エージェントの器を組み立てる動きと、その出力を締め出す動きが同じ日に並んだ

Nitterのリポジトリで停止が告知された。XCancelはリダイレクトサービスではなくNitterのインスタンスだった、という訂正がコメントで入っている。

評価は割れている。Xの到達範囲が少しでも減るなら歓迎という立場と、敵対的相互運用性の敗北はそれ自体が損失だという立場が並ぶ。英国では報道が萎縮しているためXが情報源として有用だった、という反論も出た。

Xが直リンクでのログインなし閲覧と上位リプライの表示を復活させたため、2年前ほどの影響はないという指摘がある。代替として挙がったtwitterwebviewer.comはオープンソースではなく、全体がLLMで書かれているという報告も。

記事は、貢献実績を作る目的で無価値なPRを撒く行為を対象にしている。

コメントでは、誤字修正は道端のゴミを拾うようなものだという受け止めと、それに対して反応が割れるのは人気プロジェクトを維持した経験の有無によるという整理が出ている。20人体制のプロジェクトなら誰かが軽く merge するだけなので、投稿前に維持体制を調べろとは言えない、という反論も。

記事の対象は善意の投稿者ではなく、全プロジェクトに無差別に送る側だという読み方が示されている。根本的にはGitHubがメンテナに管理手段を与えていないことが問題で、著者クレジットと切り離してPRを取り込めれば経歴目的の投稿は減るという提案が出た。

Cursor、Claude Code、Codex CLI、OpenCode向けのNode.js製レンダリング・検証システム。図は5種類、プリセットは4種で、ダーク/ライト両テーマと有限のモーションに対応する。

検証済みのスナップショットを2つ比較してBefore / Delta / Afterを出せるため、マージ前に追加・削除・変更・移動・経路変更の単位でアーキテクチャの差分を確認できるとしている。

出力は自己完結型のHTMLで、そのまま提示でき、鮮明なエクスポートも備える。

YouTubeで500万回以上再生された同名シリーズ (旧WorldView) のプロジェクトがオープンソース化されたもの。

ライブ映像が得られない箇所はモデル化した表示であることを明示する方針をとっている。

リアルタイムのAIエージェントによる音声操作にも対応し、ハンズフリーで視点を動かせるとしている。

gpt-image2.canghe.ai に対応するギャラリーサイトがあり、大きなプレビューの表示、プロンプト全文のコピー、スタイルや場面での絞り込み、Googleサインイン後の生成テストができる。

各事例からGitHub上の元ケースへ戻れる導線を持つ。

READMEは英語・簡体中文・日本語で用意され、プロンプトやワークフローを交換するコミュニティページへの案内が付いている。

測定はHaiku 4.5、n=4で、スキルなしの同じエージェントを対照に置いている。54%は12タスクの平均で、日付ピッカーのようにエージェントが作り込みすぎる場面では94%に達し、元から最小限のコードではほぼ0になる。

単に「一行で書け」と指示するプロンプトは安全ガードを1つ落とすが、ponytailはすべて維持したとしている。

以前の単発ベンチマークで示した80〜94%という数字については、対等なエージェント同士の比較では平均ではなくタスクごとの上限だと訂正している。

オープンソースのエージェント型動画制作システムとしては最初のものだと掲げている。

動画を貼るところから始めるクイックスタート、試せるプロンプト集、パイプラインの解説、レビューガイド、エージェント向けガイドが用意されている。

複数のAIエージェントが1つの会話の中で協調する仕組みや、複数のクラウド事業者との連携がスポンサー枠で紹介されている。

内部でmagicsockと呼ばれるデータプレーンが、2台の間にWireGuardで暗号化された点対点のトンネルを張る。

DERPがNAT越えのための側路として働き、NATトラバーサルに失敗した場合の最終手段のリレーも兼ねる。

CLIはcmd/tailcatにあり、Goライブラリとして自分のコードに取り込める形でも提供される。

生物学をはじめとする分野を対象に、そのまま使えるスキルとデータベースへの接続をまとめている。

Agent SkillsとAgent Pluginsの標準に準拠していることをバッジで示している。

リポジトリにはセキュリティスキャンのワークフローが組み込まれている。

作者はエージェントや対話アシスタントに接続して使う永続メモリ Agent Memory の開発者でもある。

ランディングページは日本語を含む12言語に翻訳されているが、正典は英語で、レッスン本文はtranslationsブランチで機械翻訳されている。

学ぶ・作る・他者のために出す、という順序を掲げた構成をとる。

if-elseの代わりにmax(a, b)、手書きループの代わりにslices.Contains、nilチェックの連鎖の代わりにcmp.Or(a, b, c)を使わせる、といった具体例が挙げられている。

Go 1.26で入ったnew(42)による値へのポインタ取得と、errors.AsType[T](err)による型安全なエラー判定も扱う。

本体はplugin/skills/use-modern-go/SKILL.mdに置かれ、スキルの形式で配布される。

導入前にプラグインを信頼できるか確認するよう明記されている。

Anthropicはプラグインに含まれるMCPサーバーやファイル、その他のソフトウェアを制御しておらず、意図どおり動くことも、内容が変更されないことも検証できないとしている。詳細は各プラグインのホームページを見るよう案内している。

インストールはClaude Codeのプラグイン機構からこのマーケットプレイス経由で行い、/pluginコマンドを使う。

Zennの記事で、Agent IDEと呼ばれる分類のエディタを扱っている。

コメントでは内蔵ブラウザの統合を評価する声が並ぶ。エージェントを複数並行させる時代にはIDE側のブラウザ統合とセッション管理が必須になる、という見方も出ている。

ツールに感動した話として受け止めつつ、その感覚は分かるという反応もある。

退勤直前にタスクを投げてPCを閉じ、寝ている間にテストとAIによるレビュー修正まで回ってPRが上がり、翌朝それをレビューする、という流れを現在の実情として示す。筆者の作業は止まったエージェントを起こすことと、承認が必要なものの確認だけだとする。

成立の理由をエージェントが専用VMを持つことに帰している。clone、依存インストール、ビルド、テスト、アプリ起動までを自分の環境で完結でき、隔離されているため許可待ちなしで走らせられる。セッションはPCを閉じても残り、スマホから確認と指示ができる。

Cursorではマージ済みPRのうちクラウドエージェント由来の割合が、昨年12月の10%から2026年7月末には56%へ伸びたと引用している。

.claude/skills/ にカスタマイズ用のテンプレートを置き、フレームワークやライブラリを差し替えたり落としたりできるようにしている。既存プロジェクトでAIエージェントに「このリポジトリのこの設定を取り入れて」と指示する用途で使うことが多く、全部の移植より部分参照が中心だとする。

pnpmを選ぶ理由として、2025年から続くnpmなどへのサプライチェーン攻撃を挙げ、その対策設定を取り込んでいる。公開から指定した分数が経っていないバージョンを解決しないminimumReleaseAgeがその一つ。

記事で触れていない箇所はこだわって作っていないと明記し、コンポーネントの分割基準やディレクトリ設計は好みを反映しつつプロジェクトごとに変えるとしている。

ループエンジニアリングのコアモジュールとされる Automations / Worktrees / Skills / Connectors / Sub-agents / Memory のうち、Automationsの理解が浅く、auto acceptをonにする程度の解釈だったと振り返る。

構成は、ループエンジニアリングを意識しない開発フローを示し、それを照らし合わせてフィードバックを取り、印象に残った4点から共通する学び2つを取り出す、という流れ。フィードバックと学びを記事の読みどころに据えている。

学びを毎回リポジトリごとに実装する手間を避けるため、インストールするだけで実践できる開発キットを作った経緯も添えている。

LLMのAPIは従量課金であり、高品質なモデルを常時稼働させればトークン消費が青天井になるとする。安いモデルに切り替える案には出力精度が下がる罠があると指摘する。

この種の言説が溢れる背景として、派手な投稿がインプレッションを稼ぎ、フォロワー増や有料noteの販売、PV収益に直結する構造を挙げる。成果の有無とは無関係に「凄そうに見せること」自体に経済的動機が働くため、額面通り受け取る必要はないと述べる。

そのうえで、常時稼働が設計として破綻している理由と、プロダクト開発の本当のボトルネックの所在を整理するとしている。

新卒未経験のエンジニアが配属後、技術と自社製品の双方で膨大なインプットを抱え、HTML資料の生成を使い始めた経緯から始まる。

綺麗で情報が整理された資料ができる一方、三日目には何も頭に入らず目が滑るようになったとする。わかりやすい資料はスルスル読めてしまうという理屈から、ダサくすれば流し読みできなくなると考えて実行した。

結果として一言一句読むようになりインプットが進んだとし、人に読んでもらうにはどんな形であれ資料に魂を込める必要がある、と結んでいる。

課題として、バクラク申請が承認ルート・承認状態・代理設定から閲覧可否を判定した後、機微情報を持つ別サービスXのRPCを呼ぶ構図を示す。判定材料はバクラク申請側にしかないため、サービスX側で同じ判定を再現できない。

検討した選択肢はいずれも不十分だったとする。サービスXのpermissionを要求しなければ、承認と無関係なユーザーがリソースIDを指定して直接取得できてしまう。要求すれば、承認者はサービスXの権限を持たないため正規の承認画面まで弾かれる。

この課題がTransaction Tokensの解こうとしているものとほぼ同じだったため、ドラフトとの異同を調べたとしている。

git worktreeの自動作成やタブでのセッション切り替えは既存ツールにもあるとして触れず、内蔵ブラウザの完成度を中心に据える。

並行開発では脳のコンテキストをいかに速く切り替えるかが重要で、AIとのチャットよりブラウザのほうが重いコンテキストになると述べる。GitHubのPRタブ、動作確認用のタブ、Google SheetsやSlackがセッションごとにまとまって切り替わる点を利点に挙げる。

cmuxやSupersetでは1セッション1タブでパスキーが使えずログインできないなど、ブラウザ周りが本家に劣ると指摘している。

実行基盤はすでに社内で使っていたCloudflare Workersに統一。DBは同時書き込みとロック粒度を自分で決められることからHyperdrive経由のPostgreSQLを選び、D1を選ばなかった理由も扱う。

APIは契約と実装を分離できることを理由にHono + oRPC。キャッシュは鮮度が要るreadと集計性能が要るreadを分けるため、Hyperdrive bindingを2本に分けている。

読みどころとして、契約の分離・純粋関数・CIでの依存検査といった設計面、EVMを実装へ落とした部分、AIエージェントを足した部分を挙げている。

Ctrl+Cで届くのは1バイトの制御文字で、ASCIIの3番、16進で0x03、ETX (End of Text) にあたると説明する。

Ctrlは文字番号の上位3ビットを0にする働きをするため、Cの 010 00011 から 010 が落ちて 00011、10進で3になる。同じ規則でCtrl+Dは4番、Ctrl+Zは26番になり、引き算ではなくビットを落とす操作だと補足する。

追うのはcatやsleepのように、プログラムが何もしていないときにカーネルが終了させる側の経路で、あらかじめハンドラを登録している場合は扱わないとしている。

d・c・yを「何をするか」のオペレータ、w・b・$を「どこまで動かすか」のモーション、iw・i"・i(を内側を指定するテキストオブジェクトとして分けている。

d + w で dw、d + 2 + w で d2w のように組み合わせられ、diw も d (削除) と iw (単語の内側) に分解できると説明する。

動機は、サーバー上のファイルを直接編集するときにVimを使うが、そのたびに操作方法を調べ直していたこと。ci まで打って手が止まった経験を挙げている。

まずQiita APIのドキュメントを読ませ、自分のパブリック投稿をすべてMarkdownとしてdocsディレクトリへ取得させている。

次にその記事群を蒸留して「自分が書いたようなQiita記事を執筆するスキル」を作らせている。ファイル数が多いため4つのサブエージェントで分析してマージし、その後の検証と修正まで自動で行われたとする。

一度目のスキルは微妙に生成AIらしさが残ったため、検証時のプロンプトで調整した。別途公開した記事が100%生成で、この記事自体は人間が書いたものだと明記している。

技術書は体系立った知識のインプットに優れるが、力を発揮するのは答えが決まっている領域だけだとする。

「この仕事、どうするのがいいと思う?」と聞かれた瞬間に答えられなくなる差がどこから来るのかを論点に置いている。

動画教材を最後まで見て参考書もノートを取りながら2周したのに、いざ作ろうとすると1文字目から手が止まるという相談が多いとする。そして悩む人ほど真面目で勉強熱心だという傾向を挙げる。

筆者自身も接客・販売からIT知識ゼロで入社し、同じ失敗をしたと書いている。

手を止めずに動き続けた結果そうなることが多く、怠けているからではないとする。

並行して抱えていると常に何かが動いている感覚があり、それが進み方への評価を狂わせると指摘し、見えにくい2つのロスが起きているとしている。

参照しているのはVangalaらの "AI-Generated Code Is Not Reproducible (Yet): An Empirical Study of Dependency Gaps in LLM-Based Coding Agents" (arXiv:2512.22387)。100の標準化プロンプトから300プロジェクトを生成し、OSパッケージだけのクリーン環境でモデルが宣言した依存だけを入れて動くかを検証している。

言語別ではPythonが120件中107件で89.2%。全体では68.3%だった。

手元では4本とも一発で動いたが、4対300というサンプル数なので反証ではなく、なぜ差が出たのかを条件の違いから追った記録だと位置づけている。検証環境はWindows 10、Claude Code 2.1.246、Claude Opus 5。

丸一日かけて仕上げたものを見せた瞬間に指摘された経験を起点に、直すべきだったのは作業の中身より前の段階だったとする。

出来上がってから指摘されるとどこからやり直せばよいか分からなくなる、完成させることに必死で方向性の確認を後回しにしてしまう、といった状態を読者像に挙げている。