判断特化モデルJevの記事がはてなブックマーク・Zenn・Qiitaの首位に並び、海外ではClaude CodeのAGENTS.md対応とAnthropicのIPO関連の報道が上位を占める

netmeister.orgのブログに掲載された、AIをめぐる世の中の熱狂に対する違和感を述べたエッセイ。前日に続いてLobstersの上位に入り、192ポイント、63コメントまで伸びている。コメントの冒頭には、自分の感じていることをよく言い表しているという共感が並ぶ。

仕事を明かすと真っ先にAIについて聞かれることに疲れているという声が続き、「これについて丁寧に話す方法がない」と答えているという人や、以前は話題を避けるために数学者だと名乗っていたがAIのせいでそれも使えなくなったという人もいる。

話題はコミュニティの比較にも広がり、LobstersではAIバブルへの懐疑が合意になりつつある一方、Hacker Newsは逆方向に進んでいるという見方が出ている。技術以外を扱わないコミュニティとベンチャーキャピタルの掲示板では選択圧が異なるという指摘や、分裂生成（schismogenesis）の例だとする意見、HNは流行を追うテック版のゴシップ誌だという評もある。

minitap.aiのブログ記事で、Apache Licenseで公開していた同社のコードをGoogleが名前も含めてそのまま取り込み、その後意図的に作者名を削除したと訴えている。Lobstersではlawタグで85ポイントを集めた。

コメントでは、オープンソースのライブラリから帰属表示を剥ぎ取る行為はAIの時代にも健在だという皮肉や、LLMはそもそも世界中のオープンソースを吸い上げて帰属なしに再生産するものだという声がある。これに対し、記憶から似たものを再現することと、コピーして名前を消すことは別だという区別や、これはAIの失敗談ではなくコードを意図的に取り込み後から名前を消した話だという整理が出ている。

Apache Licenseの条件として、改変したファイルに変更した旨を目立つ形で記す4bなどを引いて違反を指摘する書き込みがある。ブログ記事自体が手書きされていないようだという皮肉も付いている。

Rust公式ブログによる、Rustコミュニティの著名な開発者を標的とした攻撃への注意喚起。Lobstersではrustとsecurityのタグで92ポイントを集め、前日に続いて上位に入っている。

コメントは依存関係の話題に広がっている。systemdにRustを導入する議論で、メンテナのLuca Boccassi氏が依存の多さについて懸念を示したことを紹介し、build.rsでビルド時に任意のコードを実行するのが当たり前になっていることに身震いするという書き込みがある。これに対し、依存の数を数えるだけでは実態は分からず、1プロジェクトが10〜20のクレートに分けて配布することもあり、分割はビルドの高速化にも役立つという反論が出ている。

systemdのような低レイヤーのプロジェクトにはカーネルのRustと同じ基準を適用すべきだという意見、最適な点は多くのCプロジェクトより依存を使い、多くのRustプロジェクトより少ない中間にあるという見方もある。

Micah Lee氏のブログ記事で、監視カメラFlockの機器を解析し、多数のセキュリティ脆弱性とハードコードされた認証情報が見つかったと報告している。

コメントでは、証拠の保管の連続性が損なわれうるなら法廷での証拠能力に影響するのかという疑問や、Benn Jordan氏も動画で映像アーカイブへの読み書きアクセスを含む同様の欠陥を示し、同じ論点を挙げていたという補足がある。古いAndroidで動いているので既知のエクスプロイトを選び放題だという指摘や、OTAアップデートがなくハードコードされたAPI認証情報が使われているなら世界中がそれを手にしたことになるという懸念も出ている。

crt.shにflocksafety.comのサービスが多数並んでおり、同じ認証情報が通るものがどれだけあるかという指摘もある。Flockという名前が家畜の管理のようで見下した印象だという声には、製品名が鳥にちなんでいるという返答が付いている。

verdagon.devでVale言語の作者が、Valeを復活させる新言語Valenの構想を書いた記事。作者はコメントで、Valenは既存のRustライブラリを、まずはグループ借用、後にCellやRefCellを必要としない参照カウントで扱いやすくすると説明している。

コメントでは、新しい問題のたびにキーワードやライブラリ、構文を増やすのではなく、単純さと優美さを重視する言語が欲しいという要望が出ている。これに対し、それは「最初からすべてを正しく作った言語」を求めることになるという反論があり、イテレーターやFutureなどが同じ行列の隅だとするwithoutboats氏の記事が引かれている。

Valeは今どうなっているのかという質問に作者は、Valeは0.2までしか進まず興味深い概念実証にとどまるが、安定性より開拓を優先した実験として、少なくとも3つの言語が線形型を採り入れるきっかけになったので役目は果たしたと答えている。

コーディングエージェントをセキュリティ監査担当に変えるCloudflareのスキル。分離されたエージェントに偵察、カバレッジ主導の探索、候補の検証、構造化出力、記録の独立検証、ターゲット中立な報告の6フェーズを実行させる。同社のブログで紹介された脆弱性発見ハーネスの出発点にあたる単一リポジトリ版である。

偵察ではアーキテクチャ、信頼境界、入力面、既存の証跡をarchitecture.mdとcoverage-ledger.jsonにまとめ、台帳の単位ごとにハンターを割り当てて批評役に漏れを探させる。候補ごとに新しい検証役が反証を試み、結果はconfirmed、needs_validation、rejectedとしてfindings.jsonに書き出してスキーマで検証する。

confirmedは完全なソース追跡と観測結果を持ち、needs_validationは未解決の事実を明示して深刻度を付けない。同じリポジトリへの複数回の実行は、前回の台帳と所見を引き継いで積み上げる。

Alibabaグループ社内の公式AIコードレビューアシスタントとして2年間、数万人の開発者に使われ、数百万件の欠陥を見つけてきたツールをOSS化したCLI。モデルのエンドポイントを設定すれば使え、Gitのdiffを読み、ツールを呼べるエージェントを介して変更ファイルをLLMに送り、行単位の構造化されたレビューコメントを生成する。

エージェントはファイル全体の読み込み、コードベースの検索、他の変更ファイルの参照もできる。ocr scanを使えば、diffのないファイルやディレクトリ全体も監査できる。

50のOSSリポジトリの実際のPR 200件、10言語から作り、80人以上のシニアエンジニアが相互検証した1,505件の正解データを持つベンチマークAACR-Benchでは、同じ基盤モデルのClaude Codeと比べてPrecisionとF1が大幅に高く、トークン消費は約9分の1で速いとしている。Recallは汎用エージェントより低く、ノイズより精度を優先した意図的なトレードオフだという。

Cursor、Claude Code、Codexなどのエージェントを、利用者がすでにログインしているブラウザにつなぐTencentのツール。既存のタブを触るときは明示的に借りて作業後に返し、それ以外のブラウザには手を出さない設計になっている。

利点として、テスト用アカウントなしで実際のログイン状態を使えること、作業は別の可視のAgent Windowで進むため利用者は自分のブラウザを使い続けられること、シェルを呼べるエージェントならbsk CLIで使え特定のモデルやフレームワークに縛られないこと、CAPTCHAやログイン、確認ダイアログでは人に引き継いで再開できることを挙げる。

実行環境はbsk CLI・デーモンとブラウザ拡張の2つで、macOS、Linux、Windows x64に対応する。ブラウザはChromeとEdgeで、他のChromium系も動作する見込み、Firefoxは予定。コマンドごとにバックグラウンドプロセスを終了させるサンドボックス向けの設定手順もある。

エージェントに、計画、テスト、実装、レビュー、検証、記憶、改善という一連の工程を持たせるためのハーネス最適化システム。プロンプトのたびに手順を組み直すのではなく、一度インストールしてエージェントの働き方に組み込むことを狙っている。

Claude Codeにはガイド付きのセットアップかネイティブのプラグインコマンドで同じecc@eccプラグインを導入し、手動インストールを重ねないよう注意している。公式の配布元はGitHubのリポジトリ、npmのecc-universalとecc-agentshield、GitHub App、ecc.toolsに限られ、非公式の再アップロードやミラーにはマルウェアが含まれる恐れがあると警告している。

リポジトリはMITライセンスで、プライベートリポジトリ向けのホスト型GitHub App「ECC Pro」は1席月19ドルから。スポンサーとPro契約の収益で、1人のメンテナが7つのハーネス向けに毎週リリースしているという。

Histerは、閲覧したページと保存しているファイルの全文をインデックス化する個人用のプライベート検索エンジン。Webインターフェース、ターミナル、MCPで接続したAIアシスタントから、あとで情報を探し直せる。

導入はリリースページから各プラットフォーム向けのバイナリを取得し、hister listenでサーバーを起動したうえで、FirefoxまたはChromeの拡張を入れてページを訪れるだけ。ローカルでの個人利用なら設定は不要で、サーバーが動いている間にページのインデックス化と検索ができる。

既存のコンテンツは、ブラウザ履歴のインポート、ローカルディレクトリのインデックス化、ファイルのインポートで取り込める。Homebrew、Docker、Nixでもインストールでき、デモサイトとドキュメントが用意されている。READMEでは機能の最初にプライバシー重視を挙げている。

シニアエンジニアが使うワークフロー、品質ゲート、ベストプラクティスを、AIエージェントが開発の全段階で一貫して従えるスキルとしてパッケージ化したもの。Define、Plan、Build、Verify、Review、Shipの流れに対応している。

コマンドは/spec、/plan、/build、/test、/constraints、/review、/webperf、/code-simplify、/shipの9つで、それぞれ「コードの前に仕様」「小さく原子的なタスク」「一度に1スライス」といった原則が添えられている。/build autoは計画を一度承認すれば全タスクを自律的に実装するが、各タスクはテスト駆動で個別にコミットされ、失敗や危険な手順では止まる。

スキルは作業内容に応じて自動でも有効になり、APIを設計するとapi-and-interface-design、UIを作るとfrontend-ui-engineeringが呼ばれる。

家族やチーム、個人向けに、複数のエージェントが独立しつつ協調する環境を作るオープンソースのセルフホスト型AIアシスタント。単一プロセスで起動し、Webダッシュボード、CLI、Feishu、DingTalk、QQ、Discord、WeCom、HTTP・SSE・WebSocketから使える。

管理者1人で家族などを共有する専門家チーム機能、16種類のMBTIペルソナ、JWTによるマルチユーザーの分離、ツールの承認、シェルコマンドのガードレール、PIIの秘匿化を備え、データはローカルにとどまるとしている。

コネクタはTencentのドキュメントやニュースなどに加え、OAuthとMCPのゲートウェイで拡張でき、バックエンドはローカルディスク、Dockerコンテナ、PostgreSQL、COS・S3から選べる。harness-memoryによる持ち運べる記憶、文書のRAG、プラグイン、IDE連携のためのACPの双方向対応もある。

Coderは、クラウド開発環境とAIコーディングエージェントのためのセルフホスト型プラットフォーム。ワークスペースはTerraformで定義してEC2のVM、KubernetesのPod、Dockerコンテナなどで動かし、WireGuardのトンネルで接続して、使われていないときは自動で停止する。

Coder Agentsは、エージェントのループを利用者のインフラ上のコントロールプレーンで実行し、ワークスペースにAPIキーを置かない。Anthropic、OpenAI、Google、Bedrock、セルフホストなど任意のモデルを使え、すべての操作にユーザーのIDを紐づけたうえで、モデルのガバナンス、コスト追跡、監査ログを一元化できる。

開発者のオンボーディングを数日から数秒に縮めることをうたっており、LinuxとmacOSではインストールスクリプトで試せる。

Claude Codeは、ターミナルで動き、コードベースを理解したうえで定型作業の実行、複雑なコードの説明、gitワークフローの処理を自然言語の指示で行うエージェント型コーディングツール。ターミナル、IDE、GitHubでの@claudeのメンションから使える。

インストールはmacOSとLinuxではインストールスクリプト（推奨）かHomebrew、WindowsではPowerShellのスクリプト（推奨）かWinGetで、npmでのインストールは非推奨になっている。インストール後はプロジェクトのディレクトリでclaudeを実行する。

リポジトリには、カスタムコマンドやエージェントを追加するプラグインがいくつか含まれている。不具合はClaude Code内の/bugコマンドかGitHubのissueで報告でき、Claude Developers Discordも案内されている。

Claudeを職種、チーム、会社に合わせた専門家にするためのプラグイン集で、Claude Cowork向けに作られ、Claude Codeとも互換がある。各プラグインは特定の職務向けのスキル、コネクタ、スラッシュコマンド、サブエージェントを束ねており、自社のツールや用語、プロセスに合わせたカスタマイズを想定している。

Anthropicは自社の業務から作った11のプラグインを公開している。productivityはSlack、Notion、Asana、Linear、Jiraなどと連携してタスクや予定を管理し、salesは見込み客の調査、商談の準備、パイプラインの確認を行う。customer-supportはチケットの振り分けや返信案の作成、解決済みの問題のナレッジ化を担い、product-managementは仕様の作成、ロードマップの計画、ユーザーリサーチの整理を扱う。

Jevの公式デモを見て「既存のLLMでもできるのでは」と考えた筆者の検証記事。回答候補を単一トークンに割り当てて回答位置のlogitだけを見れば1回のforward passで判断を取り出せ、独立した質問はバッチ推論、共通のプレフィックスはKVキャッシュの再利用で処理し、JSONはコード側で組み立てればよいとする。

Gemma3 270Mでこの方式とJSON出力を比べると77倍速くなった。公開ハーネスを使ったマリオの比較では、自環境のJevは公開デモの約3倍のレイテンシで振るわなかったが、同じ環境のLLMよりは良い結果だった。DOOMのデモは画像入力に非対応のため、ゲーム状態を構造化データに変換するハーネス経由だと推測している。

ただし比較できたのはlogitを取得できる旧世代の非推論モデルが中心で、最新のLLMより優れているとは言い切れないとし、Jevを「既存LLMではできないことを実現した」と捉えるのは違うとまとめている。

macOS常駐のAIアシスタント「CooSenpAI」をClaude Fable 5.1とGPT 6 Astraでバイブコーディングしていた筆者が、機能が増えるにつれGUIが壊れていった経緯と対策をまとめた。キーの連打で画面が反応しなくなる、送信中の再呼び出しで出るべき画面が出ないといった不具合は、AIに修正を頼んでも直らなかった。

原因は各画面が自分で表示・非表示を決め、隣の画面を直接操作していたことで、衝突を防ぐ待ち時間や再試行が場当たり的に積み重なっていた。元ゲームクライアントプログラマの筆者は、イベントを1か所に集めて状態遷移を管理するゲームUIの定石はWebほど公開されておらず、AIの学習データにも少ないと説明する。

対策として、全コンポーネントをRoot配下の階層に置いてMVPのPassive Viewとし、動作はChain of Responsibilityでバブリングさせ、ステートマシンとして振る舞うMediatorに裁定させる指示文をそのまま渡す方法を示している。

自社CMS「Orizm」のデザインエディターに、AIエージェントから操作できるWebMCPを社内向けに実験実装した記事。WebMCPはWebページ側がAI向けのツールをブラウザ上に登録する仕組みで、ログイン状態や保存前の画面上のデータをそのまま扱える点がサーバー側のMCPとの違いだと説明する。

定義方法には、form要素にtoolnameなどの属性を付ける宣言型と、document.modelContext.registerToolで関数を登録する命令型があり、React製のエディターには命令型を採用した。WebMCPは2026年9月時点でW3Cのコミュニティグループで議論中の提案仕様で、Chromeではフラグ付きプレビューとオリジントライアルの段階にある。

検証にはCodexのブラウザ操作を使った。WebMCPなしでは、Codexがドロワーを開いてブロックの設定値を1つずつ読み取り、モーダルからブロックを挿入して入力欄を編集するという、人間と同じ手順で操作していた。

Jevの速度を実測するため、ルールベースの五目並べを実装してJev同士を対戦させた速報記事。Jevは出力を意図的に限定して精度と速度を得るモデルで、できるのはYES/NOを答えるNoul、選択肢から選ぶChoice、点数を付けるScoreの3つだけであり、チャットAIと違って構造の制約をどう設計するかが肝になるとしている。

リクエストでは、盤面サイズ、ルール、表記法、アスキーの盤面、直近の手をstateに入れ、questionsのChoiceにはその時点で取り得る手だけを、自分と相手の最長ラインの情報を添えて並べる。候補の絞り方にはチューニングの余地があるという。

対戦ログには手ごとの経過時間と確信度が記録されており、初手は603ms、confidenceは1だった。筆者は冒頭で、プログラマは既存のチャットアシスタントよりJevのような構造化されたエージェントを好むだろうという感想を述べている。

Claude Code、Codex、Agyを併用して17万行のプロダクトを1人で開発する筆者が、生成コードのレビューでもトークンを消費する問題に対してローカルLLMを試した記事。GeForce 3060（12GB）のPCで、Ollamaからqwen2.5-coder:14bを取得した。

ステージされたdiffから重大な問題候補だけを挙げさせるModelfileを作成した。temperatureは0.05、num_ctxは8192とし、システムプロンプトで検出対象をデータ損失、セキュリティ境界、Electron IPC境界、競合状態、off-by-oneなどに絞り、スタイルや命名の指摘、要約、褒め言葉を禁じている。

出力はseverity、file、issue、impact、solution、confidenceを持つJSON配列のみとし、PowerShellスクリプトから呼び出す。結論は「今のところ良い感じに回っている」で、続報記事へのリンクがある。

GitHubのIssueを取り、AIに設計と実装を任せ、別のAIにレビューさせ、動作確認してPRを作るという毎日の流れを、Claude Codeのスキルとして自動化した記事。Claude Codeが設計・実装と外部とのやり取りを担い、Codexはレビューのみ、人間のレビューにはcritを使うクロスレビューの構成をとる。

スキルは~/.claude/skills/にユーザーレベルで置き、どのリポジトリからでも呼べるよう汎用化した。名前はtodays-workで、disable-model-invocationを有効にして/todays-workで明示的に呼んだときだけ動き、引数にIssueの番号かURLを取る。

手順はIssueの把握、ブランチ作成、必要な場合の実装計画、実装、動作確認、critとCodexへの同時レビュー依頼、レビュー対応、PR作成、後片付けの9段階。途中の記録はリポジトリに入れず~/.claude/todays-work/配下に置き、最後に削除する。

2026年9月にAWS Lambdaの関数タイムアウトが15分から最大90分（5,400秒）に拡張されたが、対象はLambda Managed Instances（LMI）上の関数で、非同期呼び出しかSQS・Kinesis・DynamoDB StreamsのESM経由の場合に限られる。同期呼び出し、Amazon MQ・DocumentDBのESM、Initフェーズは15分のまま。

LMIは自アカウントのEC2上でLambdaを動かす実行モードで、アウトバウンド経路が必須、メモリは最低2,048MB、バージョン発行が必須、実行環境がデフォルトで3つ維持されてゼロスケールしないといった前提があり、タイムアウト値の変更だけでは済まない。

筆者はCDKで、20分スリープする関数の非同期呼び出し、S3のPutObjectトリガー、durable functionsと組み合わせた計100分の実行を検証し、S3トリガーの重い変換処理を1関数で組めることを実測で確認したとしている。

Jevを、文章や業務データを読み取って分類・採点・条件判定の結果を確率付きで返すモデルと紹介し、既存技術を置き換えるかのような盛り上がりに対して違いを整理する記事。TypeSafe AIが2026年9月15日にSystem One Modelの最初の公開モデルとして発表し、System Oneはカーネマンの「システム1」、Jevの名は経済学者ジェヴォンズに由来することを押さえている。

二重請求の返金を求める問い合わせメールを例に、Amazon Bedrock AgentCoreなどのLLMとAIエージェントでは、LLMが注文情報の取得、二重請求の判断、返金規程の確認、返信文の作成といったツールと手順を選ぶ。Jevでは、事前に定義した「問い合わせの種類」の選択肢や「返金要求があるか」といった質問ごとに確率が返る。

筆者はJevに期待する役割を「処理のルーティング役」とし、プログラムは返った数値を従来の比較演算で評価して呼び出すツールを決めるだけだと説明している。

PRUM代表の岩本氏が、AIによってエンジニアのスキルは均一化し、1年目の人のコード、AIを使って作ったコード、ベテランのコードの差はほとんどなくなっていくとして、採用の最終判断ではスキルをほとんど見ていないと述べる記事。見ているのは3つだけだという。

1つ目は「一緒に働きたい」と思えるかという人間力で、産業革命が人間をパワーから、AI革命がスキルから解放するという見立てを示し、態度やマナー、反省のない遅刻、「この会社は自分に何をしてくれるのか」というスタンスはその場で不採用にするとしている。2つ目は会社を一緒に作ろうとする当事者意識、3つ目は言われたことを素直に受け止めてコツコツ取り組む実直さで、これが成長に最も重要な要素だという。

スキルは後からAIの力を借りてでも上げられるが、この3つはなかなか変わらないため最初に見ていると説明し、PRUMのエンジニアの95%以上は未経験からの採用だとしている。

ここでいうプログラマーには、何を作るかを考え、システムの境界を設計し、品質とリスクを判断して運用に責任を持つ人も含むとしたうえで、AIでアイデアを形にするまでの距離は縮まったが、それを運用に耐える状態にできるかは別の問題だと論じる記事。筆者のAI時代の技術選定や、AIが書いたコードを人間が検証できる技術で支えるという過去記事の続きにあたる。

障害時の原因追跡、データ増加時の性能、権限の異なるユーザー間の情報漏えい、仕様変更への耐性、依存先の変化への対応、新メンバーの理解といった問いは単一のコード片の正しさでは決まらず、動くものを作る力と使い続けられるものを設計する力は同じではないとする。

AIは既存の命名規則に沿ったページネーションの追加のような局所的な問題には強いが、検索条件との組み合わせでクエリが大量に発行されたり、キャッシュで権限変更後も古いデータが表示されたりする可能性までは保証しないと例を挙げ、依頼文に書かれていない要件の話に進んでいる。

KDDIアジャイル開発センターの溝渕氏が、Claude Codeでの個人開発で精度を落とさずにトークン消費を抑えた仕組みを紹介する記事。定額プラン、プロンプトキャッシュ1時間TTLの環境で、8月のリクエストは34,125回、コンテキストに入れた1トークンは平均50.8回読み直され、キャッシュからの読み直しがコスト全体の65.5%を占めていた。

キャッシュ読み出しの単価は通常の0.1倍でもゼロではなく、常駐コンテキストはその後の全リクエストで読み直されるため、1トークン削れば月3万回以上の読み直しがなくなる最も削り甲斐のある場所だとする。決めごとが増えるたびにCLAUDE.mdへ書き足し、設計・運用文書は440万字に達していた。

解決策として、CLAUDE.mdのトリガー表、実装知識の索引、メモリの索引、Skillsの説明文だけを常駐させ、作業の種類やキーワード、条件に当てはまったときにClaudeが判断してリンク先のファイルを開く構成にした。

大規模なUnity製ソーシャルゲームで、Android、iOS、Windows向けに1万ファイル以上のアセットを1つずつダウンロードしており、初回に約3時間かかっていた。ファイルごとのHTTPリクエストのオーバーヘッドが積み重なっていたうえ、Unityのバージョンアップなどで1万ファイル超の更新が頻繁に起き、起動頻度もユーザーごとに異なるため、初回だけZIPにまとめても解決しなかった。

そこで全アセットを連結した1つのバイナリ「Asset Ball」と、位置・サイズ・ハッシュを記録するIndex Fileを用意し、更新されていないアセットの相対順序を保ったまま、更新されたアセットを新しい内容で末尾に配置するルールを繰り返す。古いアセットは前方、新しいアセットは後方に集まり、どのバージョンからでも必要な差分が末尾にまとまる。

差分は1回のHTTP Range Requestで取得できる。初回ダウンロードは約3時間から約13分へ約14倍速くなり、サンプル実装もGitHubで公開されている。

LLMにチケットの宛先部署を答えさせるたびに、JSONのパース、検証、再試行といった防御コードが判断そのものより長くなってきたという筆者の経験から、Jevに任せられる判断を検討する記事。早期アクセスが届いていないためAPIは呼ばず、公開SDKと公式ドキュメントの回答例だけを使って1コアのXeon環境で確かめられる範囲を確かめ、その過程で公式ドキュメント同士の食い違いを2つ見つけたという。

扱うのは3種類の質問形式とその選び方、confidenceの閾値を公式の定義に頼らず決める方法、被害の大きさに応じて自動実行・確認・人間対応を切り替えるコードで、内部構造や実APIでの速度・精度の実測は対象外としている。

LLMを自由に書ける記述式の受験者、Jevを印刷済みの選択肢を塗る濃さで自信を示すマークシートの受験者にたとえ、state、criteria、probabilities、confidenceをそれぞれ問題文、選択肢、塗りの濃さ、答案全体のメリハリに対応させて説明している。