Dev
技術・実装・AI システム
技術・実装・AI システム
93 件の記事 · 6 / 8 ページ
-
Claude Code スキルの設計指針——3 層構造をどう使い分けるか
フロントマター・スキルボディ・補助ファイルという公式スキルの 3 層構造を手がかりに、何をどこに書くべきかの実践的な判断基準を整理します。
-
ローカル LLM ベンチマーク：M3 / 24GB で 5 モデルを計測した
lm-evaluation-harness を使い、MacBook Air M3 / 24GB 上の 5 モデルを GSM8K と ARC Challenge で計測しました。phi4 が両タスクで最高スコアを記録し、速さでは mistral-nemo が突出しました。
-
ローカル LLM のモデル選定：M3 / 24GB で動かせる範囲を調査した
各 LLM ファミリーのバリアントを調べ、MacBook Air M3 / 24GB で快適に動かせる範囲を整理して、実際に導入する 5 モデルを選定しました。
-
Anthropic IPO 秘密申請——評価額 9,650 億ドルで OpenAI を超えた AI 企業の上場戦略
本日のAIニュースはAnthropicのIPO秘密申請——評価額9,650億ドルでOpenAIを上回り、AI企業として史上最大規模の上場へ動き出した背景を読み解きます。
-
Microsoft「MAI-Code-1-Flash」——自前コーディングモデルが狙うもの
本日のAIニュースは Microsoft の自前コーディングモデル MAI-Code-1-Flash——「なぜ自社で作るのか」の経済合理性とエンジニアへの影響を読み解きます。
-
Claude Code スキルの書き方——公式・非公式のアプローチを比較する
Anthropic 公式の SKILL.md アプローチと GitHub で配布されるコミュニティスキルを比較しながら、フロントマター・動的コンテキスト注入・呼び出し制御など実践で使えるポイントを整理します。
-
Claude だけで Google Deep Research を再現する——deep-dive スキルの設計
コミュニティ製スキル deep-dive は、問いを DAG に分解して並列サブエージェントで調査し、ギャップを埋めて統合するリサーチフローを Claude Code だけで実装します。外部 API は不要です。
-
graphify で Claude Code のコンテキスト問題を解決する
ファイルを手当たり次第に読む前に、まずグラフを引け——graphify が Claude Code のコンテキスト消費を抑える仕組みを PreToolUse フックから解説します。
-
graphify の仕組み
コードは tree-sitter でローカル解析、ドキュメントだけ LLM へ——graphify がプロジェクトをナレッジグラフ化する2段階パイプラインの設計を整理します。
-
God nodes——コードベースの急所を可視化する
すべての依存がそこを流れる——graphify の GRAPH_REPORT が出力する God nodes という概念を軸に、コードベースの「急所」がなぜ生まれ、それを知ることが何を変えるかを掘り下げます。
-
ナレッジグラフについて整理してみた
ノードとエッジで情報の「つながり」を直接表現するデータ構造——ナレッジグラフの基本概念と、RDB との違い、コードベースへの応用を整理します。
-
Claude Code の使用状況を可視化するダッシュボードを作った
Python 標準ライブラリだけで動く軽量ダッシュボード「Claude Code Monitor」を自作しました。コスト・トークン・キャッシュ効率・ツール使用頻度をブラウザで確認できます。
