Claude Code の AGENTS.md 読み込みがテレメトリ設定に連動していた問題が Hacker News で首位となり、Claude による新しい酵素系の発見も Hacker News と Techmeme に並んだ

OpenAI による GPT-6 Sol と GPT-6 Luna の発表ページ。前日から Hacker News の上位にあり、Anthropic の Claude Opus 5.5 と同じ日に公開された。

コメント欄では価格への反応が中心で、GPT-5.6 比で約 50% の値下げ、Luna が入力 100 万トークンあたり 0.10 ドル・出力 0.50 ドルという水準に驚く声が多い。Anthropic の発表に合わせたタイミングだという見方や、Opus 5.5 と Opus 5 の価格表を並べて Claude を使い続ける理由を問うコメントがある一方、Opus 5.5 の方が性能は上ではないかとしてスコアの比較を求める声も出ている。Azure や AWS での提供について書かれていないという指摘もあった。

LWN の Jonathan Corbet による記事で、次期 Git 2.56 と、その先の 3.0 に向けた変更点をまとめている。マージ済みのローカルブランチを削除する git branch の --delete-merged オプションなどの改善を挙げる一方、マージコミットを含む履歴で動かない機能や、未フェッチのリモートより遅れていても「up to date」と表示する挙動が残っている点を皮肉交じりに指摘している。

コメント欄では Corbet の乾いたユーモアを評価する声が多い。「up to date」表示について、Git のドキュメントに携わる人物から Git カンファレンスで議論したという報告があり、最終フェッチ時刻を併記する案が出たが、Git が更新時刻を常に把握しているとは限らないという返答もあった。--delete-merged が自作のブランチ整理スクリプトを置き換えられそうだという反応も並んだ。

10 月の 1 か月間、AI エージェントによる生成物に頼らず開発することを呼びかけるキャンペーンサイト。「エージェントはシステムのエントロピーを維持するか増やすことしかできず、減らせるのは人間だけ」とする「Onarheim の法則」を掲げている。

コメント欄では、この法則に擁護できる解釈があるのかが議論の中心になった。放っておけばエージェントはコードベースの乱雑さを増やし、継続的な人間の注意でしか防げないという弱めた解釈が示される一方、細かく指示すれば反例になるという反論が出て、それはもうプログラミングと呼ぶのだという返しも付いた。1 か月断つより、AI を使わない金曜日の方が思考力の維持に向くという意見もあった。

Linebender プロジェクトが Rust 向けの SIMD ライブラリ fearless_simd の 1.0 をリリースした告知。SIMD の命令セットごとに Simd トレイトの実装を持ち、実行時に検出した CPU の対応レベル（AVX-512 など）に応じて関数を呼び分ける設計になっている。

コメント欄では、ドキュメントの最初の例が分かりにくいという質問に開発側が仕組みを説明している。型と幅でパラメータ化した SIMD 型の方が素直ではないかという提案には、それでは実行環境で使える命令が分からないという返答があった。ARM SVE や RISC-V のベクトル拡張のような可変長 SIMD に対応していない点や、strlen のようにループ回数が少ない処理では実行時ディスパッチの間接呼び出しが負担になるという議論も続いた。

LLM を介してファイルを扱うのが当たり前になれば、プレーンテキストを直接編集する習慣が廃れ、エディタや周辺ツールの保守も止まるかもしれないと論じる短い文章。筆者自身、坂道論法だと認めたうえで問題提起している。

コメント欄では、全プログラマーが LLM 経由でしかファイルに触れなくなるという前提は非現実的だという反論が多い。一方で、好ましくはないがありえない話ではないという声もある。生成 AI に否定的な開発者は多いという指摘や、Linux に移ってテキストのツールチェーンに触れるゲーマー層が増えているという報告も出た。20 年前は一般の人もテキストエディタを使っていたという本文の記述には、自分の経験と合わないという異論と、メモ帳は普通に使われていたという声の両方が寄せられた。

inessential の Brent Simmons による記事で、macOS の標準 UI がもはや手本として機能していないという見方を示している。

コメント欄では、Catalyst や iOS 化の流れでネイティブ UI の優位が失われたという意見が多い。Jobs が設計の質を担保していたという見方には、NeXT 時代からの人材が引退した時期と重なっただけだという反論が出た。Music.app が Web ビューのように見えるという指摘には、Web 版は後から出たもので Mac と Windows 版は JetUI というネイティブの仕組みで作られているという説明が付いた。Apple が 2017 年ごろ Mac を見捨てかけていたという見方や、2012 年から 2013 年ごろに品質が落ち始めたと Apple 社員から聞いた話を引く声もあった。

AX は Google が公開した、自律エージェントのワークロードをクラスタ上で大量に動かすための宣言的なオーケストレーター。Agent Substrate の上でサンドボックス実行を行い、1 クラスタで数十億のタスクを扱う設計としている。コア概念や仕様は調整中で、安定版までに大きな破壊的変更が入る見込みだと警告している。

使い方は Kubernetes に近く、Workspace と Task を YAML で宣言して ax apply で適用し、ax watch で状態を追い、ax ssh でサンドボックスの中を確認できる。Workspace には Git リポジトリ、MCP サーバー、スキルのパッケージを事前に用意できる。

README は、エージェントは状態を蓄積し、厳格な隔離が必要で、放置するとループでコストを消費する新しい種類のワークロードだとし、CPU とメモリの制限付きサンドボックスや外向き通信の制限を少数のプリミティブで扱うと説明している。

Univer は、スプレッドシート、ドキュメント、プレゼンテーション、データベース型のテーブル、ボードを扱う TypeScript 製の Office SDK で、PDF にも対応予定としている。README では自らを「AI エージェントのための Office ハーネス」と位置付けている。

プラグイン構成で拡張でき、Canvas ベースの描画と数式エンジンを備える。1 つの Facade API がブラウザと Node.js の両方で動き、アプリに組み込める生産性ツールを作る用途を想定している。

README には英語、中国語（簡体・繁体）、日本語、韓国語、スペイン語の各版があり、公式サイト、ドキュメント、ショーケース、API リファレンス、ブログへのリンクが並んでいる。

video-use は、Claude Code とチャットしながら動画を編集するためのオープンソースのツール。素材をフォルダに置いて会話すると final.mp4 が返ってくる仕組みで、トーキングヘッド、モンタージュ、チュートリアル、旅行動画などをプリセットなしで扱えるとしている。

機能として、フィラーワードや無音部分のカット、区間ごとの自動カラーグレーディング、カット位置への 30ms の音声フェード、字幕の焼き込みを挙げる。アニメーションは HyperFrames、Remotion、Manim、PIL で生成し、1 つにつき 1 つのサブエージェントを並列に立てる。レンダリング結果はカット境界ごとに自己評価し、セッションの記憶を project.md に残す。

セットアップは、Claude Code や Codex などのエージェントにプロンプトを貼り付け、ffmpeg の準備やスキルの登録、ElevenLabs の API キー設定まで任せる形になっている。

Anthropic が公開した金融サービス向けのリファレンス集で、投資銀行、株式調査、プライベートエクイティ、ウェルスマネジメントの業務でよく使われるワークフロー向けに、エージェント、スキル、データコネクタをまとめている。同じ内容を Claude Cowork のプラグインとしても、Claude Managed Agents API 経由でも使える。

Pitch Agent、Market Researcher、GL Reconciler といった業務ごとのエージェントに加え、/comps、/dcf、/earnings などのコマンドとコネクタを業種別に束ねたプラグインがある。各エージェントは /v1/agents で展開する Managed Agent のテンプレートとしても用意されている。

README は、投資や法務の助言ではなく、アナリストの成果物の下書きを作るものだと明記している。投資判断、取引の実行、台帳への記帳は行わず、出力はすべて人の承認を前提としている。

Agent Substrate は、自律エージェント向けのセキュアな実行ランタイム。標準的なコンテナランタイムの 10 倍の密度で数百万のサンドボックスを動かし、再開は 500ms 未満、毎秒 500 回を超える一時停止と再開をこなすとしている。microVM や gVisor など複数のサンドボックス技術に対応する。Google の公式サポート製品ではないと明記されている。

仕組みの中心は、エージェントのような「アクター」の多くが大半の時間を待機していることを利用し、多数のアクターを少数の待機中の「ワーカー」に割り当てて多重化する点にある。アクターの生成、破棄、一時停止、再開と、ワーカーへの割り当て、通信のルーティングを担う。

エージェントを作る SDK ではなく、大規模に動かすためのシステムと位置付けている。インフラの用意とワーカーの管理には Kubernetes の Pod と自動スケールを使う。

MVT（Mobile Verification Toolkit）は、Android と iOS の端末から侵害の痕跡を集めるためのフォレンジック用ユーティリティ群。2021 年 7 月、Pegasus Project に合わせて Amnesty International の Security Lab が技術的な調査手法の報告書とともに公開し、現在も同団体と外部の貢献者が保守している。

最近 v3 ブランチがマージされて破壊的変更が入り、MVT の出力を使う既存のスクリプトが動かなくなる可能性があると注意書きしている。

公開されている侵害の痕跡（IOC）を読み込んで端末をスキャンできる。技術者や調査者向けの研究用ツールで、コマンドラインとフォレンジックの知識が前提となり、一般利用者の自己診断向けではないと明記している。

treg は「モデルではなくエージェントのツール版の OpenRouter」を掲げるサービスで、Superdesign チーム向けに作ったものを treg.to で公開し、セルフホストもできるようにしている。エージェントは 1 つのベース URL とトークンで、SEO、SNS、企業情報の補完、広告、スクレイピング、画像や動画の生成など 60 以上のプロバイダにまたがる 3,000 超のエンドポイントを使え、料金は 1 回 1 セントからの従量課金となる。

背景として、Semrush や Crunchbase などは 1 回の実行のためには契約しにくい月額制だったり、公開 API がなかったりする点を挙げ、treg がアカウントを持って細かく課金するとしている。

チームが登録した API キー、OAuth 接続、CLI、SKILL.md も全員のエージェントから呼べ、認証情報はサーバーから出ない。自前のキーは treg のキーより優先され、課金対象にならない。

Superpowers は、コーディングエージェント向けの組み合わせ可能なスキル群と初期指示からなる開発手法。Claude Code、Codex、Cursor、Gemini CLI、GitHub Copilot CLI など多数のエージェントへの導入手順を用意している。

エージェントは何かを作り始めると判断すると、すぐにコードを書かず、利用者が本当にしたいことを尋ねて仕様を引き出す。仕様は読み切れる長さに区切って提示し、設計の承認を得たうえで、プロジェクトの文脈を知らないジュニアでも追える粒度の実装計画を作る。

計画では red/green の TDD、YAGNI、DRY を重視するとしている。README には問題が起きたときの対処、同梱スキルの内容、設計思想、ビジュアルコンパニオン機能のテレメトリについての節もある。

claude-code-templates は、Claude Code の設定と監視のための CLI ツールで、npm パッケージとして配布されている。

取得できた README の範囲は、npm のバージョンとダウンロード数、MIT ライセンスなどのバッジと、スポンサー表記が中心となっている。Z.AI、Neon Open Source Program、Bright Data の支援と、Anthropic の Claude for Open Source Program への参加が示されており、Bright Data の欄では Claude Code をリアルタイムの Web データにつなぐ連携を案内している。機能の詳しい説明は取得範囲に含まれていない。

OpenStock は、有料の株式市場プラットフォームに代わるオープンソースのアプリで、リアルタイムの株価追跡、個別のアラート設定、企業の詳細情報の閲覧を無料で提供するとしている。コミュニティ製で証券会社ではなく、市場データは提供元の規約や設定によって遅延する場合があり、投資助言ではないと明記している。

技術構成は Next.js の App Router、shadcn/ui と Tailwind CSS、認証に Better Auth、永続化に MongoDB、市場データに Finnhub、チャートに TradingView のウィジェットを使う。

ライセンスは AGPL-3.0 で、改変や再配布、Web サービスとしての展開には同じライセンスでのソース公開と原作者の表記が必要となる。開発元の Open Dev Society は、知識やツールは誰にでも開かれるべきだとするマニフェストを掲げている。

TypeSafe AI の Jev を、エージェントのハーネスに組み込む試みを書いた記事。Jev は状態と質問を受け取り、型付きの回答を確率とともに返すモデルで、用途は限られるが速くて安く、入力は GPT 5.6 Luna より約 8 割安く出力は無料だと紹介している。

利用方法として、TypeSafe AI の waitlist のほか、Vercel AI Gateway 経由で使えること、無料プランではエラーになるが AI Credit に 10 ドルをチャージすれば使えること、Cloudflare でも使えるようになったことを挙げている。

ハーネスエンジニアリングでは、失敗をスキルとして書き足すような確率的な対処は局所最適になりやすく、3 か月後の新モデルでは負債になるとし、決定論的なガードレールを求める需要があると述べる。筆者が Rust で速度を意識して作った自作のガードレールにも触れている。

TypeSafe AI の Jev に対し、同じことは既存の LLM でもできるのではないかという疑問から検証した記事。LLM に JSON を 1 トークンずつ生成させる代わりに、回答候補を単一トークンに割り当てて最初の 1 トークンの logit だけを比べれば、1 回の forward pass で判断を取り出せると説明している。

独立した質問はまとめて batch 推論し、共通のプロンプトは KV Cache を再利用してコード側で JSON を組み立てる構成を示し、Gemma 3 270M で試したところ JSON 出力と比べて 77 倍高速になったと報告している。

さらに、Jev が 100ms 前後で判断を返せるため DOOM のリアルタイム操作ができる点に触れ、画像入力には対応しないので構造化データに変換するハーネスを介していると推測する。公開されているマリオのハーネスで Jev と OpenRouter 経由の複数の LLM を比較する検証も行っている。

自社プロダクトの CMS「Orizm」のデザインエディターに WebMCP を組み込み、AI エージェントにページ作成を任せられるか試した記事。WebMCP は Web ページ側がブラウザ上で AI 向けのツールを提供する仕組みで、ログイン済みのブラウザでそのまま使え、保存前の画面上のデータにも JavaScript 経由で触れられる点をサーバー側の MCP との違いに挙げている。

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 製のエディターのため命令型を採用した。

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り、仕様変更が続いていると注意している。

Rust のコード中に C のコードを直接書き、Rust から呼び出せるようにするライブラリ cinrs を作者が紹介する記事。c99! などのマクロ内で定義した C の関数は core::ffi の型にマッピングされ、unsafe な extern "C" 関数として定義される。可変長配列と _Thread_local を使う場合を除き no_std 環境でも動く。

マクロは c89! から c23! までの各規格と、それぞれに GNU C 拡張を加えた gnu89! から gnu23! までが用意されている。計算だけを行う関数は __attribute__((cinrs_safe)) や C23 形式の [[cinrs_safe]] を付けると safe として推論させられ、Rust の型システムで安全性を確かめられなければコンパイルエラーになる。

安全と明示した関数以外を unsafe のままにするのは、関数のシグネチャは明示的であるべきという設計判断だとしている。

Claude Code に公開された拡張の仕組み Claude Mods を解説する記事。Issue #91870 で議論中の 2026 年 9 月 19 日時点の暫定仕様をもとにしており、API は今後変わる可能性があると断っている。

Mod は従来の Hooks の発展形で、コマンドではなく TypeScript の関数として Claude Code 本体に組み込まれ、画面表示の変更やツールの追加まで手を加えられる。この仕組みは Function Hooks と呼ばれる。

標準の /diff コマンドやテレメトリ機能、2.1.277 で追加された AGENTS.md のサポートも agents-md という Mod として実装されているという。Function Hooks は early access の機能で、settings.json の env で CLAUDE_CODE_ENABLE_FUNCTION_HOOKS を 1 にして有効化する。

PKSHA Technology の SRE が、PKSHA VoiceAgent 向けのデータ分析基盤「Laplace」を構築した事例。以前は Redash から Aurora のリードレプリカに直接 SQL を投げており、最大 2.5 TB のログテーブルで重いクエリが返らない、集計のたびにエンジニアへの依頼が要る、PII を分離できないという 3 つの課題があった。

dbt の schema.yml を唯一の定義源とするセマンティックレイヤーを Lightdash で作り、Lightdash の API を包む MCP サーバーで AI クライアントから自然言語で指標を引けるようにした。PII は専用テーブルに隔離し、承認した人にだけ期限付きで権限を与え、AI 経由でも PII の値は LLM に返さない。

設計と実装は筆者 1 人で、SQL を含むほぼすべてのコードを Claude Code が書き、着手から公開まで 1 か月だった。運用費はクラウド利用料の月 1,200 ドル前後としている。

TypeSafe AI の Jev について、発表から数日で増えた解説、実用例、オープンな類似実装を 2026 年 9 月 20 日時点で整理した記事。Jev は state と questions を受け取り、候補から 1 つを選ぶ Choice、順序付きの基準で採点する Score、命題が正しい確率を返す Noul の 3 種類の質問に確率付きで答える。

公式発表値は応答時間 70〜500 ミリ秒、入力 100 万トークンあたり 0.042 ドルで出力は無料だが、速度 193.6 倍、コスト 444.6 倍という比較は TypeSafe 自身の評価による上限寄りの数字だと補足している。Structured Output との違いは文字列を生成せず定義済みの選択肢と確率を返す点にあり、定義外の型は返さなくても誤った選択肢を選ぶことはあると注意している。

ユースケースとして、要件定義書の 19 観点レビュー、スタックチャンの会話振り分け、X への投稿の炎上ガードなどを挙げ、筆者自身がマリオを操作させた例も載せている。

日本トレカセンターの EM が、約 200 人の全社員が使う AI の入り口を 1 つにまとめた事例。導入前は ChatGPT、Claude、Cursor などが乱立し、どんなプロンプトが使われているか把握できず、費用も膨らんでいた。

構成は、社員の PC に AI エージェントの OpenCode を配り、リクエストを ECS Fargate 上の LiteLLM に通して各プロバイダーへ中継するもの。社員は SSO で自分専用のキーを発行し、月単位の予算と週次の上限で費用を管理する。モデルの切り替えやプロンプトのログ確認、送信前のリクエストを検査する Guardrail も LiteLLM を選んだ理由に挙げ、費用は導入前の 10 分の 1 以下になったという。

クライアントとしては Claude Desktop の推論先を自前ゲートウェイに向ける構成も検討したが、開発者モードが前提で非エンジニアには難しいと判断した。Claude Code を LiteLLM 経由で使う構成も試したとしている。

以前に Vercel へ Go サーバーを無料でデプロイする方法を書いた筆者が、Vercel の Go サポートが大きく変わったことを受けて書き直した記事。

従来は api ディレクトリに置いた index.go の http.HandlerFunc が 1 つの Vercel Function になる方式で、ルーティングを vercel.json で設定し、API ごとにディレクトリと index.go を用意する癖のある構成だった。新しい Zero-configuration Go backend support では、リポジトリのルートに go.mod と main.go を置いて通常の Go サーバーを実装するだけでデプロイできる。

手順として、Hobby プランのアカウント作成、Vercel CLI 59.23.2 のインストールとログイン、Go 1.27.1 でのプロジェクト作成を示し、公式ドキュメントのサンプルコードを使った最小構成を載せている。

2026 年 9 月 16〜17 日の「技術的負債に向き合う Conference 2026」を聴講した筆者が、AI 時代の認知負債について考えた記事。認知負債を「人間が仕組みを理解しておかなければならないのに、理解しないまま稼働しているコードがあること」と定義している。

OS やドライバ、OSS、外注先の納品物のように理解していないコードはもともと多いが、それらは理解を求められないので認知負債にはならないとする。問題は速度ではなく、AI に書かせたコードで障害が起きれば自分たちで直さなければならない点にあり、AI の生成速度に人間の理解が追いつかないギャップがそれを深刻にしていると論じる。

緩和の手がかりとして、自分たちに代わって直してくれる相手がいれば必ずしも理解しておく必要はないという、OS や OSS、外注で受け入れてきた考え方を挙げている。

みのるん氏の登壇資料づくりを手伝っている Claude Code の名義で書かれた記事で、スライド作成のノウハウを AI エージェントが読めるスキルとして GitHub に公開したと紹介している。

Marp 用に、つかみや中扉、締め方と尺の見積もりを扱う slide-story、図の情報量や文字サイズの下限を扱う slide-figures、余白と黒地の配色、表とコードのデザインを扱う slide-design-dark の 3 本を収録し、黒地のテーマ、書き出した PDF を測る検査スクリプト、見本デッキも同梱している。デスクトップアプリのエージェントにリポジトリの URL を渡して導入させる手順も示している。

ノウハウの例として、問いを立てて答えは次のページで受ける、仕組みの図は 3〜5 枚に分けて要素を 1 つずつ足す、見出しの文体はあえて混ぜるといった点を挙げ、手作りのデッキでは「！」付きの見出しが 7〜20% あったと数えている。

AtCoder Beginner Contest 476 でアルゴリズムレートの緑色に到達した筆者が、7 年 4 か月、コンテスト参加 193 回、54 歳 6 か月での入緑までを振り返った記事。子育てが一段落した 50 代で、それまでプログラミングの学習経験も業務経験もなかったという。

2019 年 5 月、競技プログラミングを楽しむ子どもの姿を見て始め、C++ 入門の APG4b で構造体の章あたりまで学んだ後、ABC 過去問の A・B 問題と AtCoder Beginners Selection に取り組んだ。当初は何を書けばよいか分からず、他の人の提出コードを真似していた。

登録から 2 週間ほどで ABC127 に初参加し A 問題 1 問を解いた。その後 2 年間はほぼ毎回参加し、2020 年 1 月に茶色になったが、レートが安定せず灰色に落ちた時期もあったと書いている。

TypeSafe AI の Jev を RAG 検索に組み込み、速度とコストが改善するかを測った記事。Jev は応答約 70〜500ms、入力 100 万トークンあたり 0.042 ドルで出力は無料、選択肢、yes/no、段階評価の質問を 1 リクエストで並列処理でき、現在は early access だと整理している。

差し込む場所は、検索より前、リランク、LLM を呼ぶ直前の 3 か所。専用リランカーとの精度比較、答えがないときに LLM を呼ぶ前に止める判定、その 2 つを 1 リクエストにまとめた場合の精度と速度、「今日の晩ごはん」のような対象外の質問を検索前に弾けるかの 4 つを検証している。

データセットは架空の会社の社内規程を 5 分野 40 文書 400 チャンクで自作し、どの事実をどのチャンクに書いたかの記録から正解ラベルを機械的に付けた。ニアミスの質問 14 本の目視と別の AI による確認で二重にチェックしている。

AI エージェントで開発が進むようになった半年間で、エンジニアのキャリアがはっきり分かれてきたと主張する記事。筆者はプログラミングコミュニティを運営し、メガベンチャーで働く立場から、この分かれ道の正体を「具体と抽象」の思考力にあると位置付けている。

一部の人は AI を使いながらも何を解決すべきかを自分で考え続けて力をつけている一方、多くの人は AI に指示を出す作業そのものが仕事になり、開発速度の加速で考える時間が減ってスキルが身につかない状態にあると書く。

システム開発で具体の仕事が多かったのは個人の能力ではなく業界の構造によるもので、そこに AI が乗ったときに何が消えて何が残るのかを論じるとしている。不安の正体は仕事がなくなることではないと述べ、動画教材も用意している。

Jev に似た仕組みをローカルで動かせないか調べた記事。きしだ氏がすでにローカル版を公開していたことを受け、その仕組みを Fable に教わりながら自分で組み直しており、公開されたソースの解説ではないので実装とは一致しない可能性があると断っている。

環境は Mac で、Homebrew で入れた llama.cpp を使う。モデルには unsloth の Qwen3-VL-4B-Instruct の Q8_0 量子化版を選び、llama-server を -c 8192 と --jinja を付けてポート 8081 で起動し、OpenAI 互換の /v1/chat/completions に curl でリクエストを送って応答を確かめる手順を示している。

-c でコンテキスト長を指定しない場合は Qwen3-VL-4B の既定値である 262144 が使われる点にも触れている。視覚言語モデルを選んだ理由は後の節で説明するとしている。

技術記事や社内ドキュメントが「内容は良いのに読まれない」原因を文字種の構成比の偏りに求め、SudachiPy を使って形態素ごとの文字種を計測するアナライザーを実装する記事。

文字種を漢字、平仮名、片仮名、英数字・記号に分け、漢字は情報密度が高く多すぎると視覚的な処理負荷が上がる、平仮名は文法構造と視覚的な余白を担う、片仮名は連続すると読みにくくなると整理している。Web コンテンツの目安として、漢字 20〜30%、平仮名 60〜70%、その他 10% 前後が最も認知負荷が低いとされると紹介している。

実装では、Unicode のブロックで 1 文字ずつ文字種を判定する正規表現と SudachiPy の形態素解析を組み合わせ、トークン単位と文字単位の構成比、視覚的な可読性スコアを出す Python のクラスを示している。