判断特化型AI「Jev」の特徴を具体例で解説。アカウント作成から Playground の使い方まで紹介し、文章に個人情報が含まれるかを実際に判定。従来の LLM と比べた料金や応答速度の違いにも触れる。
Slackの案件スレッドをClaude Coworkに読み込ませ、提案書スライドの作成を3〜5時間から35分へ短縮した運用事例。コンテキスト管理、スライド自動生成、実装手順までを、プリセールス業務をAIに任せる仕組みとして紹介している。
開発環境が「そこで動けば本番でも大丈夫」と思える状態であることの重要性を述べた記事。動くだけでなく、README通りにコマンドを実行してもエラーにならず、必要な構成要素が揃い、資料を大量に読まなくても立ち上げられる環境でなければ、開発環境への信頼が損なわれると指摘している。
筆者がキャリア初期にシェルスクリプトを扱えず、コマンドを一つずつ手で実行するだけだった経験を振り返る記事。条件分岐・ループ・並列実行・パイプといった「既存のプログラムを組み合わせて目的を達成する」手段としてのシェルを学んだことが転機だったと述べ、GUI 頼みのエンジニアは GUI が想定していない処理で行き詰まりやすいと指摘する。CI やデプロイ、検証ロジックの多くが Bash/Zsh で書かれている以上、ツールが書かれた言語を読めないと改善もできないとして、シェルを学ぶ価値を説く。
近年のAIモデル発表はパラメータ数やベンチマーク、推論速度を競うLLMの新バージョンが中心となっているが、本記事は文字列生成を捨てたというTypeSafe AI「Jev」を取り上げ、LLMとは異なるアーキテクチャのAIがなぜその設計を選んだのかを解説する。
文章生成ではなく高速な「判断」の出力に特化したAIモデル Jev のクイックスタート。基本構造は State → Questions → Typed Decisions で、状態と質問を渡すと型付きの確率的な判断を返す。複数の質問を並列評価できる設計で高速化を実現しており、判断の型として Choice・Score・Noul の3種類を用いて質問を定義する。