章にも発見があったとしている。

対象読者はHTML/CSSの基礎を学び実務に生かしたい人、transitionとtransformの使い方を学びたい人。前提知識は基本的な書き方と :hover の理解のみで、使用技術はHTMLとCSSに限られる。

前半でtransitionとtransformの基本を扱う。transitionはCSSの値が変化するときに指定した時間をかけて徐々に変化させるプロパティで、ホバー時の文字色・背景色の変更に指定すると柔らかい印象になるとして、あり・なしの比較をCodePenで示している。

後半のアニメーション集は、ボタンが4種（下線が左から右へ伸びる、丸型ボタンの拡大、色が左から右へ変化、背景グラデーションの変化）、カードが3種（枠線と影による立体感、下線が右から左へ伸びて浮き上がる、画像がモノトーンからカラーへ変化）。

有料プランは機能が過剰で、欲しい機能が揃った手頃なものもなく、結果として進捗・見積・依頼元とのやりとりが別ツールに分散して更新が滞る、という行き詰まりから出発する。使っているのはClaude DesktopのCoworkだが、ファイルを直接読み書きでき定時実行の仕組みがあれば考え方は流用できるとしている。

回っているのは4つ。自然言語で伝えるとAIがカードに登録し、平日朝9:30に未完了を自動提示、番号で進捗を伝え、週次でまとめて棚卸しする。入力形式も出力形式も決めず、期限別ビューや一覧はすべて原本から作り直す。

更新の起点を人ではなくAI側に置いた点が要で、朝に未完了だけを突きつけてもらう。フェーズや作業種別はAIが会話から埋め、埋まらなかったものは後で聞かれる。別件だと思っていたタスクが同じ画面に紐づいていたという関連指摘は、棚卸しでしか気づけないため効いたと書いている。

未承認サービスの発見と遮断だけで扱うと、AI利用は見えない場所へ移るだけだとする。現場が未承認AIを使うのは、公式環境で必要な機能が使えない、申請が遅い、相談先が不明といった事情によるもので、ルール違反をしたいからとは限らない。

全社AI（全社員向けチャット、議事録、社内文書検索／責任はIT・セキュリティ部門）、部門AI（営業の提案支援、人事の求人票作成、開発のコードレビュー／利用部門とIT部門）、個人AI（新モデルの試用、ローカルLLM検証／利用者・部門長）の3区分に分け、必要な統制を分担する。

製品名ではなくAIが何をできるかで判定すべきだとし、同じ製品でも下書き、社内検索、外部コネクター、AIエージェントではリスクが違うと述べる。作成者が異動・退職した際に誰が所有権と管理権限を引き継ぐかを導入前に文書化することも必須項目に挙げ、NISTのGenerative AI Profileの Govern / Map / Measure / Manage を枠組みとして参照している。