Mistral Large 4 が Hacker News と Techmeme の首位を占め、はてなブックマークでは楽天会員 1 億件の販売主張など相次ぐ情報流出の話題が上位に並ぶ

Reflection AI が初のモデル Beam をオープンウェイトで公開した発表記事。総パラメータ 501B、アクティブ 23B の疎な Mixture-of-Experts で、コーディング、推論、エージェント処理向けに事前学習と強化学習の両方へ投資し、23.8 兆トークンで事前学習したと説明している。

コメントでは、性能比較の図で上位のオープンモデルが折り返しの下に置かれ、実際には上回っていないという指摘や、より小さい中国のモデルより規模が大きいのに性能は劣り、欧米のモデルは大きく遅れているという意見が出た。デモ画像にある陸地と海の判定実験の説明に引っかかったという声、どのハードウェアで動かせるかを知りたいという声、学習データの調達元を問うコメント、事前学習の初日に立ち会った開発者の回想もあった。

Web パフォーマンス計測サービスの DebugBear が、ドキュメントの例示用ドメイン example.com のページが大きく作り直されたことを受けて、そのデザインの変遷をたどった記事。今回の改修では複数言語での表示が加わり、JavaScript で SVG の本のアイコンを挿入する処理も入ったと紹介している。

コメントでは、固定の言語一覧ではなく訪問者の地域に合わせて表示を変えればよかったという意見や、記事にあった不透明度のトランジションはすでに外され、全言語を CSS アニメーションなしで並べる形に変わったという報告があった。静的な SVG をなぜ JS で挿入するのかという疑問、キャプティブポータルを開くために使っているという声、このコンテンツを管理しているのは IANA なのかを問う質問も出た。

サンフランシスコ市内の 2 地点を指定すると、最も平坦なルートを探せる Web サービス flattensf.com。スライダーで距離と登りの量のトレードオフを連続的に調整でき、登りは累積の標高差で計算される。

コメントでは、スライダー操作に合わせて高低差のプロファイルがその場で更新される点を評価する声や、かつての通勤路だった The Wiggle を試したという報告があった。一方で、Outer Richmond から 4th Avenue への経路で、平坦な 23rd Avenue ではなく坂のある 25th Avenue を案内されたという精度への指摘、Google マップの自転車モードと何が違うのかという疑問、Apple マップは常に最短経路を選ぶという不満も出た。2014 年に同様の steepless を作ったという投稿もあった。

Gleam の公式ブログによる、コンパイラの Erlang ターゲットの出力を Erlang のソースコードから Erlang abstract form に切り替えたという告知。abstract form は Erlang コンパイラが内部で使う AST の表現で、記事にはビルド速度の比較も載っている。

コメントでは、abstract form は Erlang の項で表現された AST で、標準ライブラリから扱いやすいという解説がある一方、erl_prettypr:format を一度呼べばテキストのソースに戻せるので abstract form も Erlang ソースの一種だという異論も出た。コアチームの Giacomo の Twitch 配信を評価する声や、WhatsApp の Erlang デバッガとの連携を期待する声のほか、文字列補間がまだないことへの不満、記事のカンマの使い方が気になるという指摘もあった。

Gleam の公式ブログによる、Erlang ターゲットの出力を Erlang のソースコードから Erlang abstract form に切り替えたという告知。Erlang のソースを生成してから解析し直す中間の手順がなくなり、記事ではビルド時間の比較も示している。

コメントでは、Gleam から abstract form への変換が Erlang から abstract form への変換より速いのかという質問に、記事のベンチマークでは rebar3 でビルドした場合に Gleam の方が BEAM バイトコードまで速く到達しているという回答が付いた。一方、最適に書かれた Erlang より速いとは書かれていないという読み方も示された。話題は Gleam の use 式にも広がり、学習時につまずきやすいが慣れると可読性が上がるという声と、継続渡しスタイルの API を促すのではないかという問いが出た。

Elm の公式サイトに掲載された、v1 リリースに向けた次の段階を伝えるニュース。Elm は 2019 年の 0.19.1 以降、目立ったリリースがない状態が続いていた。

コメントでは、作者の Evan が Elm を完全には放棄していなかったことを喜ぶ声や、一度は放棄されたが復活したという見方が出た。Elm で多くのものを出荷したという利用者や、これまで使った中で最良の言語だという声もあった。Elm から派生した Gren が 4 年半でどれだけ離れたかを問う質問には、Gren の作者が when-is 構文や配列への変更に続き、次のリリースで OCaml のファンクタに当たるパラメトリックモジュールを導入すると答え、Gren のコンパイラ自体も Gren で書き直されているという補足が付いた。

David Bushell が自分のプロジェクトの実行環境を Deno から Node.js に移した経緯を書いた記事。Deno のファイルシステムアクセス API や HTTP サーバー機能を Node の API に置き換えた点、TypeScript のパッケージを npm へ公開する手間に触れている。

コメントでは、TypeScript の組み込みサポートや標準ライブラリに惹かれて Bun を選んだが、主要な依存である Playwright で問題が続き Node に戻したという報告が出た。JavaScript の外にいる人からランタイムを替える難しさを問われると、ランタイムごとに同じ処理の API が異なり、各ランタイムが Node の API を基準にしつつ対応度合いの違う互換層を持つためだという説明が付いた。記事の「TypeScript も npm も Microsoft 製品」という一節を引いた冗談も交わされた。

非同期 Rust でタスクのスケジューラやリアクタがどこに置かれ、future からどう参照されるのかを論じた記事。Tokio がランタイムを「隠れた引数」として受け渡している点を問題として取り上げている。

コメントでは、ランタイムを見えなくしようとする試みは理解の妨げになっているという賛同がある一方、スレッドなしで動く非同期実装はどれもグローバルやスレッドローカルな状態を持たざるを得ないという反論が出た。task::spawn や TcpStream::connect のような API をやめ、実行器やリアクタのハンドルを引数で渡す設計も可能で、アロケータを渡す設計と同じトレードオフだという指摘や、std::task::Context がこれらの参照を保持できないことが根本の制約だという説明もあった。組み込み Rust の Embassy では Spawner を渡す方式で問題なく運用できているという報告と、割り込みハンドラがウェイカーを直接呼ぶため事情が違うという補足も付いた。

作者のブログで、開発中のバージョン管理関連ツール Flirt のソースコードを公開したことを告知する記事。コントリビューションにおける LLM の扱いについての方針も併せて示しており、コードベースの探索や調査、デバッグなど個人的な文脈で LLM を使うことは「もちろん」自由だとしている。

コメントでは、初めて Flirt を知る読者のために記事や README に短い説明を加えるべきだという助言が出て、作者が説明を追記したと応じた。LLM の方針を賢明だと評価する声がある一方、「もちろん」という一言だけで LLM を容認するプロジェクトとして批判されかねないという指摘があり、作者は個人の使い方に口を出すつもりはないと説明した。「当然」のような語はかえって反発を招きやすいので、テンプレートとして使うならそこを削るという声もあった。

スタック指向の連結型（concatenative）プログラミング言語 Factor の全体像を紹介する、Factor のブログの記事。

コメントでは、musl libc を使う Alpine Linux では Factor をビルドできないという声が複数あった。今年触ってみたという人は、ローカル変数など現代的な機能もあり頭の体操になる言語で、動的型付けのインタプリタ言語としては性能も良いと評価した。これに対し、Factor はインタプリタではなく機械語にコンパイルされ、スクリプトを実行時に読み込む場合も C++ 製の非最適化コンパイラでコンパイルされるという訂正が付いた。最新の git ビルドは linux-arm と windows-arm でも動き、Factor 0.102 のリリースが近いという報告もあった。一方、vocabulary や scaffold、refresh といった用語や、パッケージングが分かりにくく続かなかったという声も出た。

e2e は Web とモバイルアプリ向けのエンドツーエンドテストフレームワーク。テストの中で自然言語のゴールを書くとエージェントがアプリを操作し、同じテスト内でロケータとアサーションによる検証もできる。README の例では、agent.act でワークスペースを Pro プランに上げさせ、agent.assert と通常の expect で結果を確かめている。

後続のアサーションで検証されたエージェントの操作は記録され、次の実行ではアプリが変わるまでモデルを呼ばずに再生する。エージェントの手順を含まないテストにはモデルが不要で、サブスクリプション、API キー、ローカルモデルのいずれも使える。パッケージは本体の e2e、Playwright 経由で Chromium・Firefox・WebKit を動かす @e2e-dev/web、iOS と Android 用の @e2e-dev/mobile、結果を PR にコメントする @e2e-dev/github などに分かれている。

openGym は、自分で所有できるセルフホスト型のジムと体重のトラッカー。週ごとのトレーニング計画、ガイド付きのワークアウト、各セットと体重の記録をスマートフォンから行え、複数の端末間で同期し、自分のパスキーによるログインで保護される。

リポジトリの説明によれば、スーパーセットやウォームアップ、有酸素運動の記録に対応し、どの筋肉が鍛えられているか、疲労しているか、鍛えられていない状態かを可視化する。FitNotes、Strong、Hevy からのデータ取り込みにも対応している。ライセンスは AGPL-3.0 で、公式サイトとライブデモ、Android 向けの APK、セルフホスティングのガイドが用意されている。

Matt Pocock が、自身の .agents ディレクトリから公開しているエージェントスキル集。GSD、BMAD、Spec-Kit のようにプロセスを丸ごと管理する手法は制御を奪い、プロセス内のバグの解決を難しくするとして、小さく、改変しやすく、組み合わせられるスキルを目指したと説明している。どのモデルでも動くとしている。

導入方法は 2 通りある。Claude Code のプラグインとして入れると、読み取り専用のまとまりとして管理され、Anthropic の公式マーケットプレイスがリリースを取り込むたびに更新される。skills.sh を使うと編集可能なスキルファイルがプロジェクトにコピーされる。両方入れるとスキルが二重になるため、どちらか一方を選ぶよう求めている。公式マーケットプレイスの更新はリポジトリより数日から数週間遅れることがあり、直接追従したい場合はこのリポジトリ自身のマーケットプレイスに切り替え、自動更新を有効にする手順も載っている。

AnyPS5 は、PS5 の実行ファイルを Linux と Windows 向けに自動で移植するツール。実行ファイルを対象システムのネイティブ形式に変換するリリンカと、動的リンクに使えるシステム prx ライブラリの実装を含み、エミュレーションや別プロセスのランタイムは使わない。

ステータスとして、プロジェクトが把握している関数のうち実装済みの割合を示すバッジを掲げ、PS5 のすべてのシステム関数に対する割合ではないと断っている。2D プラットフォーマー『Dreaming Sarah』が GTX 1050 Ti と i5-7500 の環境で安定して 60fps で動くという。シェーダーリコンパイラは SPIR-V を生成し、SPIRV-Tools で検証できる。SDL のゲームコントローラーと、設定ファイルによるキーボード・マウスの割り当てに対応する。想定外の状態では例外を投げて終了する方針で、相互運用性、研究、保存を目的とすると明記している。

The Agency は、専門分野ごとに人格、手順、成果物を定めた AI エージェントの定義を集めたリポジトリ。Reddit のスレッドから始まり、数か月の改良を経たとしている。フロントエンド開発の担当から Reddit のコミュニティ運営、遊び心を加える担当、現実性を確かめる担当まで、多様な役割のエージェントを揃える。

各エージェントの特徴として、汎用のプロンプトテンプレートではなく専門性を持つこと、独自の口調とコミュニケーションスタイルを持つこと、実際のコードやプロセス、測定可能な成果に焦点を当てることを挙げている。新たに macOS、Linux、Windows 向けのネイティブアプリ Agency Agents が用意され、一覧を閲覧してクリック 1 つで Claude Code、Cursor、Codex、Gemini などにインストールでき、自動更新にも対応する。ライセンスは MIT。

text-to-cad は、エージェントに CAD の作業をさせるためのプラグイン。ローカルのワークフローで 3D モデルを STEP、GLB、STL、3MF の各形式で生成でき、製造性を考慮した設計（DFM）のチェックやエンジニアリング図面の生成も行う。3D プリント、板金、CNC 加工の外部サービスとも連携する。

主要なエージェント環境で使えるとしている。内部では build123d 0.11 と Open CASCADE 7.9 を使い、Python 3.11 以上と Node.js 20 以上が必要で、PyPI では cadgen というパッケージとして配布されている。skills.sh にも登録されており、ライセンスは MIT。

Impeccable は AI コーディングエージェント向けのデザインガイダンスで、1 つのスキル、24 のコマンド、ブラウザでのライブな反復、AI が生成したフロントエンドデザインを検査する 60 の決定的な検出ルールで構成される。Anthropic の frontend-design スキルを出発点にしたとしている。

どのモデルも同じ SaaS テンプレートで学習しているため、指針なしでは Inter 一辺倒のフォント、紫から青へのグラデーション、カードの入れ子、色付き背景上の灰色の文字、見出し上の角丸アイコンといった同じ癖が出ると指摘する。/impeccable init がプロジェクトを調べて対象読者や目的、制約などを PRODUCT.md に記録し、以降のコマンドが参照する。polish、audit、critique、distill、animate などのコマンドを共通の語彙として使い、検出ルールは CLI とブラウザ拡張から LLM や API キーなしで実行できる。

claude-mem は Claude Code 向けに作られた永続メモリの圧縮システム。セッション中のツール使用の観察を自動で記録し、意味的な要約を生成して以降のセッションで使えるようにすることで、セッションが終わったり再接続したりしても、プロジェクトに関する知識を引き継げるとしている。

npx claude-mem install で導入でき、Grok Bot 向けには --ide grok-bot を指定する。Grok Bot にはホストのフックがないため会話ログのファイルを監視する方式を取り、既定ではホスト型のメモリ CMEM Pro を使う。インストール後はメールのマジックリンクでサインインし、メモリ用のキーが発行されて 30 日間の無料トライアルが始まる。メモリの処理は利用者のプランの外で実行されるため、プランの利用量が最大で 2 倍になると説明している。

mizchi による AI プログラミング手法の棚卸し。人間の役割を、モデルに無茶振りして何ができて何ができないかを観察し、評価指標を作り、自動化のループを構築し、浮いた時間で評価指標を改善することと定義する。任せる前に完了の定義と評価指標を考え、失敗したらコンテキスト、権限、性能のどれが不足しているかを切り分けるとしている。

プロンプトは高速に陳腐化するとし、グローバルプロンプトには node 24 以上、新規は pnpm、Rust は stable の 1.99 といった、選択肢が複数あるときの判断基準だけを書くという。よく知られた OSS で構築するとモデルの世界知識が効き、効率よく動くとも述べる。

ループの例として、Git 履歴から次の作業を探す Ralph Loop、セッション終了ごとに指示を再送する /goal、実験的な dspy の RLM やマルチエージェントを挙げる。SRE やセキュリティの視点を与えてエージェントに探索的な改善を任せる指示例も並べている。

AI が生成した不自然で読みにくい日本語（AI-Slop）を、自然で読みやすい文章に書き直すエージェントスキル『yomiyasu』の紹介記事。Claude Code、Codex、Cursor などで /yomiyasu として呼び出せ、npx skills add nanaism/yomiyasu で導入する。10 月 7 日の追記では、A/B テスト用のアプリでどちらの文章がなぜ読みやすいかを言語化してフィードバックする作業を繰り返し、v1.0.4 以降で大きく改善したと報告している。

「手触り」「地味に効く」「〜側に倒す」のような語を禁止するブラックリスト方式では、AI が機械的に言い換えるだけで文の骨格は変わらず、「人間味のある文章で」と頼むと大げさな語彙のエッセイ調になると指摘する。yomiyasu は誰が何をどうしたかという統語構造の復元と、比喩的な動詞の具体化に重点を置く点が特徴だという。根拠の 1 つとして、生成 AI の前後で Qiita の 7 万記事の文章がどう変わったかを数えた調査を引いている。

dyoshikawa による、「AI 時代はタスクを AI にやらせ、人間は判断に集中する」という言説への違和感を書いた記事。対象を理解していなければ妥当な判断はできず、専門外のタスクでは理解しないまま推奨の選択肢を選ぶだけになると指摘する。判断そのものも AI への丸投げに近づいているのではないかと問う。

AI はサイバーセーフガードのように悪用の解釈を広げつつあり、筋が悪いと判断した指示には別案を出したり、許可なく実行したりすることもあると述べる。経営者から見ればそれには合理性があるが、AI も全知ではないため、AI と対等に議論して納得してもらう説明ができるよう専門性を高める必要があるとする。

さらに、判断だけをする働き方に移ると知識やスキルが少しずつ落ち、判断自体も劣化すると指摘する。未公開のフロンティアモデルを使える立場でない限り誰もが同じ AI を使えるとして、「自分＋AI」と「他人＋AI」の競争という観点から、意図的に自分の能力向上へ時間を使うことを挙げている。

AI エージェントによる敵対的レビューが実務でどの程度役立つかを、自分たちのデータで検証した記事。敵対的レビューは通常のレビューに加え、誤った結果やエラーを起こす入力や状況を探すエージェントを立てる手法で、時間と token のコストが通常の数倍になり、細かい指摘を大量に捌く運用負担もある。

検証用に Claude Code の skill として、規約・履歴チェックとバグ探索の正統系統、慣習・構成、ロジック、デグレ、セキュリティの敵対系統、アーキテクトと設計品質の役割系統、計 8 レーンを並列に走らせる構成を用意した。交差検証を通った指摘は、いま実際にどんな誤動作が起きるかを示せないものを落とす YAGNI レーンで再確認する。

対象は業務の差分 85 件に対する 99 回のレビュー。系統間で割れた指摘を別モデルの Claude Fable 5 に判定させたのは 31 回・64 件で、内訳は問題あり 26 件、問題なし 27 件、降格 7 件、その他 4 件だった。

生成 AI の分野で次々に出てくる RAG、ナレッジグラフ、オントロジー、GraphRAG といった言葉を時系列で整理し、GraphRAG をゼロから理解することを目指す解説記事。GraphRAG には Graph と RAG を組み合わせた手法一般と、Microsoft が公開する同名の OSS の 2 つの意味があるとし、後者を MS GraphRAG と呼んで区別する。MS GraphRAG にしかない仕組みもあるため、最終的にその理解を目指す構成になっている。

前半では、LLM 単体の対話では事前学習していない新しい情報に答えられず、数値計算も苦手で、fine-tuning は情報が増えるたびに学習し直すコストがかかると整理する。そのうえで、プロンプトをもとに必要な情報を検索し、プロンプトに添えて LLM に渡す RAG を、社内の有給休暇の規定を尋ねる例で説明する。情報が更新されてもモデルを更新する必要がなく、非公開の社内情報にも答えられる点を利点として挙げている。

qnighy による、JSON の仕様の曖昧さと実装ごとの挙動の差を、実装の比較を通じて示す記事。JSON は IETF の RFC 8259（STD 90）と Ecma の ECMA-404 で標準化され、ISO/IEC 21778:2017 もある。構文が最小限で安定した実装が多い一方、標準化の状況には曖昧性と実装依存性が残っていると指摘する。

曖昧性の解消を目的とした仕様として RFC 7493 の I-JSON を紹介するが、整数と浮動小数点数の構文上の区別や負のゼロの扱いなど、カバーしない点もあるという。最初の論点は数値で、仕様は数値リテラルの構文を定めるが意味論は定めていない。数学的には 10 進小数と解釈するのが自然な一方、実装上は固定長の整数や浮動小数点数として扱うのが自然だというトレードオフがある。STD 90 は整数を safe integer の範囲内で出力する方が相互運用性が高いとしており、整数と小数の区別や範囲外の値の扱いで実装差が生じうると整理している。

Claude Code v2.1.287 で正式リリースされた Claude Mods の解説記事。mod は Claude Code の中で動く TypeScript または JavaScript の関数で、イベントの前後や代わりに処理を差し込み、プロンプトの書き換え、ツール呼び出しの停止、ツール出力からの秘密情報の除去、ペインの追加などができる。

settings hook、skill、MCP サーバーとの違いは、プロセス内で動くため画面を描いたり組み込み機能を差し替えたりできる点で、/diff も mod として作り直されているという。mod はプラグインとして配られるが、サンドボックスの外でユーザー権限で動くため、入れる前に claude plugin validate でどのイベントを拾いどの API を呼ぶかを確認するとしている。

筆者は prompt-rail、md-prompt、qa-guide の 3 つを入れ、呼ぶ API が 3 つだけの md-prompt が最初に試しやすいとしている。

glibc の string/strlen.c にある汎用 C 実装の strlen を読み解く記事。1 バイトずつ終端文字を探す素朴な実装に対し、glibc は複数バイトをまとめて読み、引き算とビット演算だけで 0 の有無を判定して、探索ループの反復回数を減らしている。その読み込みは文字列の範囲内に収まるとは限らない。

単純に 8 バイトずつ読むと、終端文字の先にある読めないページまでアクセスする恐れがある。ページ境界は 8 の倍数のアドレスにあるため、読み込みを 8 の倍数のアドレスに揃える（アラインする）と、1 回の読み込みがページをまたがなくなると説明する。後半では、2023 年 2 月 6 日の変更で加わった、文字列の先頭より前のワード境界から読み始めて先頭付近もまとめて処理する工夫と、余分に読んだ部分を除いて終端文字の位置を求める仕組みを扱う。x86-64 には SSE2 や AVX2 を使う専用の実装があり、常にこの C コードが動くわけではないとも断っている。

エムニの黒川氏による、UI 設計の原則を Claude Code の Agent Skill にまとめ、生成される UI の違いを検証した記事。AI が生成した画面に「もっと見やすく」のような感覚的な修正指示を出すと場当たり的な修正になりがちだとして、設計理論に基づく判断の軸をエージェントに渡せる形に言語化した。

参考にしたのは上野学氏と藤井幸多氏による『オブジェクト指向 UI デザイン』（技術評論社、2020 年）で、UI をタスク（動詞）ではなくオブジェクト（名詞）を起点に設計する考え方を扱う。題材には、文書のアップロード、検索、差し替え、再インデックス、削除、一覧、アクセス権設定を備えた RAG システムの管理画面を使っている。

本書の前半から、名詞から動詞へ、オブジェクトが見えて直接触れる、一覧と詳細のビューを対応づける、モードレスにする、の 4 原則を抽出し、それぞれを AI の出力を評価する判断観点と組にした。Skill として渡した原則は、AI が生成した画面をレビューする評価軸にもなるとしている。

ラディウス・ファイブのエンジニアによる、画像生成サービス copainter の AI アシスタントに判定モデルを組み込んだ事例。プロンプトと参照画像を渡す外部の画像生成モデルには拒否されても料金がかかるものがあり、特に Grok は失敗が多い。拒否されそうなリクエストを事前に止めれば費用を払わずに済み、ユーザーへのフィードバックも速くなることが出発点だという。

TypeSafe の Jev と Cloudflare の Clef は、状況（state）と型付きの質問（questions）を渡すと質問ごとの答えを確率で返す Decision モデルで、筆者は自然言語のバリデータとして使っている。1 段目では Jev にプロンプトだけを渡して 46 問に答えさせ、閾値を超えたら止める。通過したものは 2 段目で Clef Flash にプロンプトと 192px に縮めた参照画像を最大 4 枚渡し、画像側の観点に絞った 12 問に答えさせる。

社内 SaaS にアプリ内アンケート機能を追加した際、要件定義の順序を変えて 2 日で PR 3 本のマージまで進めた事例。速さの理由は AI の実装力ではなく、文章で要件を固めてからモックを作るのではなく、モックを先に作って画面で要件を決めたことだとする。その過程で認識のずれが実装前に 3 回見つかったという。

文章による合意は誤解を隠すと指摘する。同じ文章を読んでも各自が別の画面を思い描くため、ずれは動くものができてから見つかる。これまでモックを先に作らなかったのは作るのが高くついたからで、AI で実物に近いモックが数十分で作れるようになり順序が逆転したと述べる。

手順の最初では、回答形式の種類と非エンジニア向け編集画面の有無のように、あとから変えるとテーブル設計からやり直しになる分岐だけを、番号付きの yes / no 形式で 1〜2 個聞く。次にプロダクトの CSS 変数と既存画面のコードを AI に読ませ、実物と同じ色と部品でモックを作らせ、全画面を 1 ページに縦に並べるという。

最近のプロジェクトマネジメント業務を振り返り、大事だと感じたことを 3 つ挙げた記事。筆者は AI を使わずに書いたと断っている。

1 つ目は、大きな問題を防ぐために小さな問題を出し続けること。大きな問題は急に起きるのではなく、小さかった問題が大きくなって表に出たものなので、言いにくいことでも早く拾い、さっさと恥をかいて失敗する方が後々のためになるとする。何も問題が起きない状態にむしろ居心地の悪さを感じるくらいが良いという。

2 つ目は、プロジェクトを構成要素が影響し合うシステムとみなし、適切なタイミングで情報を渡すなど、自分がどこに入れば全体が流れるかを考えて調整し続けること。そのためには時間軸と空間軸を意識し、自分に余裕を持つことが必要だとする。3 つ目は、線表を共有や進捗管理のためだけでなく、叶えられている状態を具体的に想像し、そこから逆算して今やることを考えるために書くことだとしている。

API キーが漏れる経路を、公開された報告と事例、筆者らのサイトに届いた .env を探すアクセス 1,566 件の記録から 7 つに分け、それぞれ何から塞ぐかを示した記事。実際に多いのは悪意ある誰かに盗まれる場面ではなく、鍵を置いた場所が思ったより広く見えていたという漏れ方だとする。

7 つの経路は漏れる場所で 3 つに分かれる。サーバーや公開の置き場からは、最も多い公開リポジトリ（2025 年の 1 年で 2,865 万件）、Web サイトの公開フォルダ、配布するパッケージやコンテナイメージ。AI からは、ログと AI の会話の記録、AI の道具と MCP の設定ファイル、AI の学習に使われる公開データ。利用者のブラウザからは、公開してよかった鍵の権限変更を挙げる。

対策として、漏れた鍵の取り消し、プッシュ保護とシークレットスキャン、.env や .git を公開フォルダに置かないこと、AI に .env を表示させないこと、権限を絞った鍵の利用などを経路ごとに対応づけている。

セキュリティ業界に入って 1 年の筆者が、2026 年 9 月下旬以降に大手企業などの不正アクセスや情報漏洩の報道が急増したと感じたことを受け、その背景と基本対策をまとめた記事。AI の普及も理由の 1 つだが、それだけではないとしている。

背景としてまず、ランサムウェアの手口の変化を挙げる。データの暗号化に加え、バックアップの暗号化や破壊、窃取したデータを公開すると脅す二重恐喝、基幹システムや工場のラインを止めて業務停止に追い込む手口へと広がっている。次に、偵察役、初期アクセスブローカー、横展開役、情報窃取役、RaaS 運営元、交渉役に分業した犯罪集団の存在を説明し、そこに AI が加わることでフィッシングメールの大量作成、攻撃ツールの作成、侵入後のログ分析と脆弱性探しが高速化したとする。

さらに、セキュリティの手薄な関連会社や委託先を踏み台に本丸の大企業を狙うサプライチェーン攻撃を挙げ、経済産業省がサプライチェーン全体の対策状況を可視化する取り組みを進めていることに触れている。

Looped Transformer について、なぜ同じ Transformer を繰り返すのか、RNN との違い、再び関心を集めている理由と課題を、最近の論文まで含めて整理する記事。

通常の Transformer は層ごとに異なるパラメータを持つのに対し、Looped Transformer は同じブロックを深さ方向に繰り返し使う。数式では h_{t+1}=F_θ(h_t) となり、違いはそれだけだが、毎回の入力となる隠れ状態が変わるため、同じ重みでも毎回同じ結果になるわけではないと説明する。トークン列を埋め込んで作った h_0 を同じブロックに 4 回通し、h_4 まで更新する流れを図で示している。

この発想は 2018 年 7 月の Universal Transformers まで遡れるとする。Universal Transformers は Self-Attention を深さ方向に再帰的に適用し、トークンごとに計算を止める Adaptive Computation Time も導入していたという。

Claude Code や Codex などの AI エージェントに API キーをどう渡せばよいかを、Claude Code、Codex、Gemini CLI、GitHub Copilot、Cursor の公式文書から調べた記事。渡し方は 6 つあり、鍵の文字列が AI の目に触れる所にあるほど漏れる道が増えるとする。

対話文に貼ると鍵は AI の会社に送られ、会話の記録として手元にも残る。.env などのファイルに書いて読ませると、AI が読んだ時点で中身は会話に入り、除外設定で止まるのは AI の読む機能だけだという。環境変数にしておくと AI からは見えないが、AI が動かすコマンドはそれを受け継ぐ。MCP の設定ファイルには直接書かず、環境変数で参照する形を挙げる。

最も安全なのは、鍵の文字列を AI に渡さず期限と範囲を決めて許可する OAuth だとする。クラウドの鍵置き場に登録する方法では、Claude Code と Codex のクラウドなら AI は本物の鍵を持たないと整理している。

Copilot のイベントで大学関係者から投げかけられた「AI が正しい答えを返せる時代に、人が学ぶことの価値は何か。大学は何を教え、何を評価するべきか」という問いをきっかけに、筆者が考えを整理した記事。教育の専門家ではないと断ったうえで、サポートエンジニア、講師、メンタリング、生成 AI 活用の伴走支援などの経験から書いている。

生成 AI によって学生が自力では書けない水準のレポートを提出できるようになり、成果物の出来栄えだけでは本人が何を理解し身につけたかを判断しにくくなったと指摘する。社会人でも同様で、新人が AI を使って 3〜5 点の成果物を出せるようになり平均は上がって見えるが、資料の前提となる目的や問い、仮説を自分で設定し、出てきた資料をレビューできるかが重要だとする。

さらに、大学のレポートは評価と単位で一区切りになりやすいのに対し、仕事の成果物は目的を満たすまでフィードバックと修正が続き、その積み重ねで応用できる力が段階的に身につくと比較している。