サービスを見る

技術の記事

AI駆動開発の実装・つまずき・設計の知見。手を動かした一次情報として綴ります。

tech技術116 件 · 10/13ページ
技術「どのモデルが最強か」はもう古い ──Sakana Fuguが見せた、AIを束ねる”司令塔”の競争

「どのモデルが最強か」はもう古い ──Sakana Fuguが見せた、AIを束ねる”司令塔”の競争

「GPT・Claude・Geminiどれが最強か」はそろそろ古くなる。Sakana AIが2026-06-22にGA公開したFugu / Fugu Ultraが面白いのは、新しい巨大モデルを作ったからでなく、複数の強いモデルをどう呼び分け協調させるかを“モデルそのもの”にした点だ。モデル選択・役割分担・検証・やり直しを、外側のコードでなく学習済みの司令塔（coordinator）へ寄せる。OpenAI互換APIでbase_url/modelの差し替えで試せ、Codex CLIにはcodex-fuguラッパー。ルーターでもMixtureでもなく、TRINITY/Conductor基盤で役割（Thinker/Worker/Verifier）と協調・自己再帰を学習。ただし第三者初日検証では、軽いコード生成でfugu 55秒/2,141トークン vs fugu-ultra 269秒/28,950トークン（司令塔トークン込み）で品質差は限定的＝軽い仕事にUltra常用は割に合わない。司令塔トークンは可視だがモデル別呼び出しは見えず監査に不足しうる。導入軸はquality/latency/cost/traceability/governance、置き換えでなくadvisor/fallback/benchmarkとして測ってから。数値は各社公式主張/初日小サンプルでCAG非検証。

甲斐ショウジ11分で読めます
技術AIエージェントオーケストレーションSakana AIAI導入解説
技術「たくさん書けるAI」から「無駄を書かないAI」へ ──Agent Minimalism、上手さはAIに余計な仕事をさせないことへ

「たくさん書けるAI」から「無駄を書かないAI」へ ──Agent Minimalism、上手さはAIに余計な仕事をさせないことへ

AIコーディングを使い込むと、悩みが「書けない」から「書きすぎ」に変わる。読ませるログが長すぎる、差分が大きすぎてレビューできない、標準機能で済むのに自作する——生成能力が飽和したあと残るのは“無駄”だ。2026年6月、この課題に別角度から答えるツールと研究が並んだ。入口を絞るheadroom（渡す前に文脈を圧縮・60〜95%削減は公式claim）、出口を絞るponytail（書く前にYAGNI→標準→最小実装を問う判断階段・平均−54%LOC等は自己ベンチ）、過程を測るHugging Face（最終答えでなくturns/tokens/errors/traceを測る）。鍵は「少ないコード≠雑なコード」——削っていいのは儀式と重複、削ってはいけないのは検証・セキュリティ・アクセシビリティ。AGENTS.mdに判断階段と測り方を契約として落とし、安全は別ゲートにする実装案まで。数値は各プロジェクトの公式claim/自己評価でCAG非検証、「Agent Minimalism」は本記事の整理概念。

甲斐ショウジ10分で読めます
技術AI駆動開発AIエージェント開発手法トークン最適化解説
技術AIエージェント時代、強いリポジトリは「AGENTS.md」を持っている ──CopilotがレビューにAGENTS.mdを読み始めた日

AIエージェント時代、強いリポジトリは「AGENTS.md」を持っている ──CopilotがレビューにAGENTS.mdを読み始めた日

AIコーディングの差は、もう「どのモデルか」だけではない。効くのは「そのリポジトリが自分の作法をAIに渡せているか」だ。賢いAIほど、リポジトリ固有のルール（日本語で返す/RLSを確認/秘密値を出さない/公開後の確認）を知らないと堂々と間違える。2026年6月、各社が同じ“指示の層”に寄ってきた——GitHub Copilotのコードレビューが AGENTS.md を読み始め、Codexは作業前に命令チェーンを組み、Microsoft AgentRC はリポジトリのAI対応度を計測。AGENTS.md は「AI向けREADME」ではなく、setup/test/secret/権限/完了条件を渡す“作業契約＝運用OS”だ。何を書くか（言語/スタック/コマンド/安全/Done）、私たちが各リポに持たせている一次情報、そして万能論への釘（skills/MCP/eval/人のレビューとセット・秘密値は書かない）まで。外部仕様はCAG非検証＝公式発表ベース。

甲斐ショウジ11分で読めます
技術AI駆動開発AIエージェントAGENTS.md開発手法解説
技術「人間が読むWiki」から「AIが引き継ぐ知識」へ ──Google CloudのOKFが名付けた、AIエージェント時代の知識設計

「人間が読むWiki」から「AIが引き継ぐ知識」へ ──Google CloudのOKFが名付けた、AIエージェント時代の知識設計

AIエージェントを毎日使うと、すぐ壁に当たる。モデルは賢いのに、前提・過去の決定・正本・禁止事項を読めないと使えない。足りないのは長いプロンプトでなく「引き継げる知識」だ。Google Cloudが公開した Open Knowledge Format（OKF v0.1）は、知識を Markdown＋YAML frontmatter＋ディレクトリのvendor-neutralな“束”として表す仕様で、この感覚に名前を与えた。私たちは人間とAIが共同編集するMarkdownナレッジベースを日々運用しており、OKFは「ずっとやってきたこと」に共通語がついた感覚。ただし正本はObsidian最適のまま、export層でwikilink→通常リンク・category→type・description補完して書き出すのが安全（実際にOKF互換ページを試作）。企業ナレッジをagent-readyにする導入支援の角度、v0.1 Draft/形式は質を上げない/機密のレーン分けという留保まで。外部仕様はCAG非検証＝公式発表ベース、ナレッジ運用は自社一次情報。

甲斐ショウジ11分で読めます
技術AI駆動開発ナレッジ管理MarkdownGoogle Cloud解説
制作事例技術「あの資料、見てもらえたかな」を終わらせる ──提案資料をURL一つで安全に届け、閲覧まで見える共有ツールを作った

「あの資料、見てもらえたかな」を終わらせる ──提案資料をURL一つで安全に届け、閲覧まで見える共有ツールを作った

メールに添付した提案資料は、相手が開いたのか、どこまで読んだのか分からない。PDFは重くて開かれず、共有リンクは転送し放題で機密には使えない——資料を「送って終わり」にした瞬間、その先は暗闇になる。私たちは提案資料を多く扱う支援企業向けに、資料をURL一つで安全に届け、閲覧の状況まで見えるセキュアな共有ツール（DocSend的）を設計・実装した。①クライアント閲覧者を“会員”にしない二系統認証（Web暗号＋署名付き一時通行証）、②直リンクを塞ぎ隔離枠で映す“見えるけど抜けない”配信、③資料をAIで生成し必要箇所だけ差分編集・同一URLで改訂・自動分類、④現場の要望を1日7リリースで即日反映・大容量50MB対応。技術判断を主役に、安全性とAI活用と改善速度の作り方を書く。クライアント名・ドメイン・認証情報は伏せ、数値は自社実装の事実に基づく匿名例。

甲斐ショウジ10分で読めます
制作事例セキュリティ資料共有AI活用Next.jsWeb Crypto
制作事例技術Google口コミを、店舗運営の「次の一手」に変える ──分析して終わらせない、多店舗対応の改善ツールを作った

Google口コミを、店舗運営の「次の一手」に変える ──分析して終わらせない、多店舗対応の改善ツールを作った

「星4.2、口コミ186件」——その看板を上げるために、明日から何をするか。多くの現場でここが曖昧なまま放置されている。私たちは店舗集客を支援する事業者向けに、Google等の口コミを店舗運営の“打ち手”に変える分析ツールを設計・実装した。①あと★5が何件で評価4.0に届くかを決定論的に正確計算する目標シミュレーション、②業種特性を踏まえてAIが強み・不満を言語化、③低評価×未返信の「要返信の口コミ」抽出、④一覧APIで546店舗を数秒発見し口コミは店舗ごとに取得、⑤毎月の自動同期、⑥A4日本語PDFで客先納品——「分析して終わり」でなく「次に何をするか」まで出す仕組みを、技術判断を主役に書く。クライアント・店舗名は伏せ、数値は自社実装の実データに基づく匿名例。

甲斐ショウジ11分で読めます
制作事例口コミ分析店舗運営AI活用Next.jsマルチテナント
技術「良いループ」の次は、「手順を残せるAI」だった ──Codex・Cursor・GitHubが同時に示した、会話から手順資産への移行

「良いループ」の次は、「手順を残せるAI」だった ──Codex・Cursor・GitHubが同時に示した、会話から手順資産への移行

少し前まで主役は「良いプロンプト」、6月前半は「良いループ」だった。そして2026年6月17〜18日の2日間で、各社がまた同じ動きをする。Codexの Record & Replay（一度の実演を再利用可能なスキルに）、Cursorの /automate（自然文から自動化）、GitHubの agent finder（必要な能力を都度発見）——入口は三者三様でも、向かう先は「人間の手順を、再利用できる運用資産に変える」一点だ。プロンプト→ループ→手順資産化（ワークフロー・キャプチャ）という抽象の積み上がりを、毎日AIで作る現場目線で読み解き、CAGがすでにこの設計で記事も製品も回している一次情報まで書く。各社機能はCAG検証ではなく公式発表に基づく。

甲斐ショウジ12分で読めます
技術AI駆動開発AIエージェントワークフロー自動化OpenAI解説
技術これから売れるのは、AIツールじゃない。──“AI導入OS”という新しい市場の話

これから売れるのは、AIツールじゃない。──“AI導入OS”という新しい市場の話

企業のAI導入は、いまだに「どのモデルか」から始まりやすい。だが2026年6月のOpenAI Partner Network（1.5億ドル投資・30万人育成目標）、Bainの「OpenAI Deployment Company」出資、BCGの“脱・実験”、Accentureの産業導入——一次情報を線でつなぐと、AI導入支援が“市場”として本格的に立ち上がっている。売り物は単体のAIツールから、業務に組み込まれて回り続ける「AI導入OS（仕事の再設計）」へ。Agilent/Paychex/eBayを証拠強度の違い込みで読み、CAGがそれを診断→PoC→定着のパッケージにどう落とすかまで書く。数値は各社公表でCAG検証ではない。

甲斐ショウジ11分で読めます
技術AI導入OpenAIエンタープライズAI駆動開発解説
技術「最強モデル」より「強いharness」──frontier AIが“政策で止まる”時代のエージェント設計

「最強モデル」より「強いharness」──frontier AIが“政策で止まる”時代のエージェント設計

2026年6月12日、Anthropic は Claude Fable 5 / Mythos 5 を一夜で止めた。サーバー障害ではなく、米政府の輸出管理ディレクティブによる供給の遮断だ。これは Anthropic 固有の事故ではなく、各社が高能力モデルを“配信ゲート”に寄せる業界全体の流れの一コマ。frontier model はもう SaaS ではなく、供給が政策に引かれる“準インフラ”になった。ベンダーロックインの本丸は API でなく「能力アクセス／政策アクセス」へ移った──だからこそ、エージェントは「最強モデル」依存ではなく「強い harness（土台）」中心に設計する。公式声明・公開文書に基づく解説・論評。

甲斐ショウジ10分で読めます
frontier-modelsvendor-lock-inエージェント設計供給リスクHITLAnthropic