集中力がないタイプなので「今日やることに集中するためのタスク管理アプリ Pikku!(ピック)」作りました🚀 AIで仕事は速くなったけど、やることは増えて散らかる一方で、優先順位も日々迷子になる、そんな人にオススメです。 とにかく思いつくままにタスクを素早く登録しておいて、毎朝やるやつを「ピック」するだけ。キーボードショートカットでサクサク追加や並び替えができます。 私はこれがないと仕事ができない体になりました 😇 ↓こちらから無料ですぐに使えます！

Biscuit、セキュリティ対応を入れました〜nodeの問題もElectronがバージョンアップ次第対応予定です。

xitter.cf/luinlee/status/2113085… こちらは上記のポストで知ったテクニックです。ツイパクみたいになって申し訳ない...

次は深緑をなんとかしたい。実験してみようと。

下記、似たようなアイデア考えていました。エージェンティックなe2eは追求したいところ 3. 継続的なstaging検証 - エージェントの群れがstaging環境でユーザー行動をシミュレートする - これは、決定論的なE2Eテストでは捉えられない異常をフラグするための非決定論的なチェックを実行できる場所です

お名前.comの「デスクトップクラウド」、名前から普通のクラウドデスクトップ環境だと思ったけど見えるけど実態はFX専用VPSだった。

コストに見合う成果はもちろん必要だけど、開発プロセスの自動化自体は自然な流れだと思う。 そもそも1年以上AIコーディングをやっていると、 依頼 ↓ 確認 ↓ 修正 ↓ 再確認 ↓ 実際に操作して確認 ↓ リリース というループ自体を自動化することも、エンジニアリングの仕事のひとつだと思えてくる。 うっかりすると「実装して」「レビューして」「修正して」「ブラウザで動作確認して」と毎回AIに同じような指示を出しているだけになりがちなので、さすがにこの往復はそろそろ自動化したいところ😇

最近、人間がコードを見ずにAIが実装・検証・自動マージまで進める世界を考えていて、GitHubのPRにちょっと限界を感じ始めている。 Diffが中心のUIだし、IssueとPRに情報が分かれているし、Conversationもノイズが多い。何が変わって、どこまで検証されているのか、直感的にわかりにくい。 要求から実装、検証、マージまでを「Change」みたいな単位でまとめて、変更内容や検証結果がぱっと理解できるUIがあるとよさそう。 PR自体は裏側の仕組みとして残してもいいけど、人間が見るUIはそろそろ別のものになってもいい気がする。

Codexでpstack使うときの正解ってどれ？ いまは適当に主要なやつプロジェクトにコピーして使っているけど、グローバルに置いてよいかなと思って。

最近pstackを使っている。これ、AI以前から脈々と受け継がれてきたソフトウェアエンジニアリングの粋が詰まっている。 ・バグは再現してから直す ・性能改善は計測してから ・対症療法ではなく根本原因を直す ・変更の影響範囲を調べる ・実装はできるだけ小さく ・独立したレビューで品質を検証する などなど。自分がこれまでやってきたことが、報われたような気持ちになる。

Ultra fastとfastの中間のSuper fastが欲しい。3倍ぐらいの速度で消費はそこそこのやつ

実技試験の練習やってるけど、パズルゲームみたいで普通に楽しい。筆記はかなり辛かったのが嘘のよう。

今後はよりPRの検証に使用するトークンがより大きくなる気がする。 検証はいままでは人間の目によるコードレビュー＋単体テスト、実際の動作検証など保証していた部分。 人間がコードを読まないも当たり前になっているし、人間が動作検証やらないものあたりに前になるとおもう。動作検証をAIにうまくやらせるのを頑張る感じ。 ここは薄くやることも、厚くやることもできる領域だとおもうけど、網羅的かつ探索的にエージェントが受け入れテストをおこなうと、かなりのトークンが必要になるし、エージェント開発と同様に検証の仕組みの検証機構（Eval、Trace、コストなどなど）も一式必要になりそう。

Strongly agree. A year ago, I was trying hard to get AI to write code and choose architectures that I considered best. Now I’m starting to wonder if my detailed instructions might actually be becoming a bottleneck. Frontier models can already write solid code without much hand-holding. Maybe we’re just projecting our human preferences onto something that works differently. Clean code evolved around how humans think and work. AI agents have different constraints — context windows, reasoning, tooling, etc. Who knows? Maybe the best code and architecture for AI look nothing like what works best for humans. Perhaps I’ve just spent the past year teaching AI my personal preferences 😂 And there’s a separate question: do humans really need to read code to verify correctness? Reading code has never guaranteed that a system actually works. I think we need to rethink both how AI should structure code and how we verify its correctness. We don’t know the answers yet, and that’s what makes this so interesting.