ワテ (@aWebprogrammer) header
ワテ (@aWebprogrammer) profile picture

『なにかの作業をしてて3回「イラッ」としたら自動化(コード化)してしまえ!』 が信条の変ジニアです、めんどくさいを無くすためにいろんなことを頑張ってます ※Ansibleなどを使っていろんなことを自動化しています。 めんどくさいことはやりたくないでござる( ー`дー´)キリッ

ネットの中
Joined October 2010
Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)Photo by ワテ (@aWebprogrammer)
今日(11月18日)は『Software Design 2026年12月号』の発売日です! 街の書店へレッツゴー! 第1特集:障害を切り分ける技術 第2特集:エンジニアのためのUI入門 ネット書店でも販売しているほか、電子版(Kindle、PDF+EPUBリフロー)もあります。
1
20
5
57
9,563
ワテ retweeted
macOS向けタイル型ウィンドウマネージャ。デモ動画見たが、Sticky Terminalとその次のメインウィンドウをどこにでも持っていくやつがとても良さそうだと思った。これ結構いいのでは。brew install --cask omniwm / “GitHub - BarutSRB/OmniWM: MacOS Niri and Hyprland ins…” htn.to/x2dAjWSdmH
12
3
73
38,333
The JP 🇯🇵 edition of 𝘔𝘢𝘯𝘢𝘨𝘪𝘯𝘨 𝘈𝘐 𝘗𝘳𝘰𝘫𝘦𝘤𝘵𝘴 (AIプロジェクトの管理) will be released on October 21!! @OReillyMedia @oreilly_japan (オライリー・ジャパン) ARIGATÔ GOZAIMASU!! P.S. Only 1st image is real amazon.co.jp/dp/4814401868, but my brain can't stop imagining...
🤖 Made with AI
3
10
2,200
週に1日はAIコーディングツールを使わない日(No AI Fridays)を作ろう、と言うポスト ・LLMの利用は認知負債の蓄積や批判的思考力の低下をまねく ・また、スキルの形成が阻害されることも複数の研究で示されている ・AIに意思決定を任せきりにすると、トレードオフに気づけず盲点が生まれる ・だからこそ、週に1日はAIをオフにするNo AI Fridaysをおすすめする ・実施方法は、AIアシスタントを切り、手でコードを書き、ドキュメントを読むだけ ・そうすることで、AIの判断が自分のスタイルと合っているか振り返りが可能になる ・また、AIをデフォルトにすると見落としがちな、昔ながらの自動化の機会にも気づける ・なにより、純粋にコーディングが楽しくてフロー状態に入っていた感覚を思い出せる ・記事の筆者であるhtmxのCEOは、すでに自社でこの取り組みを義務化している ・もしAIによる生産性向上が本物なら、デメリットを最小化するために週1日を費やすのは難しくないはず noaifridays.com/
1
80
21
359
46,553
LLMから真の価値を引き出すには、人間のドメイン知識が不可欠という話で、まぁそうだよね、となった。 ・LLMの普及により、誰もが不慣れな分野のタスクを平均的にこなせるようになった ・そのため、現在のLLMを扱う上で特別なスキルは不要だと考える人も多い ・ただ、プロンプトにおいて最も重要なのは対象分野の専門知識 ・その好例が、数学者のTerence TaoがChatGPTとヤコビ予想の反例について議論した際のログ ・彼はモデルの回答から関連アイデアを抽出し、自ら別のアプローチを提案している ・専門知識を示すことで、モデルを「素人への解説モード」から「専門家との対話モード」へと切り替えている ・これはプロンプトの小手先のテクニックではなく、高度な数学の理解があってこそ可能 ・ソフトウェア開発におけるシステム設計やプログラミングでも全く同じ ・コードベースへの深い理解があれば、LLMの提案に対して、もっとシンプルに等と鋭く切り込める ・対象の知識がない場合、ユーザーはLLMの最初の出力をただ受け入れるしかない ・しかし知識があれば、LLMを望む方向へ強く誘導し、はるかに大きな価値を絞り出せる ・今後AIモデルがさらに強力になっても、人間の専門知識は引き続き有用 ・多くのタスクにおいて、ボトルネックとなるのはモデルではなく人間だから ・一番難しいのは、人間が望む解決策をモデルに正確に伝えること ・必要な情報はすでにモデルの中にある ・だが、それを引き出せるのは専門知識を持った人間のみ seangoedecke.com/llms-reward…
1
37
2
184
15,830
テクニカルドキュメントを4つの役割に整理して書くフレームワーク「Diátaxis」の解説サイト。 ・これは、ドキュメントをチュートリアル、ハウツー、リファレンス、解説の4つに分類するアプローチ ・これらの境界を曖昧にしてしまうことが、ドキュメントが抱える多くの問題を引き起こす 具体的な各ドキュメントの書き方は、↓のサイトまで。 diataxis.fr/
6
1
32
4,251
悲報、OpenCode Go、こんなエラーが出て、管理画面から「中国でホストされているモデルを有効にする」をONしないとだめになった。< 具体的にはDeepSeek V4 Flash ”[LLM request failed: LLM request failed: 403 : {"type":"error","error":{"type":"RegionError","message":"The latest version of this model is only available hosted in China and requires explicit opt in:”......}}]”
4
3
2
19
5,280
LLMが生成したテキストは古典的な機械学習で高精度に検出できるよ、というポスト。(検出は日本語対象ではない) ・昨今のネット小説界隈には、低品質なAI生成テキストが大量に溢れかえっている ・既存の予測確率を用いたAI検出手法は、推論コストが高く精度も非常に不安定 ・そこで筆者は、古典的な機械学習であるSVMを用いたテキスト分類を試みた ・約1万件の人間の書いたテキストと、複数のLLMに生成させたテキストを学習データとして用意 ・単語の出現頻度(TF-IDF)に基づく単純な判定だけで、まず約85%の精度を達成 ・さらに7つの異なるモデル用の分類器を作成し、多数決をとることで判定を強固にしてみた ・で、これを使って、某小説プラットフォームの上位作品を判定したところ、約32%でAI生成の疑いが強いことが判明 ・ただ、その中でAI使用を事前に明記している作品は一つもなかった ・AIっぽさを消すプロンプトや翻訳の往復を試しても、判定スコアはほとんど下がらなかった ・なぜか? ・LLMの出力テキストには特有の統計的なパターンが非常に強く現れてしまうため ・そのため、最新の複雑なAIを使わずとも古典的な手法で十分に見抜ける ・AIによる創作物は底が浅くパターンの再構成に過ぎない(という指摘) blog.lyc8503.net/en/post/llm…
4
21
3,459
技術評論社様より、↓の書籍をご恵投いただきました。 『システム開発と「具体と抽象」〜問題発見と問題解決を往復する「思考のメタ化」を身につける〜』 細谷さんの書籍は何冊も読んできましたが、今回は開発寄りの書籍で楽しみです。時間を見つけて読んでいきます! amzn.to/4w4mdjj
🤝 Paid partnership
14
5
152
143,922
ワテ retweeted
Claude Designのオープンソース代替らしい / “GitHub - nexu-io/open-design: 🎨 Local-first, open-source alternative to Anthropic's Claude Design. ⚡ 19 Skills · ✨ 71 brand-grade Design Systems 🖼 Generate web · desktop · mobile prototypes · slides · image…” htn.to/3o4dcq3jgA
1
4
1
17
6,031
炎上するかもしれませんが 『Codex』または 『Claude』を使ってる人の9割が指示の出し方が下手くそ過ぎる 「〇〇お願い」「〇〇やって」と送ると 本来の性能が激減します 今日から必ずこの 試してみるべきプロンプトを入れて 指示してください。いきますよ
10
17
6
523
243,074
私のパソコンをスキャンしてください あなたが私を助けられる10のことをリストアップしてください 次に、私たちが長期的にどのように協力するかの計画をリストアップしてください 最後に、あなたが語ってください AIの心の中の私はどんな人か
13
3
140
27,751
知らず知らずのうちに、将来の能力を犠牲にして現在のスピードを優先しているのは、本当にそう。 以下はメモ。 ・現在の開発環境では、エラーメッセージを貼り付けるだけでAIが修正案を提示してくれる ・だから、本来必要なはずの問題と解決策の間の泥臭い葛藤が完全に無くなってしまった ・このプロセスを繰り返すと、人間の思考がAIの判定に静かに置き換わる「認知的降伏」が起こる ・気付かないうちに単独でシステムを構築する能力が弱体化していく ・Anthropic社の2026年の実験で、AIのコードをただコピペしただけのグループは、事後の理解度テストで正答率が40%未満と惨憺たる結果であった ・同じ実験で、AIを「概念を理解するための質問相手」として使ったグループは65%以上の好成績を収めていた ・なので、問題はツールそのものではなく利用者の態度にあることが実証された ・MITの「Your Brain on ChatGPT」という研究では、AIの支援層が厚くなるほど脳のネットワークの接続性が低下し、利用者の83%が自分の生成した文章を記憶していなかった ・この現象を研究者は「認知的負債」と呼んでいる ・今日考える労力を節約した代償を、将来の批判的思考力の低下という形で支払っていると言うこと ・現在のAIのUIは早くタスクを完了させることに最適化されている ・あえて立ち止まって考えさせる」ような摩擦は意図的に排除されている ・しかし、学習の本質はその排除された摩擦の中にこそ存在している ・AIに任せきりの状態では一生初心者のまま ・各社がソクラテス式問答法を用いてコードを書かせる学習モードを導入している ・だが多くのプログラマーはこれを学生向けだと見下し、実務で活用していない ・捨てても構わないテスト用スクリプトや定型コードの作成であれば、AIに完全に委任しても機会費用はかからず問題はない ・しかし、実稼働するソフトウェアで問題が起きた場合、「AIが書いたからわからない」という言い訳は通用しない ・結局はアーキテクチャ全体を理解している人間の手が必要になる ・AI特有のハルシネーションからシステムを守るには、一目見て誤りを見抜けるだけの深い専門知識が不可欠 ・フレームワークの移行やセキュリティ上の構造的な問題が起きた際、AIへのプロンプト指示だけでは解決できず、システムの根本を理解したエンジニアの力が必要になる ・GitHubに類似事例が数百万件あるような平凡な問題はAIが得意である ・過去に事例のない複雑な問題やドキュメント化されていない領域ではAIの性能は著しく落ちる ・AIが生成したコードを手本にしつつ、あえて一度消してみて、ゼロから自分の手で書き直してみることで、自分の能力がどれだけ衰えているか評価できる ・AIが気の利いた関数を書いた後には、「どのような設計思想を用いたのか」「理解するために何を読むべきか」をAI自身に解説させると良い ・そうすれば、単なる作業を学習にできる ・仕事の終わりに「今日は単にチケットを消化しただけか、それとも何か新しいことを学べたか?」と自問自答する習慣をつけると良い ・会社やマネージャーは「タスクを完了させたか」しか評価しない ・「自分が成長できたか?」というもう一つの指標は自己責任で追求するしかない ・タスクを100%こなして何も学ばないよりも、効率が80%に落ちても必要な知識を100%吸収する働き方を選ぶ方が、長期的には遥かに優秀なエンジニアへと成長できるだろう ・AIを使うことと学習することはトレードオフではなく、両方を満たす独自のワークフローを自らの意思で作らねばならない addyosmani.com/blog/dont-out…
31
5
217
16,836
この辺り、確かに。 ・AI Native な企業を作るための第一の原則は、社内のあらゆる情報を機械が読み取れる状態にすること ・会議の音声や重要な意思決定は、必ず文字起こしやテキスト化を行い、検索可能な状態で保存する ・個人の記憶や廊下での立ち話など、データとして残らない情報はAIにとって存在しないのと同じ turingpost.com/p/orgage3
6
86
9,257
GGUF について説明している素晴らしいポストだった。少しだけメモ。 ・GGUFは言語モデルを実行するために使われるファイルフォーマットのこと ・モデルの重みだけでなく必要な設定がすべて1つのファイルにまとまっているのが最大の特徴 ・複数のJSONファイルが散らばる他の形式と比べて管理がしやすく非常に扱いやすい ・ファイル内には会話の形式やツールの使い方を定義するチャットテンプレートが含まれている ・チャットテンプレートはJinja2 ・モデルの文章生成を適切なタイミングで止めるための特殊トークン情報も格納されている ・より良い回答を生成するためのサンプラーの設定値やその適用順序もファイル内に記述できる ・上記のおかげで推論エンジンはモデルごとの専用コードを減らせる ・だが、まだ完璧ではない。 ・例えば、ツール呼び出しの形式がモデルごとに違う ・そのため、統一して解析できる文法定義の追加が求められている ・その他にも、モデルが画像入力やツール呼び出しに対応しているかを判別するための明確な機能フラグリストが存在しない ・現在は機能の有無を判定するために場当たり的で不確実な手法に頼らざるを得ない状態 (で、今後の発展に期待) nobodywho.ooo/posts/whats-in…
4
12
2,651
開発者がコーディングに使っている時間は全体の16%だけ、という話。 ・開発者が実際にコードを書くことに費やす時間は、業務全体のわずか16% ・残りの時間は、情報収集やツールの切り替えなど、コーディング以外の作業に奪われている ・現在のソフトウェア開発における真の課題は、このコーディング以外の摩擦を減らすこと ・単にコードを早く書くことではなく、無駄な時間を減らすことがAI活用の最大のチャンスとなっている (元の記事で、以降はアトラシアンの宣伝なので割愛) siliconangle.com/2026/05/06/…
1
20
3
128
27,258
GitHub 以前 (Before GitHub) という記事。最近、この手の話を耳にする機会が増えたな。 ・GitHubはかつてのSourceForgeやSubversionのように、オープンソース開発の中心地として非常に重要な役割を担ってきた ・かつての開発環境は分散しており、開発者が自前でサーバーを立ててリポジトリやメーリングリストを管理するのが一般的だった ・当時は開発者がインフラ管理も兼ねていたため、個人のサーバーが停止するとプロジェクトのデータや歴史が失われるリスクが常につきまとっていた ・GitHubの登場によって、コードだけでなくIssueやPRを通じたコミュニティの交流が一つの場所に集約された ・中央集権化には懸念もあったが、GitHubは結果として世界中のソフトウェア遺産を保存する巨大な図書館のような存在になった ・GitHubとパッケージ管理システムの組み合わせは、開発の摩擦を極限まで減らし、マイクロデプロイなどの新しい文化を生み出した ・しかし、現在のGitHubは過剰なAI機能の導入や不安定さ、リーダーシップの欠如によって信頼を失いつつある ・有力な開発者やプロジェクトがGitHubを離れ、Codebergなどの代替プラットフォームへ移転する動きが現実味を帯びている ・GitHubへの依存を脱却することは、プロジェクトの自律性を取り戻すという点では健全な変化であると言える ・一方で、開発拠点が再び分散化すると、かつての「リンク切れ」や「データの消失」といった問題が再燃する恐れがある ・現在のGitHubは開発者の利便性よりもエンゲージメントを優先する設計になっているように見える ・ソースコード自体はGitの仕組みで分散保存できるが、議論の記録やリリースノートといった社会的文脈は依然としてプラットフォームに依存しており脆弱 ・特定の企業のビジネスモデルや経営状態に、オープンソース全体の記憶が左右される現状は危うい ・公的な資金や基金によって運営される、永続的で中立的なオープンソースソフトウェアのアーカイブが必要ではないか ・GitHubが築いた文化的な功績を認めつつも、特定のサービスに依存しすぎない新しい共生の形を模索すべき時期に来ているのでは lucumr.pocoo.org/2026/4/28/b…
1
4
1
24
3,157
目先の利益やコスト削減に目が眩んで、若手の育成をサボると将来、致命的なツケが回ってくるぞ、という話だった。 ・欧米諸国はかつて製造業で犯した致命的な失敗を、現在はソフトウェア開発の分野でも繰り返そうとしている ・かつて防衛産業では、コスト削減や効率化のために生産ラインを閉じ、熟練工を引退させて技術の継承を放置した ・冷戦後の平和な時代が続くと信じ込み、大量生産の能力や「作り方」という暗黙知を捨ててしまった ・ウクライナ侵攻のような有事が起きた際、数十年ぶりに兵器を作ろうとしても、当時の技術を知る人間がいなくなっていた ・設計図は残っていても、現場の職人だけが知っていた細かなノウハウや不純物の重要性などが失われ、再現に膨大な時間と資金を要した ・この「技術の空洞化」が、現在のIT業界におけるAIの導入とジュニアエンジニアの採用抑制に酷似している ・多くの企業が目先の効率化のためにAIを活用し、若手エンジニアの育成や採用を後回しにしている ・AIはコードを高速で生成するが、それが正しいかどうかを判断するには、泥臭い経験を積んだベテランの知見が必要である ・若手がAIに依存してデバッグや試行錯誤のプロセスをスキップすると、システムを根本から理解する能力が育たない ・今のシニア層が引退したとき、AIが吐き出すミスの責任を取れる人間が誰もいなくなるリスクがある ・防衛産業の事例が示す通り、一度失われた人間のスキルや知見を再構築するには、数年から十数年の歳月がかかる ・教育や育成のタイムラインは、どれだけ多額の資金を投入しても、AIを使っても、物理的に短縮することはできない ・現在のソフトウェア業界は、将来必要になるはずの「次世代の熟練者」を育てるパイプラインを自ら破壊している ・記録やマニュアルがあっても、それを解釈し運用できる人間がいなければ、技術は「Fogbank」(核弾頭に使われる、極めて機密性の高い物質)のように消えてしまう ・最適化の代償として専門知識を捨て去る今の傾向は、将来の予測不能な危機に対してソフトウェア基盤を脆弱にしている techtrenches.dev/p/the-west-…
28
2
85
9,698