AI/LLM

音声の文字起こし（トランスクリプション）は AI の実用的な応用の一つだが、長時間の音声ファイルを処理するには時間がかかる。insanely-fast-whisper は、OpenAI の Whisper モデルを Flash Attention 2 とバッチ処理で高速化し、150分の音声をわずか98秒で文字起こしできる CLI ツールだ。 概要 insanely-fast-whisper は、Hugging Face の Transformers、Optimum、flash-attn を組み合わせた文字起こし CLI だ。2026年3月時点で GitHub スター 11,000 以上を獲得しており、コミュニティ主導で開発が進んでいる。 主な特徴: 高速処理: Nvidia A100 GPU で 150分の音声を約98秒で文字起こし 簡単なインストール: pipx install でワンコマンド導入 複数モデル対応: Whisper large-v3、distil-whisper など Mac 対応: Apple Silicon (MPS) でも動作 翻訳機能: 文字起こしだけでなく、英語への翻訳も可能 ベンチマーク Nvidia A100 (80GB) での 150分音声の処理時間比較: 構成 処理時間 large-v3 (fp32) 約31分 large-v3 (fp16 + batching + BetterTransformer) 約5分 large-v3 (fp16 + batching + Flash Attention 2) 約1分38秒 distil-large-v2 (fp16 + batching + BetterTransformer) 約3分16秒 distil-large-v2 (fp16 + batching + Flash Attention 2) 約1分18秒 large-v2 (Faster Whisper, fp16) 約9分23秒 Flash Attention 2 の効果が顕著で、BetterTransformer と比較しても約2.5〜3倍の高速化を実現している。 ...

「寝てる間に稼ぐ」――AI トレーディングボットが24時間タイムゾーン裁定を監視し、海外で確定した市場を見つけて $43,800 を稼いだという投稿が話題になっています。本記事では、タイムゾーン裁定取引（Timezone Arbitrage）の仕組み、AI ボットの役割、そして見落とされがちなリスクについて解説します。 暗号通貨予測市場における裁定取引 今回話題になっている「タイムゾーン裁定」は、暗号通貨の予測市場（Prediction Market）と現物取引所の間に生じるレイテンシ（遅延）を利用する戦略です。 予測市場とは Polymarket に代表される予測市場では、「BTC は15分後に上がるか？下がるか？」といった短期コントラクトが取引されています。参加者はイベントの結果に対してオッズ付きのポジションを取り、結果確定後に精算されます。 裁定の具体的な流れ 現物市場で価格が動く — Binance や Coinbase で BTC が急騰し、明確な上昇トレンドが確認される 予測市場のオッズが追いつかない — Polymarket の「BTC 15分後に上昇」コントラクトのオッズがまだ 50/50 のまま ボットが即座にポジションを取る — 実際の上昇確率が ~85% なのに、市場価格は 50% を示している。この乖離を突いて「上昇」側を購入 結果確定で利益獲得 — 15分後に BTC が実際に上昇し、コントラクトが精算される なぜ「タイムゾーン」が関係するか 暗号通貨市場は24時間稼働ですが、トレーダーの活動量はタイムゾーンに依存します。 アジア時間帯に大きな値動きが発生 → 欧米のトレーダーが少なく、予測市場の流動性が薄い → オッズ修正が遅れる 欧米時間帯の急変動 → アジア圏の参加者が少なく、同様にラグが発生 この地域ごとの活動時間差が市場の非効率性を生み、24時間稼働するボットがその隙間を突ける構造になっています。 実際の規模 報道ベースでは、この手法の規模は無視できないレベルに達しています。 あるボットが $313 の元手から1ヶ月で $414,000 を達成（BTC/ETH/SOL の15分コントラクト、勝率98%） 2024年4月〜2025年4月の推定裁定利益は全体で 約 $4,000万（約60億円） Polymarket の最も利益を上げているトレーダー上位20のうち 14がボット なお、Polymarket はこのレイテンシ裁定を抑制するため、15分コントラクトに動的テイカー手数料を導入しています。以前のゼロ手数料構造がボットに有利すぎたためです。 AI ボットが果たす役割 従来の手動アービトラージでは、人間がリアルタイムで複数市場を監視する必要があり、実質的に24時間の稼働は不可能でした。AI ボットはこれを根本的に変えます。 ...

Claude Code と ByteDance の Seedance 2.0 を組み合わせた動画広告制作ツール「Renoise」が登場した。1枚の商品写真から数百パターンの動画クリエイティブを自動生成できるという。 Renoise とは Renoise は「動画をつくるな、プログラムしろ（Don’t make videos — program them）」をコンセプトに掲げる AI 動画制作ツール。Claude Code のコード生成能力と、ByteDance が開発した動画生成 AI「Seedance 2.0」を組み合わせることで、動画広告の制作を従来の100倍にスケールさせることを目指している。 主な特徴： 1枚の商品写真から数百パターンの動画クリエイティブを生成 手動編集ではなく、コードベースで動画を「設計・展開」するアプローチ 広告やマーケティング向けのクリエイティブ量産に特化 Seedance 2.0 について Seedance 2.0 は ByteDance の Seed 研究チームが開発した次世代 AI 動画生成モデル。2026年2月にベータ版が公開され、SNS で大きな話題となった。 主な機能 マルチモーダル入力: テキスト、画像（最大9枚）、動画（最大3本）、音声（最大3ファイル）を組み合わせて動画を生成 音声・動画の同時生成: デュアルチャンネルステレオ技術で映像と完全同期した音声を生成 高解像度出力: ネイティブ 2K 解像度（2048×1080）に対応 高速生成: 前モデル Seedance 1.5 Pro と比べて30%の速度向上 物理演算の改善: 人物の動きや物体の相互作用がよりリアルに Claude Code との連携 Claude Code は Anthropic が提供する CLI ベースの AI コーディングアシスタント。Renoise では、Claude Code の自然言語によるコード生成能力を活かして、動画制作のワークフローをプログラマブルに制御する。 ...

不動産コンサルタントの長嶋修氏がX上で公開した長文コラム「資産防衛という幻想」が話題になっている。AIによる生産性革命がもたらす構造的デフレ、通貨制度の崩壊リスク、そして「資産防衛」という概念そのものへの疑問を投げかける内容だ。 核心の主張：「沈みゆく船の中で座席を替えている」 長嶋氏のコラムで最も刺さるのは、この一節だろう： 「既存の通貨制度が続く」「労働による所得が存在する」という前提の上に立っている。その前提を疑わずに「株と債券の比率をどうするか」を議論しているのは、沈みゆく船の中で座席を替えているようなものだ。 世に溢れる「資産防衛術」は、金融商品の配分をどうするかという枠組みの中にいる。だがその枠組み自体が、既存の通貨制度と労働所得の存在を前提としている。AIがその前提を壊しうるなら、議論の土台ごと揺らぐことになる。 AIとロボットが「デフレ」を生む日 AIとロボティクスの進化が加速し続けている。AIが設計し、ロボットが製造し、AIが管理する。人間の労働が介在しない生産ラインが現実のものになりつつある。 そうなれば、モノやサービスの供給能力は爆発的に拡大し、限界費用はゼロに近づく。物価は上がるどころか、構造的に下がり続けることになる。つまり、いまのインフレの先に待っているのは、かつてない規模のデフレかもしれない。 長嶋氏はこう指摘する。生産性が極限まで高まれば物価は下がる。これは経済学の基本原理であり、インフレが永続するという想定のほうが特殊な前提を必要とする、と。 デフレが意味するもの：「現金最強」は半分しか正しくない デフレとは、貨幣の購買力が時間とともに上がる現象だ。ここで「現金最強」という話が出てくるが、これは半分しか正しくない。 現金は確かに「毀損しにくい」が、利回りはゼロであり、何も生み出さない。1990年代後半から2010年代の日本を振り返れば、現金だけを抱え続けた人が最も豊かになったわけではない。デフレの本質は「名目の数字と実質的な価値は別物だ」ということを教えてくれる点にある。 不動産についても同様だ。不動産には「交換価値」（売買価格）と「収益価値」（賃料収入）と「使用価値」（そこに住める、使える）の三つがある。デフレ下では「交換価値」は確かに下がるが、「使用価値」に至っては全く毀損しない。今日も雨風をしのげる屋根の価値は、デフレかインフレかを問わない。 「尺度」そのものが壊れるとき：金融リセットの可能性 論点はさらに深まる。通貨とは「信用の合意」に過ぎない。円にもドルにも物理的な裏付けはない。現行の管理通貨制度は1971年のニクソン・ショック以降、まだ半世紀しか経っていない。歴史的に見て、永久に続いた通貨制度など存在しない。 AIによる生産性革命がデフレを引き起こし、それが既存の金融システムに耐えがたいストレスをかけたとき、「金融リセット」と呼ばれる事態が起きうる。そうなれば、現金も安泰ではない。 しかし重要なのは、「価値の尺度」が壊れても「価値そのもの」は消えないという事実だ。メートル原器が壊れても物理的な距離は存在し続ける。同様に、「そこに住める」「そこで商売ができる」という不動産の「使用価値」は、通貨制度とは独立に存在し続ける。 「人的資本が最強」という最後の砦も崩れる 長嶋氏は長年、「最終的には人的資本が最強だ」と言ってきたという。知識、技能、信頼関係。通貨が変わっても、「この人に頼めば問題が解決する」という信用は移転可能だ、と。 だが、AIが人間の技能を同等以上の品質で、ほぼゼロコストで代替するなら、「人的資本」の市場価値そのものが崩壊する。これは「仕事が減る」というのんきな話ではない。労働と報酬の交換を前提に設計された社会制度——賃金、年金、社会保険、税制——そのすべてが機能不全に陥るということだ。 ここで注目すべき点がある。富の総量は減らない。むしろ爆発的に増える。AIとロボットが生産を担えば、社会全体としては「豊か」になる。にもかかわらず個人が困窮するとすれば、それは生産の問題ではなく、分配の問題である。 三重の崩壊のあとに残るもの AIによるデフレ、金融リセット、労働の代替。この三つが重なる最悪のシナリオで、崩壊するものを整理すると——金融資産の名目価値、通貨の信用、労働による所得、人的資本の市場価値、既存の分配制度。ほぼすべてが揺らぐ。 それでも残るものがある： 尺度に依存しない実物的価値 — 自分が住む場所、食料やエネルギーへのアクセス、健康、人的ネットワーク。これらはどんな通貨制度のもとでも交換力を持つ。 生産手段へのアクセス — AIとロボットが富を生むなら、それを所有・アクセスできるかどうかが決定的に重要になる。AIを「使われる側」ではなく「使う側」にいること。 制度設計への影響力 — 富の分配が最大の問題になるなら、そのルールを決める過程に関与できることの価値は極めて大きい。政治参加、コミュニティでの発言力、社会的資本。 問うべきは「何を守るか」ではない 長嶋氏の結論は明快だ： 問うべきは、「何を守るか」ではなく、「制度が変わったときに、自分は何を創れるか」である。 過去の成功パターンをそのまま延長して安心することが、最も危険な「資産運用」かもしれない。いまのインフレを心配するのは自然なことだが、その先に起こりうることにも目を向ける必要がある。 AI時代における本当の「備え」とは、金融商品のポートフォリオを最適化することではなく、制度が根本から変わっても価値を持ち続けるものに投資することなのだろう。

「AI でアプリが作れるようになった」という話題が注目されがちだが、本当に面白い変化は画面の外で起きている。起業家の Bill D’Alessandro 氏が Claude を使って床下の除湿システムを自力設計し、業者見積もり $10,000（約150万円）を $2,500（約37万円）で実現した。 何が起きたのか Bill 氏は新居の床下（クロールスペース）にカビ防止の除湿システムが必要だった。専門業者に見積もりを依頼したところ、スペースの広さから除湿機2台と追加の排水ラインが必要で、費用は $10,000 と言われた。 「ファンで湿気を片側に送って、除湿機1台で対応できないか？」と聞いたが、業者はそのような設計は行わないという回答だった。 Claude による設計プロセス Bill 氏は Claude に床下の間取り図と空間体積を渡し、以下の設計を行った。 1. 除湿機の最適サイズ計算 空気体積に基づいて最適な除湿能力を算出。結果は100パイント容量の除湿機1台で十分と判明。価格は $1,500。 2. 空気循環の流体力学シミュレーション 当初 Bill 氏は「片側に除湿機、反対側にファン」という直線的な配置を考えていた。しかし Claude は、この配置では通気口から湿った外気を引き込んでしまうと指摘。 代わりに、4つのファンを各壁面に1つずつ配置し、円形の渦（サーキュラーボルテックス） を作る設計を提案した。これにより外気の流入を最小限に抑えつつ、乾燥した空気を効率的に循環させる。 3. 機器の選定 ファン: 20インチのシールドベアリングファン4台（防塵仕様）、DCモーター駆動（AC より省エネ）。各 $120 スマートプラグ: 各ファンに1つ IoT 湿度センサー: 複数台設置。合計 $200 4. 自動制御システム 湿度センサーが床下の空気を常時モニタリングし、湿度が60%を超えるとスマートプラグが4台のファンを起動。除湿機を通して空気を循環させ、湿度が50%を下回るまで運転を続ける。 総費用: 約 $2,500 + 土曜日1日の作業。業者見積もりから $7,500 の節約に加え、エネルギー効率も約2倍という結果になった。 本質は「コスト削減」ではない この事例で重要なのは「安くできた」ことではない。本質は 「専門知識のペイウォール（課金壁）が消えた」 ことにある。 HVAC（空調）、建設、リフォーム、農業といった業界は、「専門家しかわからない知識」が参入障壁だった。その障壁が Claude のような LLM によって崩壊し始めている。 Before と After Before After 設計 業者に $10,000 払い、業者の設計をそのまま受け入れる Claude に間取り図と空間体積を渡し、自分で最適設計を出す 選択肢 業者が提示する1パターン 複数の設計案を比較検討できる 理解度 ブラックボックス 設計根拠を理解した上で判断 AI ビジネスへの示唆 AI が入りやすい場所は 知識が標準化されている領域 であり、コモディティ化が最も速い。つまり、AI プロダクトを作るなら「AI で誰でもできるようになること」を売るのではなく、「AI でもまだ代替できない部分」を見つけて、そこに人間の価値を乗せる ことが重要になる。 ...

note CXO・THE GUILD 代表の深津貴之氏（@fladdict）が、AI を使った日次・週次の振り返り手法を紹介している。やり方は極めてシンプルで、「昨日（先週）のログを AI に読み込ませて、PDCA 計画を策定させる」だけだという。 手法の概要 深津氏のツイートによると、手順は以下の通り： 昨日（または先週）の作業ログを AI に読み込ませる 「昨日（先週）の問題を解決する PDCA 計画を策定せよ」と指示する AI が問題点を分析し、改善計画を提案してくれる これだけで「仕事と人生がドンドン解決していく」と述べている。 なぜこの手法が効果的なのか ログの蓄積がそのまま改善の燃料になる 日々の作業ログは多くの人が何らかの形で残している。しかし、それを定期的に振り返って改善につなげるのは手間がかかる。AI を挟むことで、ログの分析と計画策定のコストがほぼゼロになる。 PDCA サイクルの「Check → Act」が自動化される PDCA サイクルの中で最もおろそかになりがちなのが Check（振り返り）と Act（改善アクション）のフェーズだ。AI にログを読ませることで、この2つのフェーズが自動的に回るようになる。 客観的な視点が得られる 自分のログを自分で振り返ると、どうしてもバイアスがかかる。AI に分析させることで、見落としていた問題点やパターンに気づける可能性がある。 実践のポイント ログの形式 AI に読み込ませるログは、特別なフォーマットである必要はない。日報、タスク管理ツールの履歴、カレンダーの予定、チャットの履歴など、手元にあるものをそのまま使えばよい。 プロンプトの例 以下は私の昨日の作業ログです。 [ログを貼り付け] このログを分析して、以下の観点で PDCA 計画を策定してください： - Plan: 今日取り組むべき優先課題 - Do: 具体的なアクション項目 - Check: 昨日の問題点と原因分析 - Act: 改善すべきプロセスや習慣 週次での活用 日次だけでなく、週次でも同じ手法が使える。1週間分のログをまとめて AI に渡せば、より大きな視点での改善計画が得られる。 AI × PDCA の広がり この手法は個人の生産性向上だけでなく、チームや組織でも応用できる。InfoQ では AI コード生成における PDCA フレームワークとして、日次のマイクロ振り返り（5〜10分）を AI エージェントと行うアプローチが紹介されている。 ...

OpenAI初期メンバーであるAndrej Karpathyが、autoresearchというオープンソースツールを公開しました。わずか630行のPythonスクリプトで、寝ている間にAIエージェントが約100の機械学習実験を自律的に実行してくれるというものです。 Karpathy「12月からコードを1行も書いていない」 Karpathyは「12月から自分でコードを1行も書いていない」と告白しています。代わりに公開したのがこのautoresearchで、プログラマーの仕事が「コードを書く」から「設計する」へとシフトしていることを象徴しています。 autoresearchの仕組み autoresearchはシンプルな仕組みで動作します: AIエージェントにトレーニングスクリプトと固定の計算バジェット（通常5分間のGPU時間）を渡す エージェントが自分のソースコードを読み、改善の仮説を立てる コードを修正し、実験を実行する 結果が改善されたかを評価し、改善なら保持・悪化なら破棄する このサイクルを繰り返す トレーニングは常に5分間で実行されるため、1時間あたり約12実験、一晩で約100実験が自動的に回ります。 実績と反響 Shopify CEO Tobias Lütke: 一晩で37実験を実行し、性能19%向上を達成 Karpathy自身: 700以上の実験を2日間で実行（Fortune誌報道） GitHub: 公開1週間で数万スターを獲得（現在54,000以上） 技術的特徴 シングルGPU対応: 高価なクラスタは不要 630行のスクリプト: コードベースが小さく、理解・カスタマイズが容易 MITライセンス: 誰でも自由に利用可能 Python製: train.py を中心としたシンプルな構成 リポジトリ GitHub: karpathy/autoresearch 「書く」から「設計する」への転換 autoresearchが示唆しているのは、世界最高峰のプログラマーの仕事が「AIにコードを書かせる」段階をすでに超え、AIエージェントに実験を設計・実行させるフェーズに入っているということです。Karpathyは将来的に、エージェント群が協調して小さなモデルをチューニングし、有望なアイデアを段階的にスケールアップさせる「研究コミュニティのエミュレーション」を構想しています。

Claude Code に「Agent Teams」機能が追加されました。複数のセッションがメッセージをやり取りしながら協調作業できる機能です。 従来のサブエージェントは親セッションに結果を返すだけでしたが、Agent Teams ではエージェント同士が直接コミュニケーションを取りながらタスクを進められます。 Agent Teams とは Agent Teams は Claude Code v2.1.32 以降で利用できる実験的機能です。1つのセッションがチームリーダーとなり、複数のチームメイト（それぞれ独立した Claude Code インスタンス）を起動して並列に作業を進めます。 各チームメイトは独自のコンテキストウィンドウを持ち、共有タスクリストを通じて自律的に連携します。 サブエージェントとの違い 比較項目 サブエージェント Agent Teams コンテキスト 独自のコンテキスト、結果を呼び出し元に返却 独自のコンテキスト、完全に独立 コミュニケーション 親エージェントへの一方向のみ チームメイト同士で直接メッセージ送受信 調整方法 親エージェントが全体を管理 共有タスクリストで自己調整 適した用途 結果だけが必要な集中タスク 議論・協調が必要な複雑な作業 トークンコスト 低い（結果が親コンテキストに要約される） 高い（各チームメイトが個別の Claude インスタンス） SendMessage によるエージェント間通信 Agent Teams の中核となるのが SendMessage ツールです。2つの通信方式が用意されています。 directed message: 特定のチームメイトにメッセージを送信 broadcast: 全チームメイトにメッセージを一斉送信 メッセージは各チームメイトの受信ボックスに JSON として追記されます。受信ボックスのパスは ~/.claude/teams/<project>/inboxes/<name>.json です。メッセージは次のターンで読み取られ、会話履歴に新しいユーザーターンとして注入されます。 有効化と使い方 Agent Teams はデフォルトで無効です。~/.claude/settings.json で環境変数を設定して有効化します。 1 2 3 4 5 { "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" } } 有効化後は、自然言語でチーム構成を指示するだけで起動できます。 ...

Claude Code を使って東証の株取引を半自動化するシリーズ。ペーパートレード開始から5日間で14件の決済が行われ、勝率0%、実現損失は-186,250円。全敗だった。しかし、これはペーパートレードだからこそ見つけられた17件のバグの記録でもある。 免責事項: 本記事は技術的な解説であり、特定の投資戦略や銘柄を推奨するものではない。株式投資には元本割れのリスクがある。投資判断は自己責任で行うこと。また、APIを介した自動売買にはプログラムの不具合による意図しない発注のリスクが伴う。必ず少額から始め、十分な検証を経てから運用すること。 8連敗からの始まり ペーパートレード開始から3日目。決算データを使った戦略が8連敗した。損失は-68,550円。 下降トレンド中でも買う。損切り直後に同じ銘柄を再び買う。ストップ幅が狭すぎて、通常の値動きで損切りに引っかかる。人間のトレーダーなら「3連敗したら今日はやめよう」と判断する。AIにはその判断が最初からプログラムされていなかった。 タイミングも悪かった。ペーパートレードを始めた週、イラン情勢の緊迫化で日経平均もTOPIXも大幅に下落していた。バグだらけのシステムが、下落相場に突っ込んだ格好だ。 AIが書いたコードは「動く」。だが「正しく動く」とは限らない このシリーズでは、Claude Code を使って東証の株取引を半自動化する方法を紹介してきた。プログラミング不要で、AIに「やって」と言うだけ。それは嘘ではない。実際に Claude Code はスクリーニングから発注まで、動くコードを書いてくれた。 問題は「動く」と「正しく動く」の間に深い溝があることだ。 ペーパートレードを始めてから5日間で、17件のバグが見つかった。全て、ライブでも同じように発生するバグだ。一つ残らず実弾を撃つ前に発見できた。逆に言えば、ペーパートレードをスキップしていたら、17個の地雷を踏みながらライブトレードをしていたことになる。 「AIで簡単に自動売買」はSNSでよく見かけるフレーズだ。ツールとしてのAIは確かに強力だが、「簡単に」の部分は幻想だ。少なくとも私の場合はそうだった。長年コードを書いてきたエンジニアが、Claude Code にコードを書かせて、それでも17件のバグを出した。 ここから先は、その17件のうち特に危険だったものを紹介する。 放置すれば資金が溶けるバグ 8連敗して止まらない 冒頭の決算系戦略8連敗。-68,550円。 原因は安全機構の欠如だ。クールダウン（損切り後に一定期間エントリーを見送る仕組み）がない。戦略あたりのポジション上限がない。動的ストップ（値動き幅に応じて損切りラインを調整する仕組み）がない。 AIは「損切りラインを-5%に設定する」コードは書ける。だが「この銘柄のボラティリティなら-5%は狭すぎる」という判断はしない。ATR（平均的な1日の値動き幅）が3%の銘柄に5%のストップを置けば、2日間の通常の値動きで引っかかる。 ポジションサイズが制御されていない 1銘柄あたりの投資上限を設定するパラメータが、コードのどこにも参照されていなかった。パラメータは存在するが、使われていない。設定画面だけ立派で中身が空のセキュリティソフトのようなものだ。 ライブなら、1銘柄に資金が偏り、その銘柄が暴落したときに取り返しのつかない損失になる。 損切りしても枠が空かない 「損切りが先、新規エントリーが後」であるべき処理が、逆の順序で実行されていた。 1戦略あたりのポジション上限は3件。朝の処理で、まず新規エントリーを判定し、その後でストップ注文を処理する。すると、損切りで空くはずの枠が認識されず、新規エントリーがブロックされる。損切りされた銘柄の代わりに入るべき新しい銘柄が、いつまでも入れない。 暴落の朝に無防備にエントリーする 前日比10%のギャップダウン。市場が恐慌状態にある朝に、通常通りエントリーしていた。 ギャップの大きさを検出するロジックが存在しなかった。修正後は、10%以上のギャップで停止、5%以上でストップ幅を自動拡張するようにした。 50銘柄を超えると価格が取れなくなる kabu Station API には銘柄登録の上限がある。50件だ。株価の取得を要求するたびに銘柄が自動登録され、上限に達すると51件目以降は全てエラーになる。 110件の候補のうち36件が脱落した。ライブなら、高スコアの候補が価格を取得できずエントリー機会を逃す。あるいは、保有銘柄の価格が取れずストップ注文が発動しない。 「動いている」が「正しく動いている」ではないバグ 荒れた板でも平気でエントリーする 寄り付き直後の特別気配（売り買いの注文が極端に偏った状態）、スプレッドが通常の10倍、出来高ゼロ——そんな状態でも注文が通っていた。 板の品質を評価する仕組みが、単一時点のスプレッドチェックしかなかった。修正後は、出来高・スプレッド・気配の状態・特別気配・ストップ高ストップ安を総合的に評価し、回復可能な状態なら最大5分間リトライする仕組みにした。 全候補がQTY=0で1件もエントリーできない ある朝、40件の候補全てが「数量ゼロ」で見送られた。 資金300万円を5戦略で均等割りすると、1戦略あたり48万円。株価1,000円以上の銘柄は最低購入単位（100株＝10万円）を確保できるが、戦略ごとの予算上限に引っかかって多くの銘柄が除外された。高株価の優良銘柄ほど買えないという、本末転倒な状態だった。 戦略の成績評価が壊れている 戦略の良し悪しを評価する指標（プロフィットファクター）の計算に、まだ決済していない注文のデータが混入していた。買い注文（損益ゼロ）が分母に加算され、評価値が実態と乖離する。 本来なら停止すべき戦略が「成績は悪くない」と判定され、損失を出し続ける。 ポジション管理がデータ不整合 取引ログでは全件決済済みなのに、ポジション管理ファイルには9件が残存していた。ゴーストポジション——実在しないポジションに対してストップ注文が出され続けるか、あるいは実在するポジションが管理から漏れる。 AIから見えない世界のバグ スケジュールが誰にもキックされていない 朝8:10のスクリーニングが、3日間実行されていなかった。 設定ファイルにはちゃんと書いてある。だが、それを読んで実行するスケジューラが、別件で停止したまま放置されていた。設定ファイルに書いた＝実行される、ではない。 3日前の古い候補で取引するところだった。手動で気づいたから事なきを得た。 キャッシュが空で30分タイムアウト スクリーニングが30分以上かかり、朝9:10のエントリーに間に合わない。 ローカルに株価データのキャッシュを持つ仕組みを作ったが、キャッシュを更新する定期ジョブの登録を忘れていた。キャッシュが空なので、毎回APIから全銘柄のデータを個別取得する。1,590銘柄×APIレート制限で30分超。 時計が9時間ずれている 「9:10にエントリーを開始する」と書いたコードが、UTC基準で動いていた。WSL（Windows上のLinux環境）のシステム時刻がUTCで、Python の datetime.now() がタイムゾーン指定なしで呼ばれていた。 日本時間の9:10に動いたのは偶然だ。JST前提で書いたはずのコードがUTCで動いている——この種のバグは、テスト環境と本番環境でタイムゾーンが異なるだけで発生する。 Slack通知が全部失敗している 損切りもエントリーも、通知が何も届いていなかった。 ...

Tailwind CSSチームのデザイナー Steve Schoger が、「Claude Codeをメインのデザインツールにした」という1時間の解説動画を公開した。Figmaを使わず、Claude Codeだけで金融アプリのランディングページをゼロから構築する過程を全公開している。 Steve Schoger とは Steve Schoger は Tailwind Labs のデザイナーで、Adam Wathan と共に「Refactoring UI」の著者としても知られている。開発者向けにデザインスキルを体系的に教える活動で広く認知されており、X（Twitter）でのデザインTipsや YouTube でのUI改善動画でも人気が高い。 動画の内容 動画では、約50回の対話を通じて初期出力をプロ級の品質に仕上げていく過程が公開されている。 注目すべきは、Schoger 本人が「コマンドラインはディレクトリ移動と Claude 起動しかできない」と語っている点だ。プログラミングの深い知識がなくても、Claude Code との対話だけでプロ品質のLPを作り上げている。 ワークフロー 左画面: ブラウザ（localhost 表示） 右画面: Claude Code のターミナル これだけのシンプルな構成で、Figma は一切使っていない。 技術スタック Vite — ビルドツール Tailwind CSS — ユーティリティファーストCSS React — UIライブラリ デザイナーがCLIに移行する時代 「デザイナーがCLIに移行する」というのは、一見ありえない話に思える。しかし、この動画を見ると、AIコーディングツールがデザインワークフローを根本的に変えつつあることが実感できる。 従来のデザインワークフローでは、Figma などのビジュアルツールでモックアップを作成し、それをエンジニアが実装するという流れが一般的だった。しかし Claude Code を使えば、デザイナーが自然言語で指示を出すだけで、直接コードとして実装されたUIを確認・修正できる。 ui.sh — デザインスキルをAIに組み込むツール Schoger と Adam Wathan は ui.sh というツールも開発している。これは Claude Code や Cursor などのAIコーディングエージェントに、プロレベルのデザイン基準を適用させるスキルツールキットだ。ターミナルを「デザインエンジニア」に変えるというコンセプトで、AIが生成するUIの品質を大幅に向上させることを目指している。 ...