バイブコーディングで複雑化し制御不能になった GUI アプリに対し、AI へそのまま渡せる対策プロンプトを提示する記事。全コンポーネントを Root 配下に置き、各コンポーネントを MVP パターンの Passive View として描画パラメータのみ操作させ、動作は Chain of Responsibility でイベントをバブリングしてステートマシンとして振る舞う Mediator に裁定させる、という構造を指示する。macOS 常駐型 AI アシスタント「CooSenpAI」の開発経験を踏まえた内容。
ローカルでAIを動かした場合にPC購入費用や利用量から何年で元が取れるかを試算できるサイト「Sunk Cost」が公開された。費用の回収期間だけでなく、そのマシンに収まるAIモデル、生成速度、クラウドモデルとの能力比較も合わせて確認できる。本文はリンク中心の短い紹介記事で、具体的な試算結果や手法の詳細は示されていない。
Claude Code の `/goal` コマンドは、与えた条件を別のモデルが評価者として判定し、満たされるまでループを回す仕組み。本記事では終了条件の書き方によって評価者が正しく判定できるかを、7 通りの条件で検証した結果を報告している。
カナリーは2025年ごろから「最小のデザイン組織」を目指し、プロダクトデザインのAIワークフロー化に取り組んでいる。本記事では、UIのパターン出しに効果があった「デザイナー人格のskill化」の取り組みを紹介する。AIによるUI生成が画一的なパターンに収束してしまう課題に対し、デザイナーの思考や判断をskillとして定義して生成フローに組み込むことで、多様なUI案を出させる狙いが語られている。
Yahoo!検索のフロントエンドエンジニアが、個人で使っていた Coding Agent による開発自動化をチーム全体の取り組みへ広げるまでの実践を紹介する記事。エージェント導入の進め方やチーム展開の工夫が語られている。
全28回のDevOps実践連載の振り返りとして、Git/GitHubによる開発基盤、DockerとGitHub ActionsのCI/CD、EKSとTerraformのIaC、CloudWatchによる監視、AWS BudgetsやGuardDuty/Security Hubによるフィードバックまでを総括。そのうえで「AIがコードやインフラ定義を生成するならDevOpsは不要か」という問いに対し、SRE・GitOps・プラットフォームエンジニアリング・AIOpsはDevOpsを置き換えたものではなく進化形だと整理し、AI時代に変わるもの（定型コード生成やログ解析の一次切り分けの自動化など）と変わらないものを論じる。
Difyの開発元LangGeniusの日本法人、パーソルクロステクノロジー、JTPの3社が、Difyエンジニアの育成と企業現場でのAIエージェント導入・内製化支援を共同で開始すると発表した。パーソルクロステクノロジーが人材基盤から候補者を選出し、JTPがDify導入・運用の研修を実施、今後100名の育成を目指す。背景には、現場の業務知識とAIアプリケーションの開発・運用知識を併せ持つ人材の不足があり、ツール導入後の継続的な改善・運用を担う人材と体制の整備が課題だとしている。ただし研修期間や内容、認定の仕組みなどの具体は未公表で、実態は人材派遣・SES事業の延長線上にある。
AI コードレビュー製品 Entelligence によるベンチマーク比較。公開 PR 50 件（Cal.com、Sentry、Discourse、Keycloak、Grafana から各 10 件）に対し、格安な GPT-5.6 Luna と高価な GPT-6 Astra を同一プロンプトで実行。Luna は検証済みバグ 69 件・精度 74%・50 PR で $0.20、Astra は 92 件・精度 96%・$5.66 で、検証済みバグあたりコストは $0.0030 対 $0.061。Luna は誤検出が多く、セキュリティバグの検出は 24 件中 9 件（Astra は 19 件）。日常的な正当性バグの検出には安価なモデルで十分だが、認証・権限まわりのコードを単独でレビューさせるのは避けるべきという結論。
AIエージェントの文脈で頻出する「オントロジー」について解説した記事。元は哲学の存在論だが、現在はAIエージェントが理解・共有できる形式の設計図として解釈されることが多い。オントロジーとは何か、なぜAI駆動開発に必要なのかを説明している。
Meta の個人向け AI エージェント Muse の実行基盤をブラックボックス的に調査した記事。著者のセッションで subagent.spawn を使い 120 個のサブエージェントを一斉起動したところ、33 個だけが生成に成功し 87 個が同一のデータベースエラーで失敗、集約結果は返らず親は running のままなのに子 33 個はすべて completed として永続化される不整合が観測された。ランタイムが PostgreSQL に書き残した agent.agents や agent.subagent_spawns、進捗テーブル、コンテキストストアといった記録から、サブエージェントのファンアウト、永続状態、負荷時の spawn 経路を再構成している。モデル文字列 ipnext/avocado-5.16-v4 などの観測事実と推測の区別、アクセス範囲の限定も明記される。
Intigriti の研究者が DEF CON 34 の Bug Bounty Village で、AI カスタマーサポートエージェントを悪用する攻撃手法を発表した。チャットのトランスクリプト送信機能を釣りメールの配信に使う、From ヘッダのなりすましでエージェントに被害者からのメールと誤認させる、CC に攻撃者のアドレスを入れてツール呼び出しの機密応答を窃取する、RFC 822 が複数の From ヘッダを許すことを突いてメール認証を回避する、といった手口が紹介され、Burp Suite などのスキャナを使わず数週末で 5 万ドル以上の報奨金を得たという。エージェントの権限検証とツール呼び出しの設計上の弱点が主題。
筆者は、ClaudeというLLMが指示に反して矛盾を含む行動を繰り返すことを批判している。コード生成や文書作成などのタスクにおいて、指定された内容よりも相反する情報を挿入したり、不要な機能を追加したりする傾向がある。これによりユーザが自身の最初の要望通りに進めることが難しくなっている。筆者はこの行動がClaudeのトレーニング設計に起因し、ヒトを無知だと見なしている可能性を指摘している。
Nari Labs が、音声 AI 評価企業 Coval のベンチマークで公開されている Qwen3-ASR Fast と Qwen3-TTS Fast が品質・レイテンシ・コストのパレートフロンティア上にあると主張する記事。STT は TTFS 中央値 44ms・WER 3.6% でレイテンシ 1 位、TTS は TTFA 中央値 63ms・WER 3.8% でレイテンシ 2 位・精度 1 位とし、価格は STT が $0.12/時間、TTS が $10/100万文字で最安級だと述べる。ただし具体的な推論基盤や高速化手法の説明はなく、主にベンチマーク順位と料金の比較に終始している。
Linux Foundation傘下のAgentic AI Foundation（AAIF）は、オープンソースのEnvoy AI GatewayプロジェクトがAAIFに加盟し、「Agent Router」へ名称変更したと発表した。OpenAIやAnthropicなどAIベンダごとに異なるAPIを吸収・統合し、MCPやAGENTS.md、Agent2AgentプロトコルなどAIエージェント関連技術の標準化を進める狙い。
基盤モデルの仕組みと、その技術スタックがどう進化してきたか、実システムに適用したときのトレードオフを扱う技術書の紹介。対象読者は、API 利用の表面的な理解を超えて、アーキテクチャ、学習パイプライン、推論システム、検索スタック、評価ループ、エージェント的ワークフローのmental model を築きたい AI エンジニアや研究志向の読者。attention、MoE、RLHF、マルチモーダル、長文脈の推論配信、RAG、エージェントといった話題を、歴史的流れ・数理的アイデア・システム制約の観点から一つのエンジニアリングの物語として結びつけることを狙う。PyTorch の概念的なサンプルコード、小テスト、対話的な可視化を含み、品質・メモリ・スループット・レイテンシ・スケーリング・アラインメントのトレードオフを考える力を養う。初学者向けの入門書ではなく、継続的に更新される living document として運用される。
フロントエンド開発において、要件定義から実装・テストまで責務を同じ語彙（Subject Object Verb）で記述し、ymlやアノテーションで静的に解析する提案。仕様と実装の突合をCIで継続的に検証し、要件漏れや実装漏れを減らし、AIの品質ゲートにも活用できるとする。
Web アプリ向けの必須 UI トランジション（カードリサイズ、数値のポップイン、モーダル開閉、タブのスライド、スケルトンローダーなど）を集めたコレクション。コピー＆ペーストで使えるほか、coding agent から skill 経由で利用できる形で提供されている。各トランジションには動きの説明が付き、Pro 版や微調整ツールも用意されている。