Claude Code on hdknr blog

Claude Code

Mon, 06 Apr 2026 00:00:00 +0000

Anthropic 公式の CLI ベース AI コーディングエージェント

コンテキスト圧縮

Mon, 06 Apr 2026 00:00:00 +0000

LLM の会話が長くなった際にコンテキストウィンドウを管理する戦略群

claw-code-local — Claude Code風のAIコーディングエージェントをローカルLLMで動かす

Sun, 05 Apr 2026 00:00:00 +0000

Claude Code風のAIコーディングエージェント claw-code-local の紹介。Ollama や LM Studio でローカルLLMを使い、API費用ゼロ・プライバシー保護でコード生成を実現する方法を解説。

Anthropic Conway とは — 24時間稼働する常駐型AIエージェントの全貌

Fri, 03 Apr 2026 00:00:00 +0000

Anthropic が開発中の常駐型AIエージェント Conway のリーク情報を解説。Always-On 常時稼働、Webhook 連携、ブラウザ操作、.cnw 拡張規格など次世代エージェントの全機能をまとめます。

Claude Code 開発で機能が静かにデグレードする — 出力品質テストで防ぐ方法

Fri, 03 Apr 2026 00:00:00 +0000

Claude Code でリファクタリングすると既存機能の出力品質が静かに劣化する問題の事例と、出力仕様テストによる防止策を解説。

Claude Code のコンテキスト圧縮戦略 — ソースコードから見える5つのアプローチ

Thu, 02 Apr 2026 00:00:00 +0000

Claude Code のソースコードから判明した5つのコンテキスト圧縮戦略（Microcompact、Context Collapse、Session Memory、Full Compact、PTL Truncation）を解説。auto-compact の発動条件やプロンプトキャッシュとの関係も紹介。

Claude Code + Self-hosted Runner: 「Auto mode is unavailable for your plan」エラーの原因と対処

Tue, 31 Mar 2026 00:00:00 +0000

症状

GitHub Actions の self-hosted runner で claude --print を使った自動処理が突然動かなくなった。

claude CLI failed (rc=1): stdout=Auto mode is unavailable for your plan

すべてのエージェント呼び出し（researcher, risk, portfolio optimizer）が同じエラーで失敗し、日次の投資提案が生成されなくなった。

ローカルで claude --print "hello" を実行すると正常に動作する。claude auth status でも Max プランで認証済みと表示される。

原因

2つの問題が重なっていた。

1. OAuth トークンの期限切れ（副次的問題）

ワークフローで CLAUDE_CODE_OAUTH_TOKEN 環境変数に 期限切れの OAuth トークン を GitHub Secrets から渡していた。

1
2
3
4


# daily-proposal.yml
- name: 日次投資提案を生成
 env:
 CLAUDE_CODE_OAUTH_TOKEN: ${{ secrets.CLAUDE_CODE_OAUTH_TOKEN }}  # ← 2月に設定したまま

GitHub Secrets のトークンは静的で自動更新されない
ローカルでは環境変数未設定のため、キーチェーンから有効なトークンが自動取得されて動作していた

2. Opus の auto mode 制限（真の原因）

claude --print はデフォルトで auto mode（ツール自動承認）で動作する。Max プランで Opus モデルの auto mode が制限されたため、トークンが有効でも Opus では --print が使えなくなっていた。

Claude Code の sensitive file チェックを回避する — git worktree の配置場所を .claude/ の外に移す

Tue, 31 Mar 2026 00:00:00 +0000

Claude Code の auto モードでブログ記事作成を完全自動化しようとしたところ、.claude/ ディレクトリ配下のファイルへの書き込みで毎回同意を求められる問題に遭遇しました。原因と対処法を記録します。

問題：`.claude/` 配下は sensitive file 扱い

Claude Code には、.claude/ ディレクトリ内のファイルを「sensitive file」（設定やスキル定義など、ツールの動作に影響する重要ファイル）として扱う組み込みのセキュリティチェックがあります。settings.local.json の permissions.allow に Write/Edit の許可パターンを追加しても回避できません。sensitive file チェックは permissions とは別レイヤーで動作するためです。

実際に発生したメッセージ:

Claude requested permissions to edit .claude/temp/pr_body.md
which is a sensitive file.

背景：ブログ記事作成の自動化ワークフロー

このブログでは /blog スキルで記事作成から PR 作成まで自動化しています。ワークフローの概要:

git worktree を作成してブランチを切る
worktree 内に記事ファイルを作成
Hugo ビルド確認
コミット・プッシュ
PR 本文ファイルを書き出し、gh pr create --body-file で PR 作成
ソース元に PR リンクを追記

問題が起きたのはステップ 5 です。PR 本文ファイル（pr_body.md）を .claude/temp/ に Write ツールで書き込もうとすると、sensitive file チェックに引っかかります。

Claude Code のソースコードが npm のソースマップから全公開された件

Tue, 31 Mar 2026 00:00:00 +0000

Anthropic の Claude Code npm パッケージにソースマップファイルが混入し、約51万行の TypeScript ソースコードが全公開。原因の設定ミスと、npm パッケージ公開時のソースマップ対策を解説。

Claude Code を Ollama でローカル無料実行する方法

Tue, 31 Mar 2026 00:00:00 +0000

Ollama v0.15 以降で Claude Code をローカル LLM バックエンドで無料実行する方法。ollama launch コマンドによるワンコマンドセットアップから、環境変数による手動設定、ハードウェア要件、実用上の注意点まで解説。

AI社員40人を作って1ヶ月で全部やめた話 — 壊れない設計のために知っておくべきこと

Mon, 30 Mar 2026 00:00:00 +0000

Claude Codeでエージェント40体を1ヶ月運用して全部やめた実体験レポート。Context Rot、Compaction、指示の限界という3つの構造的問題と、壊れないAIエージェント設計の考え方を解説。

Claude Code + Celery: LLMが決定論的処理を動的に委譲するオーケストレーション

Mon, 30 Mar 2026 00:00:00 +0000

Claude Code を Celery タスクキューと組み合わせ、LLM が判断・計画を行い、決定論的処理をワーカーに委譲するオーケストレーションアーキテクチャを解説。

Claude Codeベストプラクティス疲れに終止符 — claude-code-best-practiceリポジトリ一本で運用する方法

Mon, 30 Mar 2026 00:00:00 +0000

Claude Codeのベストプラクティスが毎日TLに流れてくる。追いかけるのに疲れた人向けに、1つのリポジトリだけをフォローして運用する方法を紹介する。

ベストプラクティス疲れという問題

Claude Codeの普及に伴い、SNS上には日々さまざまなベストプラクティスやTipsが投稿されている。しかし、情報が断片的で、どれを採用すべきか判断するだけでも消耗する。

結論として、ベストプラクティスを追うことに時間を費やすより、具体的な仕組みの実装に時間を割いた方が生産的だ。

claude-code-best-practiceリポジトリとは

shanraisshan/claude-code-best-practice は、Claude Codeの設計や運用に関するベストプラクティスを体系的にまとめたリポジトリだ。

GitHub Star数: 約24,800（2026年3月時点）
海外コミュニティで広く参照されている
設計思想から具体的な設定まで、日々更新されている
日本のSNSでバズるClaude Code Tipsも、元ネタはこのリポジトリ周辺であることが多い

導入手順

やることは2ステップだけ。

Step 1: リポジトリをクローン

1

git clone https://github.com/shanraisshan/claude-code-best-practice.git

Step 2: Claude Codeにプロジェクト固有のベストプラクティスを提案させる

自分のプロジェクトディレクトリでClaude Codeを起動し、以下のように依頼する:

このリポジトリ（claude-code-best-practice）を参考に、
うちのプロジェクトに合ったベストプラクティスを提案して

Claude Codeがプロジェクトの構成を読み取り、適切なCLAUDE.mdの設定やSkills、エージェント構成を提案してくれる。

startup hookで常に最新化する

クローンしたリポジトリは時間とともに古くなる。Claude Codeの SessionStart hook（セッション開始時に自動実行される仕組み）に git pull を設定しておけば、起動のたびに自動で最新化される。

Claude Codeのユーザー設定ファイル（~/.claude/settings.json）に以下を追加する:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


{
 "hooks": {
 "SessionStart": [
 {
 "type": "command",
 "command": "cd /path/to/claude-code-best-practice && git pull --quiet",
 "timeout": 10000
 }
 ]
 }
}

/path/to/ の部分は、Step 1でクローンした実際のパスに置き換えること。

「値は計算されていた。ただ届いていなかっただけ」— LLMエージェントプロンプトのハードコード問題

Fri, 27 Mar 2026 00:00:00 +0000

LLMエージェントのプロンプトにリスクパラメータがハードコードされていたため、動的調整が反映されなかったバグの原因と修正。テンプレート変数化、結合テスト、CLAUDE.mdルール追加による再発防止策を解説。

AI疲れへのアンサー: Claude Code のハーネス機能は本当に必要か

Thu, 26 Mar 2026 00:00:00 +0000

Claude CodeのSkill・Agent・MCP・Memoryは不要でCLIで十分という主張を検証。AI疲れを避けながらハーネス機能を実用的に使い分ける方法を解説。

Claude Code で Laravel→Django 全自動移行をやってみた（1/3）計画編

Thu, 26 Mar 2026 00:00:00 +0000

Laravel 6 から Django 4.2 への全自動移行プロジェクトの計画編。inspectdb 方式によるモデル生成、8フェーズの段階設計、CLAUDE.md を活用した Claude Code への設計書作成手法を解説。

Claude Code で Laravel→Django 全自動移行をやってみた（2/3）自動化基盤編

Thu, 26 Mar 2026 00:00:00 +0000

Claude Code を自律実行させるための Bash フレームワーク run-issue.sh の設計を解説。Issue 駆動の実行フロー、サブエージェント活用、Pre-commit Hook と CI による品質保証の実装。

Claude Code で Laravel→Django 全自動移行をやってみた（3/3）実行結果・教訓編

Thu, 26 Mar 2026 00:00:00 +0000

15 Issue を Claude Code で自律実行した結果と教訓。5.5時間で84コミット・199テスト全パスを達成したが、ブランチ分岐問題が発生。次回に活かすべき8つの改善策を共有。

Claude Code の Auto Mode から見える AGI への道筋

Thu, 26 Mar 2026 00:00:00 +0000

Claude Code の auto mode はパーミッションの自動判断に留まらず、Claude 実行自体の自動化、つまり AGI への一歩と捉えられる。開発ツールの自律性がどこまで進むかを考察する。

Agent Plugins for AWS: Claude Code から AWS アーキテクチャ設計・デプロイまで一気通貫

Wed, 25 Mar 2026 00:00:00 +0000

AWS が「Agent Plugins for AWS」を公開しました。AI コーディングエージェント（Claude Code や Cursor など）に、AWS のアーキテクチャ設計からデプロイ実行までの能力を組み込むオープンソースのプラグインライブラリです。

Agent Plugins for AWS とは

Agent Plugins for AWS は、AWS Labs が開発・公開したオープンソースプロジェクトです。コスト見積もり、Infrastructure as Code（IaC）の生成、デプロイといった AWS 固有のスキルセットを AI エージェントに追加できます。

プラグインは以下の要素で構成されています:

Agent Skills: 複雑なタスクをステップバイステップで実行するワークフロー。デプロイやアーキテクチャ設計のベストプラクティスを手順として組み込んだもの
MCP サーバー: 外部サービス、ドキュメント、料金データなどへのリアルタイム接続
Hooks: 開発者のアクションに対するバリデーションやガードレール

deploy-on-aws プラグイン

現時点で提供されている主要プラグインが deploy-on-aws です。「deploy to AWS」と指示するだけで、以下の 5 ステップを自動実行します:

コードベースの分析: アプリケーションの構成・依存関係を解析
AWS サービスの推奨: 最適な AWS サービスを理由付きで提案
コスト見積もり: 推奨構成の月額コストを試算
IaC の生成: CDK または CloudFormation でインフラコードを生成
デプロイ実行: ユーザーの確認後にデプロイ

AWS によると、従来は数時間かかっていたデプロイフローが約 10 分で完了するとのことです。

Claude Code へのインストール

Claude Code では、プラグインマーケットプレイス経由でインストールします:

Claude Code: dangerously-skip-permissions をやめて auto mode に移行する

Wed, 25 Mar 2026 00:00:00 +0000

Claude Code の dangerously-skip-permissions は権限チェックを完全無視する危険なオプション。auto mode なら安全性チェック付きでツールを自動承認できる。設定方法と違いを解説。

Claude Codeで「専門家チーム」を構築する：カスタムエージェントとCoworkの活用法

Wed, 25 Mar 2026 00:00:00 +0000

前回の記事では、NotebookLM を使って「20人の専門家チーム」を構築する方法を紹介しました。この記事では、同じ考え方を Claude Code や Cowork で実現する方法を解説します。

NotebookLM と Claude Code の発想の違い

NotebookLM は「入れた資料だけを根拠に回答する」ことが強みです。テーマごとにノートブックを分けることで、各ノートブックが「専門家」として機能します。

Claude Code でも同じアプローチが取れます。さらに、コード実行・ファイル編集・外部ツール連携ができるため、「相談する」だけでなく「調査して、コードを書いて、PR を作成する」ところまで一気通貫で任せられます。

観点	NotebookLM	Claude Code
専門家の定義	ノートブック + ソース	`.claude/agents/` + ナレッジ
知識の投入	PDF / Web / Fast Research	MCP / ローカルファイル / WebSearch
同時相談	手動で切替	Cowork / Agent Teams で並行実行
引用元表示	自動リンク	ファイルパス・行番号
強み	非技術者でも簡単	コード実行・ファイル編集が可能

方法1: カスタムエージェント（`.claude/agents/`）

最もシンプルで NotebookLM の「専門家ノート」に直接対応する方法です。

カスタムエージェントの仕組み

.claude/agents/ ディレクトリに Markdown ファイルを置くだけで、専門エージェントが定義できます。各ファイルにはそのドメインの専門知識・指示・参照先を書きます。

1
2
3
4
5


.claude/agents/
├── marketing-expert.md # マーケティング専門家
├── legal-advisor.md # 法務アドバイザー
├── seo-advisor.md # SEO アドバイザー
└── fact-checker.md # ファクトチェッカー

エージェント定義ファイルの書き方

Markdown ファイルの先頭に YAML フロントマターでメタ情報を定義し、本文にシステムプロンプトを書きます。詳細は公式ドキュメントを参照してください。

Claude Subconscious：Claude Code にセッション横断の記憶力を与える Letta AI のオープンソースツール

Wed, 25 Mar 2026 00:00:00 +0000

Claude Code は強力な AI コーディングエージェントだが、セッションをまたいだ記憶の保持には課題があった。Claude Subconscious は、Letta AI が開発したオープンソースのプラグインで、Claude Code にバックグラウンドで動作する永続メモリを追加する。

Claude Subconscious とは

Claude Subconscious は、Claude Code のセッションをバックグラウンドで監視し、ユーザーの作業パターンや好み、未完了のタスクを学習・記憶するエージェントだ。次のセッション開始時に、蓄積した記憶をプロンプトに自動注入することで、毎回ゼロからのスタートではなく、文脈を引き継いだ作業が可能になる。

主な特徴:

セッション横断の記憶: 複数セッションをまたいで作業コンテキストを保持・統合
バックグラウンド動作: Claude Code の操作をブロックせず、非同期で動作
自動コンテキスト注入: プロンプトの前に関連する記憶やガイダンスを自動挿入
コードベースの探索: Read、Grep、Glob ツールを使ってプロジェクトのコードを読み取り、理解を深める
完全無料・オープンソース: GitHub リポジトリで公開中

仕組み

Claude Subconscious は Claude Code のフックシステムを利用して、4 つのタイミングで介入する:

SessionStart — エージェントに通知し、レガシーファイルをクリーンアップ
UserPromptSubmit — 記憶とメッセージを stdout 経由で注入（10 秒タイムアウト）
PreToolUse — ワークフロー中の更新を配信（5 秒タイムアウト）
Stop — セッションのトランスクリプトをバックグラウンドエージェントに非同期送信

バンドルされたエージェントは 8 つのメモリブロックを管理する:

メモリブロック	用途
`core_directives`	役割定義
`guidance`	アクティブセッションのガイダンス
`user_preferences`	学習したコーディングスタイル
`project_context`	コードベースの知識
`session_patterns`	繰り返しの行動パターン
`pending_items`	未完了の作業
`self_improvement`	メモリ進化のガイドライン
`tool_guidelines`	ツール使用の指針

インストール方法

Claude Code のプラグインシステムを使って 2 コマンドでインストールできる:

Renoise：Claude Code + Seedance 2.0 で動画広告制作を100倍スケールさせるAIツール

Tue, 24 Mar 2026 00:00:00 +0000

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。

Claude Code Agent Teams: セッション間でメッセージをやり取りできるマルチエージェント機能

Mon, 23 Mar 2026 00:00:00 +0000

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で東証の株取引を半自動化する【ペーパートレードで-19万円編】

Mon, 23 Mar 2026 00:00:00 +0000

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。

Claude Codeをメインのデザインツールに：Tailwind CSSデザイナーSteve Schogerの1時間解説動画

Mon, 23 Mar 2026 00:00:00 +0000

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。

Claude Codeを使うなら最低限やっておきたい「7つのセキュリティ設定」

Mon, 23 Mar 2026 00:00:00 +0000

Claude Code のセキュリティ設定を7つ解説。サンドボックス、deny ルール、機密ファイル保護、ネットワーク制限、hooks、権限棚卸し、Managed Settings の設定方法を実践的にまとめます。

Claude Desktop Preview: 画面クリックでDOM要素を直接指定してUI修正できる新機能

Mon, 23 Mar 2026 00:00:00 +0000

Claude Desktop Preview に追加された DOM 要素クリック機能の使い方と仕組み、CLI 版 Claude Code との違い、Chrome DevTools MCP による代替手段を解説します。

Claude Code を「自分専用の開発チーム」に変える3つの機能 — フック・カスタムコマンド・サブエージェント

Sun, 22 Mar 2026 00:00:00 +0000

Claude Code のフック（Hooks）、カスタムスラッシュコマンド、サブエージェントの3機能を解説。settings.json の設定例やコマンド定義の実例付きで、導入後の次のステップが分かる。

iOS開発が完全自動化される時代が来た：オープンソースmacOSアプリ「Blitz」とは

Sun, 22 Mar 2026 00:00:00 +0000

AI エージェントが iOS アプリ開発を丸ごと自動化するオープンソースツール「Blitz」が公開された。ビルドからテスト、App Store 提出まで、これまで手作業だった工程を AI に任せられる時代が到来しつつある。

Blitz とは

Blitz は、AI エージェントに iOS 開発ライフサイクルの完全な制御を与えるネイティブ macOS アプリケーション。シミュレーター/iPhone の管理、データベース設定、App Store Connect への提出まで、開発に必要な一連の操作を AI エージェントが実行できる。

GitHub リポジトリ: blitzdotdev/blitz-mac（Apache-2.0 ライセンス）

主な特徴

MCP サーバーによる AI 連携

Blitz には MCP（Model Context Protocol）サーバーが組み込まれており、Claude Code をはじめとする MCP クライアントからアプリのビルド、テスト、App Store への提出が可能になる。

自動化される範囲

コード署名とビルド: Xcode プロジェクトのビルドを AI が実行
テスト実行: シミュレーターや実機でのテストを自動化
App Store メタデータ: アプリの説明やスクリーンショットの管理
App Store 提出: App Store Connect API を通じた申請処理

iPhone MCP

関連プロジェクトとして iPhone-mcp も公開されている。AI が実際の iPhone を操作してアプリをテストし、バグを発見できる仕組みだ。

セキュリティとプライバシー

MCP サーバーは 127.0.0.1 にのみバインドされ、外部ネットワークには公開されない
連絡先、写真、位置情報などの個人データにはアクセスしない
画面キャプチャは iOS シミュレーターウィンドウに限定
ネットワーク通信は Apple の App Store Connect API と GitHub のリリース API（更新チェック用）のみ

技術スタック

SwiftUI で構築されたシングルターゲットアプリ
Swift Package Manager によるビルド
CLAUDE.md ファイルによるアーキテクチャドキュメントが整備されている

iOS 開発の未来

従来の iOS 開発では、Xcode での手動操作が多くの時間を占めていた。Blitz のようなツールが成熟すれば、開発者はアプリのロジックや UX 設計に集中し、ビルド・テスト・提出といった反復的な作業は AI に委ねるワークフローが一般的になるかもしれない。

Claude Code Channels で変わる AI 開発ワークフロー：OpenClaw との組み合わせが最適解か

Sat, 21 Mar 2026 00:00:00 +0000

2026 年 3 月 20 日、Anthropic が Claude Code の新機能「Channels」をリサーチプレビューとしてリリースしました。Telegram や Discord から Claude Code セッションにメッセージを送り、PC 上で開発タスクを実行させることができる機能です。この記事では Claude Code Channels の概要と、OpenClaw と組み合わせた AI 開発ワークフローの可能性について紹介します。

Claude Code Channels とは

Claude Code Channels は、MCP（Model Context Protocol）サーバーを通じて外部のメッセージングプラットフォームから Claude Code のセッションにイベントをプッシュする仕組みです。従来の「ターミナルの前に座って対話する」同期的なモデルから、非同期的にどこからでも AI エージェントに指示を出せるモデルへの転換を実現します。

主な特徴

双方向チャットブリッジ: Telegram や Discord からメッセージを送ると、Claude Code が読み取って処理し、同じチャネルに返信を返す
ローカル実行: 開発作業は自分の PC 上で実行される。ファイルアクセスやコマンド実行はすべてローカル
MCP ベース: Anthropic が推進するオープンプロトコル MCP 上に構築
プラグイン方式: Telegram・Discord が公式プラグインとして提供され、カスタムチャンネルの自作も可能

セットアップの流れ（Telegram の場合）

Telegram の BotFather で新しいボットを作成しトークンを取得
Claude Code でプラグインをインストール:
```
/plugin install telegram@claude-plugins-official
```
トークンを設定:
```
/telegram:configure <token>
```

Channels を有効にして Claude Code を起動:

1

claude --channels plugin:telegram@claude-plugins-official

Telegram でボットにメッセージを送りペアリングコードを取得、Claude Code で承認

動作要件

Claude Code v2.1.80 以上
Bun ランタイム（Node.js では動作しない点に注意）
claude.ai ログイン認証（API キー認証は未対応）
Team/Enterprise プランでは管理者による有効化が必要

OpenClaw とは

OpenClaw はオーストリアの開発者 Peter Steinberger が開発した、オープンソースの自律型 AI エージェントです。2026 年初頭に 72 時間で GitHub スター 60,000 を獲得するなど爆発的に普及しました。

agent-skill-bus: AIエージェントのスキル劣化を自動検知・修復するOSSランタイム

Wed, 18 Mar 2026 00:00:00 +0000

42体のAIエージェント運用から生まれたOSS agent-skill-bus の紹介。スキルの劣化検知、DAGベースのタスクキュー、自己改善ループの3モジュール構成で、エージェントスキルの健全性を自動管理する。

デザイナーのためのAI活用術5選 — 制作スピードを劇的に上げる実践テクニック

Wed, 18 Mar 2026 00:00:00 +0000

Claude Code × Figma 連携、AI モックアップ、AI 素材生成など、デザイナーの制作スピードを劇的に上げる AI 活用術5選を解説。

1Password Unified Access：AIエージェント時代のシークレット管理が本格始動

Tue, 17 Mar 2026 00:00:00 +0000

Claude Code や Cursor で開発していると、.env に書いた API キーを AI が普通にファイルシステムから読みに行く。.gitignore していても関係ない。この課題に対して、1Password が Anthropic・Cursor・GitHub・Vercel・Perplexity と連携し「AI エージェント時代のシークレット管理」を本気で構築し始めた。

何が発表されたのか

2026年3月17日、1Password は 1Password Unified Access を発表した。人間・マシン・AI エージェントにまたがるアクセスを一元的に発見・保護・監査するためのプラットフォームだ。

従来のパスワードマネージャーの枠を超え、AI エージェントが本番環境で実際に動作する時代に合わせたクレデンシャル管理を提供する。

なぜ必要なのか：.env 問題

AI コーディングツール（Claude Code、Cursor など）は、タスク遂行のためにローカルファイルシステム上のファイルを読む。.env ファイルに平文で保存された API キーやトークンは、AI エージェントから直接アクセスできてしまう。

.gitignore はリポジトリへのコミットを防ぐだけで、ローカルファイルシステム上での読み取りは防げない。つまり、現状の .env ベースのシークレット管理は AI エージェント時代には不十分だ。

各社との連携内容

Anthropic（Claude Code / Cowork / ブラウザ拡張）

Anthropic は 1Password を統合し、Claude Code、Cowork、Claude ブラウザ拡張からボールト内のアイテムを安全にオートフィルできるようにする。ユーザーの同意のもと、Claude がサイトやサービスに 1Password から直接クレデンシャルを取得してログインできる仕組みだ。

Cursor（Hooks による just-in-time シークレット）

Cursor との連携では、Cursor Hooks を活用した just-in-time なシークレット提供を実現する。

仕組みは以下の通り:

プロジェクトに hooks.json を設定
Cursor がシェルコマンドを実行する前に、1Password Environments Hook Script が起動
プロセスがアクセスを要求すると、1Password がユーザーに認証を求める
承認されると、必要なシークレットがランタイムセッションのメモリ上にのみ提供される

これにより、平文キーがディスクやソースコードにコミットされることがなく、環境変数のハードコードやトークンの履歴残留も防げる。

OpenClawスキルの厳選コレクション — AIエージェントを即戦力にするスキル集

Sun, 15 Mar 2026 00:00:00 +0000

OpenClawのスキルエコシステムが急速に拡大しています。公式レジストリ「ClawHub」には13,000以上のコミュニティ製スキルが登録されていますが、その中から厳選・カテゴリ整理されたコレクションが公開され、注目を集めています。

OpenClawスキルとは

OpenClawはローカルで動作するAIアシスタントです。「スキル」は外部サービスとの連携やワークフローの自動化を実現する拡張機能で、インストールするだけでエージェントの能力を大幅に拡張できます。

注目のスキルコレクション

awesome-openclaw-skills（VoltAgent）

VoltAgent/awesome-openclaw-skills は、ClawHubの13,729スキルからスパム・重複・低品質なものを除外し、5,366スキルを厳選したAwesomeリストです。GitHub スター数は37,000超。

主なカテゴリ:

カテゴリ	スキル数
Coding Agents & IDEs	1,222
Web & Frontend Development	938
DevOps & Cloud	409
Search & Research	352
Browser & Automation	335
Productivity & Tasks	206
AI & LLMs	197
Git & GitHub	170

openclaw-master-skills（LeoYeAI）

LeoYeAI/openclaw-master-skills は、MyClaw.aiが毎週更新する339+スキルの厳選コレクションです。AI、生産性、開発、マーケティング、金融など幅広いカテゴリをカバーしています。

カテゴリ別おすすめスキル

AIツール連携

Slack: リアルタイムメッセージの送受信、チャンネル管理
Notion: ページの同期・ナレッジ管理
Outlook: メール操作・カレンダー連携
Linear / Trello: タスク管理・プロジェクト進捗の追跡
1Password: シークレット管理・セキュリティ連携

DevOps自動化

Docker: コンテナのビルド・管理・デプロイ
Git: ブランチ管理、コミット履歴の操作
GitHub CLI: Issue・PR の操作、リリース管理
n8n: ワークフロー自動化
Expo CI/CD: モバイルアプリのビルド・デプロイ

Web自動化

Playwright: フォーム入力、データ抽出、ブラウザ操作
AIによるWebタスクの自動化

生産性向上

Todoist / Things 3: タスク管理
カレンダー同期
ドキュメント処理

開発パターン

Next.js: 実装パターン
React: 状態管理
Node.js: バックエンドパターン
REST / GraphQL: API設計
SQL: データベース操作

スキルのインストール方法

ClawHub CLIを使ったインストール:

Anthropic AI Academy: Claude を体系的に学べる無料公式コース

Sat, 14 Mar 2026 00:00:00 +0000

Anthropic が公式の学習プラットフォーム「Anthropic Academy」を無料公開しました。Claude Code、API、MCP、エージェントスキルなど、13コースが完全無料で受講でき、修了証も取得可能です。

Anthropic Academy とは

Anthropic Academy は、Anthropic が提供する公式のセルフペース学習プラットフォームです。AI の基礎から本番レベルの API 開発まで、3つのラーニングトラックで構成されています。

登録: メールアドレスのみ（クレジットカード不要）
費用: 完全無料
修了証: コース完了時に取得可能（LinkedIn プロフィールに追加可）

3つのラーニングトラック

1. AI Fluency（AI リテラシー）

コードを書かずに AI を理解したい人向けのトラックです。

Claude 101 — Claude の基本機能とプロンプティングの基礎
AI Fluency: Framework & Foundations — AI の中核概念を学ぶ
AI Fluency for educators — 教育者向け
AI Fluency for students — 学生向け
AI Fluency for nonprofits — 非営利団体向け
Teaching AI Fluency — インストラクター向けの教授法

2. Product Training（プロダクト連携）

Claude を業務ワークフローに組み込みたいプロフェッショナル向けです。

スタッフ0人の税理士がClaude Codeで顧問先60社を1人で回す全手法

Sat, 14 Mar 2026 00:00:00 +0000

スタッフ6人体制から0人へ。年間人件費3,000万円を削減しながら、顧問先60社の経理業務を1人でこなす税理士の事例が話題になっている。その武器は Claude Code だ。

元記事: スタッフ0人で顧問先60社。税理士がClaude Codeで"AI経理"を実現した全手法

毎晩21時に60社分の自動仕訳

中核となるのは、毎晩21時に自動実行される仕訳処理だ。freee API から未処理明細を取得し、自動で勘定科目を判定して登録する。処理時間は従来の5時間から50分へと大幅に短縮された。

2段階の勘定科目判定

仕訳の精度を担保するために、2段階の判定システムが採用されている。

第1段階: キーワード辞書マッチング

14カテゴリ、100以上のキーワードで構成された辞書による高速判定。例えば:

Suica → 旅費交通費
飲食店1万円以下 → 会議費
飲食店1万円超 → 交際費

第2段階: Claude API フォールバック

辞書でマッチしなかったものは Claude API が判定する。信頼度が低い場合は「人間確認」フラグが立ち、税理士がレビューする仕組みだ。

7種類の除外ルール

自動仕訳の対象外として、以下の7種類が除外される:

内容不明のデビット
借入返済
社会保険料・税金
給与
投資・資産運用
ATM出金
公共料金

給与や税金など、金額の誤りが重大な影響を及ぼす項目は自動化の対象外とし、人間が確認する。この「触ってはいけないものを明確にする」線引きが、実務での信頼性を支えている。

MCP連携で「転記ゼロ」を実現

Claude Code の MCP（Model Context Protocol）を活用し、5つのサービスと接続している:

freee — 取引データの取得・仕訳登録
Gmail — リマインドメールの作成
Google Calendar — スケジュール確認
Notion — 議事録からアジェンダ自動生成
Slack — TODO管理

これにより、サービス間の手作業による転記がゼロになった。

CLAUDE.md とスキルによる業務の「言語化」

技術的に重要なのは、CLAUDE.md に業務の判断基準をすべて言語化して記述している点だ。仕訳分類ルール、税区分の処理方法、セキュリティポリシー、出力先ルールなどが定義されている。

Agentic Coding時代のドキュメント配置: /docs ディレクトリはもう限界？

Fri, 13 Mar 2026 00:00:00 +0000

Agentic Coding（AIエージェントによるコーディング）が普及する中、AIに渡すドキュメントをどこに配置すべきかという問題が注目されています。古川陽介氏（@yosuke_furukawa）のポストで紹介されていた記事「Your Docs Directory Is Doomed」（Yagmin）の内容をもとに、この問題を考えます。

/docs ディレクトリの進化と限界

Agentic Coding を始めると、多くのプロジェクトで以下のようなドキュメントが増えていきます:

まず CLAUDE.md や AGENTS.md のような設定ファイルを作成
ARCHITECTURE.md でシステム全体の構造を記述
機能仕様やデザインドキュメントを /docs フォルダにまとめ始める

この流れ自体は自然ですが、記事では /docs ディレクトリへの集約には根本的な問題があると指摘しています。

/docs ディレクトリの問題点

1. 発見可能性（Discoverability）

LLM はどのドキュメントをいつ読むべきかを自律的に判断する必要があります。/docs に大量のファイルがある場合、LLM が適切なドキュメントを見つけられる保証はありません。計画フェーズで必要なドキュメントと、コード生成フェーズで必要なドキュメントは異なりますが、それを正しく参照できるでしょうか。

2. ドキュメントの腐敗（Documentation Rot）

コードは頻繁に変更されますが、対応するドキュメントの更新は忘れがちです。小さな不整合が積み重なり、LLM が参照するコンテキストの品質が徐々に劣化していきます。さらに厄介なのは、ドキュメントが間違っていることに気づくための仕組み（observability）がないことです。

3. 構造の欠如

ドキュメント間の階層関係や依存関係が明示されていないため、LLM がドキュメント群をナビゲートする明確な方法がありません。各自が自分のスタイルで書くため、LLM にとって情報の探索がしにくい構造になります。

4. 変更速度の不一致（Velocity Mismatch）

ドキュメントの種類によって変更頻度が異なります。アーキテクチャの概要はめったに変わりませんが、API仕様やコンポーネントの詳細は頻繁に更新されます。一つのディレクトリにすべてをまとめると、この違いが管理を困難にします。

コロケーション（Colocation）というアプローチ

古川氏がツイートで触れているように、一つの解決策はコロケーション — ドキュメントをコードの近くに直接配置する方法です。

src/
auth/
README.md # 認証モジュールの説明
auth.ts
auth.test.ts
api/
README.md # APIモジュールの説明
routes.ts
middleware.ts

このアプローチの利点:

発見可能性の向上: 関連コードと同じディレクトリにあるため、LLM が自然に参照できる
更新の同期: コードを変更する際にドキュメントも目に入るため、更新忘れが減る
スコープの明確化: 各ドキュメントが担当する範囲が明確

Agentic Coding でのドキュメント管理の方向性

「Your Docs Directory Is Doomed」の記事は、従来のドキュメント管理は「1985年からの解決策」に過ぎないと指摘しています。Agentic Coding 時代には、以下の要素が重要になります:

Claude Code × ローカルLLM で KVキャッシュが毎回無効化される問題と対策

Fri, 13 Mar 2026 00:00:00 +0000

Claude Code をローカルLLM（llama.cpp、Ollama など）で使う際に、毎回プロンプト処理に異常な時間がかかるという問題が報告されています。原因は Claude Code が付加する「Attribution Header」によるKVキャッシュの無効化です。設定一つで解決できるので、対処法をまとめます。

何が起きているのか

Claude Code v2.1.36 以降、リクエストごとに以下のような Attribution Header がプロンプトの先頭に付加されるようになりました。

x-anthropic-billing-header: cc_version=xxxx; cc_entrypoint=cli; cch=xxxx;

この cch の値がリクエストのたびに変化します。ローカルLLMサーバー（llama.cpp、Ollama、LM Studio など）はプロンプトの先頭からバイト単位で一致した部分までKVキャッシュを再利用する仕組みのため、先頭が毎回変わるとキャッシュが丸ごと無効化されます。

結果として、数万トークンのシステムプロンプトや会話履歴を毎回ゼロから処理することになり、推論速度が最大90%低下するという報告があります。

対策：Attribution Header を無効化する

~/.claude/settings.json の env セクションに以下を追加します。

1
2
3
4
5


{
 "env": {
 "CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
 }
}

既に settings.json がある場合は env セクション内にキーを追加してください。

注意点

export CLAUDE_CODE_ATTRIBUTION_HEADER=0 ではダメ。シェルの環境変数として設定しても反映されません。必ず settings.json 経由で設定します
ついでに不要なテレメトリも無効化しておくと、余計な通信を減らせます

1
2
3
4
5
6
7


{
 "env": {
 "CLAUDE_CODE_ATTRIBUTION_HEADER": "0",
 "CLAUDE_CODE_ENABLE_TELEMETRY": "0",
 "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1"
 }
}

KVキャッシュの仕組みをおさらい

ローカルLLMサーバーが採用している Prefix Caching（Automatic Prefix Caching）は、プロンプトの先頭から連続して一致するトークン列のKV（Key-Value）テンソルを再利用する仕組みです。

Claude Codeで「AI チーフ・オブ・スタッフ」を構築する ― Jim Prosserの36時間実験

Fri, 13 Mar 2026 00:00:00 +0000

テックコミュニケーション・コンサルタントのJim Prosser氏が、Claude Codeを使って36時間で個人用AIアシスタントシステムを構築した。「My chief of staff, Claude Code」と題されたこの取り組みは、非エンジニアがClaude Codeのサブエージェント機能を活用して日常業務を自動化した実践例として注目を集めている。

システムの全体像

Prosser氏が構築したのは、毎朝起床前に自動で業務の下準備を完了させるシステムだ。常時稼働のMac Studio上で2つの自動プロセスが夜間に実行され、朝6:15までに処理が完了する。

主な機能:

メール自動トリアージ — 受信メールからアクション可能な項目を特定し、Todoistのタスクと重複チェック
カレンダー管理 — Google Maps APIを使った実際の移動時間計算を含むスケジュール最適化
6つの並列AIエージェント — Claude Codeのサブエージェント機能で独立したワーカーを同時実行

「AM Sweep」ボタンの仕組み

Stream Deckの物理ボタンを押すと、6つの専門エージェントが並列で起動する:

メール下書き作成（送信はしない、レビュー用の下書きのみ）
Obsidianのクライアントファイル更新
ミーティングのスケジュール調整
見込み客やトピックのバックグラウンドリサーチ
タスクの分類とコンテキスト収集

各エージェントは独自のコンテキストウィンドウとスコープされたツールアクセスを持ち、互いに干渉せずに動作する。

タスク4色分類フレームワーク

Prosser氏は「dispatch, prep, yours, skip」の4段階でタスクを分類する:

色	分類	内容
🟢 緑	Dispatch	AIが完全に処理
🟡 黄	Prep	AIが80%完了、人間が仕上げ
🔴 赤	Yours	人間の判断が必要としてフラグ
⚪ 灰	Skip	理由付きで延期

重要なのは、判断に迷う場合は「Dispatch」ではなく「Prep」にデフォルトする設計だ。AIが勝手に完了させるのではなく、人間が最終判断する余地を常に残している。

人間とAIの境界線

このシステムの設計で最も重要な原則は「AIにやらせないことを決める」ことだ:

メールは絶対に送信しない — 下書きのみ作成し、人間がレビューして送信
戦略的決定は人間が行う — 価格交渉、関係性に配慮が必要なコミュニケーションはAI対象外
不確実な場合はPrepにデフォルト — 自動処理より人間の関与を優先

Time Block機能

残タスクをカレンダーイベントに変換する機能も備えている:

営業向けClaude Code活用術：/mtg-prepで商談準備が5分で終わる世界線

Fri, 13 Mar 2026 00:00:00 +0000

DAIJOBU CEO の山中裕貴（@0xfene）氏が、Claude Code のカスタムスキル機能を営業業務に活用し、商談準備を劇的に効率化した事例を紹介している。

従来の商談準備の課題

営業担当者の商談サイクルには、以下のような時間のかかるタスクが含まれる：

商談前: 30分〜1時間かけて Gmail・Slack・議事録ツールから過去のやり取りを手動で情報収集
商談中: 準備不足で焦ることがある
商談後: 15〜20分かけてフォローメールを作成

Claude Code スキルによる自動化

山中氏は Claude Code のスキル機能（.claude/skills/ 配下にプロンプトを定義する仕組み）を使い、営業ワークフロー全体を自動化した。

`/mtg-prep` — 商談準備の自動化

/mtg-prep コマンドを実行すると、複数の AI エージェントが並行稼働し、以下の情報を 2〜3分で収集・整理する：

過去のやり取り: Gmail、Slack、Circleback（AI 議事録サービス）から顧客との過去のコミュニケーションを取得
顧客調査: 企業情報、業界動向のリサーチ
競合調査: 競合他社の状況を自動調査
提案ドラフト: 確認事項、提案の方向性、想定質問、フォローアップのアクションプランを整理

結果はマークダウンファイルとしてローカルに保存される。

`/follow-up` — 商談後フォローの自動化

商談終了直後に /follow-up コマンドを実行すると、商談の内容を踏まえたフォローメールが 2〜3分で自動生成される。記憶が鮮明なうちに具体的な内容を含んだメールを送れるのがポイントだ。

`/export-gdoc` — ドキュメント共有

作成されたマークダウンファイルを Google ドキュメントに変換し、Notion スタイルの統一されたデザインで社内共有やクライアントへの提案に活用できる。

導入効果

山中氏によると、Claude Code 導入後は 体感で 3〜5倍の商談量を品質を下げずに捌ける ようになったという。

項目	導入前	導入後
商談準備	30分〜1時間	2〜3分（`/mtg-prep`）
商談中	準備不足で焦る場面も	相手の話に集中できる
フォローメール	15〜20分	2〜3分（`/follow-up`）

Claude Code スキルの仕組み

Claude Code のスキル機能は、プロジェクトの .claude/skills/ ディレクトリにマークダウンファイルとしてプロンプトを定義する。/スキル名 でスラッシュコマンドとして呼び出せるため、営業担当者でも簡単に利用できる。

Claude Code に Auto Mode が登場 — 許可プロンプトなしで長時間タスクを実行

Thu, 12 Mar 2026 00:00:00 +0000

Anthropic が Claude Code にリサーチプレビューとして「Auto Mode」を導入しました。claude --permission-mode auto で起動すると、ツール使用の許可判断を Claude 自身が行い、開発者の手動承認なしで長時間の連続作業が可能になります。

Auto Mode とは

従来の Claude Code では、ファイルの書き込みやシェルコマンドの実行のたびに許可プロンプトが表示されていました。これは安全性の面では重要ですが、長時間のタスクでは開発フローが頻繁に中断される原因になっていました。

Auto Mode はこの問題に対処するもので、各操作について Claude 自身がリスクを判断し、安全と判断した操作は自動で承認します。

使い方

起動時にフラグを指定します:

1

claude --permission-mode auto

または、セッション中に Shift+Tab で許可モードを切り替えることもできます。

既存の許可モードとの比較

Claude Code には複数の許可モードがあります:

モード	動作
Normal	操作ごとに許可を求める（デフォルト）
Auto-accept edit	ファイル編集は自動承認、シェルコマンドは確認
Auto Mode	Claude がリスク判断して自動承認（新機能）
Plan	読み取り専用、変更は一切行わない

Auto Mode は --dangerously-skip-permissions のような全許可フラグとは異なり、Claude がリスク分類を行った上で判断するため、安全性と利便性のバランスを取ったアプローチです。

セキュリティ上の注意点

Auto Mode は万能ではありません。Anthropic は以下の点を注意喚起しています:

隔離環境での使用を推奨: 本番環境の認証情報やライブ API へのアクセスがあるマシンでは使わない
プロンプトインジェクション対策: ファイルやコマンド出力内の悪意ある指示から保護する機能を搭載
トークン使用量の増加: リスク判断のオーバーヘッドにより、若干のコスト・レイテンシ増加がある

組織での管理

IT 管理者は Auto Mode を制限することもできます:

Claude Code の Skills でプロンプト履歴を分析し、新人教育に活用する

Thu, 12 Mar 2026 00:00:00 +0000

Claude Code の Skills 機能を使って、過去のプロンプト入力履歴をスキャンし、利用者が「何を分かっていて、何を分かっていないか」を可視化する仕組みが紹介されていました。プロンプトを通じた新人教育の可能性を探ります。

アイデアの概要

@tokoroten氏のポストで紹介されたアプローチは以下の通りです:

Claude Code の Skills を利用して、過去のプロンプト入力履歴をスキャンする
その履歴から、利用者が何を理解していて、何を理解していないかを分析・出力する
結果として、どの技術分野の理解が甘いかが可視化される
これにより、プロンプトを通じた新人教育が可能になる

Claude Code Skills とは

Claude Code の Skills は、再利用可能なプロンプトテンプレートをプロジェクト内に定義できる機能です。.claude/skills/ ディレクトリにスキル定義を配置することで、/スキル名 のようなスラッシュコマンドとして呼び出せます。

.claude/
skills/
analyze-prompts/
skill.md # スキルの定義・プロンプト

スキルには以下のような特徴があります:

プロジェクト固有のワークフローを定義できる
引数を受け取ることが可能
複数のツール呼び出しを組み合わせた複雑な処理を自動化できる

プロンプト履歴から理解度を分析する仕組み

このアプローチの面白いところは、プロンプト（質問）の内容自体が「その人が何を知らないか」の強力なシグナルになるという点です。

分析の観点

質問の頻度: 特定の技術領域について繰り返し質問しているなら、その分野の理解が浅い可能性が高い
質問の深さ: 基本的な概念を聞いているのか、応用的な質問をしているのかで理解度が測れる
自己解決率: 同じトピックの質問が減っていれば、学習が進んでいると判断できる

教育への応用

従来の新人教育では、メンターが1対1でレビューしたり、定期的な面談で理解度を確認したりする必要がありました。このアプローチでは:

受動的な観察: 普段の業務でのプロンプト利用を分析するだけで、能動的なヒアリングが不要
定量的な評価: どの分野にどれだけ質問しているかを数値化できる
継続的なトラッキング: 時系列での成長を追跡できる

実現に向けた考慮点

このような仕組みを導入する際には、いくつかの点を考慮する必要があります。

プライバシーへの配慮

プロンプト履歴には業務上の機密情報が含まれる可能性があるため、分析対象の範囲や匿名化の方法を検討する必要があります。

分析精度の担保

単純なキーワードマッチだけでは正確な理解度評価は難しく、文脈を考慮した分析が求められます。Claude Code 自体の言語理解能力を活かすことで、より精度の高い分析が可能になるでしょう。

フィードバックループの構築

分析結果を本人にフィードバックし、推奨学習リソースを提示するところまで自動化できれば、より実用的な教育ツールになります。

まとめ

Claude Code の Skills を活用したプロンプト履歴分析は、AI ツールの利用ログそのものを教育データとして活用するという発想です。新人が日常的に AI に質問する行為自体が、自然と学習進捗の記録になるというのは、AI 時代ならではの教育アプローチと言えます。

Claude Codeで大量データを扱うならSQLite/DuckDBを使おう

Thu, 12 Mar 2026 00:00:00 +0000

Claude Code で Markdown や JSON ファイルを直接編集してデータ管理を行うのは、少量のデータなら問題ありません。しかし、レコード数が100件を超えるような規模になると、スキーマ違反や細かいスクリプト制御の問題、パフォーマンスの低下が発生しやすくなります。こうした場面では、SQLite や DuckDB を活用するのが効果的です。

Markdown/JSON 直接編集の限界

Claude Code にMarkdown ファイルや JSON ファイルを直接編集させる方法は、手軽で分かりやすい反面、データ量が増えると以下の問題が顕在化します。

スキーマ違反: JSON の構造が崩れたり、必須フィールドが欠落するケースが発生する
細かいスクリプト制御が必要になる: データの整合性を保つために、バリデーションや変換のスクリプトが増えていく
パフォーマンス低下: ファイル全体を読み込んで書き戻す処理が、レコード数に比例して遅くなる

SQLite を使うメリット

SQLite はファイルベースの軽量データベースで、Claude Code との相性が良好です。

1
2
3
4
5
6


# SQLite データベースを作成してテーブルを定義
sqlite3 data.db "CREATE TABLE items (id INTEGER PRIMARY KEY, name TEXT, value REAL);"

# Claude Code から SQL でデータを操作
sqlite3 data.db "INSERT INTO items (name, value) VALUES ('example', 42.0);"
sqlite3 data.db "SELECT * FROM items WHERE value > 10;"

ACID準拠: データの整合性がデータベースエンジンによって保証される
SQL によるクエリ: 複雑な検索・集計・更新が簡潔に記述できる
単一ファイル: .db ファイル1つで完結し、バックアップやコピーが容易

DuckDB を使うメリット

DuckDB は分析用途に特化したインプロセスデータベースです。CSV、Parquet、JSON などのファイルを直接 SQL でクエリできます。

CLAUDE.mdを採点・改善してくれるClaude Code公式プラグイン claude-md-improver

Thu, 12 Mar 2026 00:00:00 +0000

Claude Code を使っていると、プロジェクトのコンテキストを伝える CLAUDE.md の質が作業効率に直結することに気づきます。Anthropic 公式プラグイン claude-md-management に含まれる claude-md-improver スキルは、CLAUDE.md を自動で採点し、改善点を提案してくれる便利なツールです。

claude-md-management プラグインとは

claude-md-management は、Anthropic が公式に管理している Claude Code プラグインです。CLAUDE.md ファイルの品質を監査し、セッションで得た知見を反映するための2つのスキルを提供します。

スキル	呼び出し方	目的	使いどころ
`claude-md-improver`	会話で依頼	CLAUDE.md をコードベースの現状に合わせる	定期的なメンテナンス
`revise-claude-md`	`/claude-md-management:revise-claude-md`	セッション中の学びを記録する	セッション終了時

注意: /revise-claude-md のような短縮名では呼び出せません。必ず /claude-md-management:revise-claude-md と完全修飾名を使ってください。

インストール方法

公式マーケットプレイスは Claude Code 起動時に自動で利用可能になっているため、以下のコマンドだけでインストールできます。

1

/plugin install claude-md-management@claude-plugins-official

UI からインストールする場合は、/plugin を実行して Discover タブから claude-md-management を選択します。インストールスコープは以下の3種類から選べます。

スコープ	説明
User	自分の全プロジェクトで有効（デフォルト）
Project	このリポジトリの全コラボレーターで有効（`.claude/settings.json` に記録）
Local	このリポジトリの自分だけで有効

インストール後、/reload-plugins を実行すると再起動なしで有効化されます。

claude-md-improver の使い方

Claude Code のセッション中に、以下のように話しかけるだけで起動します。

Codified Context — 10万行規模の開発でもAIに一貫したコードを書かせる3層メモリ手法

Thu, 12 Mar 2026 00:00:00 +0000

LLMベースのコーディングエージェント（Claude Code、Cursor など）は、セッションが変わるたびにプロジェクトの規約や過去のミスを忘れてしまう。小さなプロトタイプなら問題にならないが、10万行を超える大規模コードベースでは「毎回同じ説明をする」「直したはずのバグパターンが再発する」といったコストが無視できなくなる。

2026年2月に公開された論文 Codified Context: Infrastructure for AI Agents in a Complex Codebase（Aristidis Vasilopoulos）は、この問題に対して 3層のメモリインフラストラクチャ を提案し、108,000行のC#分散システムを283セッションかけて構築した実践データとともに検証している。

問題：セッション間で失われる記憶

LLMエージェントは各セッションの開始時にコンテキストがリセットされる。.cursorrules や CLAUDE.md のような単一ファイルでプロジェクト規約を伝える方法は小規模なら有効だが、10万行規模のシステムでは単一プロンプトに収まりきらない。

結果として起きる典型的な問題:

命名規則やアーキテクチャパターンの逸脱
過去に修正した失敗パターンの再発
サブシステム間の整合性の欠如

提案手法：3層の Codified Context

論文では、プロジェクト知識を 負荷分散インフラストラクチャ として扱う3層アーキテクチャを提案している。

Tier 1: Hot-Memory Constitution（約660行）

常にセッションにロードされるMarkdownファイル。以下を含む:

コード品質基準・命名規則
ビルドコマンド
アーキテクチャパターンの要約
よくある操作のチェックリスト
既知の失敗モード（過去のバグパターン）
オーケストレーション用トリガーテーブル

トリガーテーブルは「どのファイルを変更したら、どの専門エージェントを呼ぶか」を定義する:

ファイル変更	割り当てエージェント
Network, sync	network-protocol-designer
Coordinates, camera	coordinate-wizard
UI配信	ui-sync-specialist

Tier 2: Specialized Agents（19エージェント、約9,300行）

タスクに応じて呼び出される専門エージェント群。2つのクラスに分かれる:

高能力エージェント（8個、平均711行）: ネットワークプロトコル設計、アーキテクチャ検証、デバッグなど
標準能力エージェント（11個、平均327行）: 特定タスクにフォーカス

各エージェント仕様の 50%以上がプロジェクト固有のドメイン知識 で構成されている。コード例、数式、失敗モードなど、そのプロジェクトでしか使えない具体的な情報が埋め込まれている点が特徴。

Tier 3: Cold-Memory Knowledge Base（34文書、約16,250行）

サブシステムごとの詳細仕様をMarkdownで記述し、MCP（Model Context Protocol）検索サーバー経由でオンデマンド参照する:

geo-seo-claude：AI検索時代のSEO最適化をClaude Codeで自動化するオープンソースツール

Thu, 12 Mar 2026 00:00:00 +0000

ChatGPTやClaude、Perplexityなどの AI 検索エンジンに自社サイトを見つけてもらうための最適化ツール「geo-seo-claude」がオープンソースで公開されている。従来の SEO に加えて、AI が引用・参照しやすいコンテンツ構造を自動分析・提案してくれる Claude Code 用スキルだ。

GEO（Generative Engine Optimization）とは

従来の SEO が Google などの検索エンジンでの上位表示を目指すのに対し、GEO は AI 検索エンジン（ChatGPT、Claude、Perplexity、Gemini、Google AI Overviews）での「引用されやすさ」を最適化する考え方だ。

AI がウェブ上の情報を参照して回答を生成する際、どのサイトが引用されるかは以下のような要素に左右される：

コンテンツの構造化の度合い
AI クローラーへのアクセス許可（robots.txt）
ブランドの権威性（各プラットフォームでの言及）
スキーママークアップの品質

geo-seo-claude の主な機能

引用可能性スコアリング（Citability Scoring）

コンテンツが AI に引用されやすい構造になっているかを評価する。134〜167語の最適な段落長、明確な見出し構造、事実ベースの記述かどうかなどをチェックする。

AI クローラー分析

robots.txt を解析し、14以上の AI ボット（GPTBot、ClaudeBot、PerplexityBot など）へのアクセス許可状況を確認する。ブロックしているボットがあれば、許可すべきかの推奨事項を提示する。

ブランド言及スキャン

YouTube、Reddit、Wikipedia、LinkedIn など7つ以上のプラットフォームでのブランド言及を検出する。AI は複数ソースでの言及が多いサイトをより信頼性が高いと判断する傾向がある。

プラットフォーム別最適化

ChatGPT、Perplexity、Google AI Overviews それぞれの特性に合わせた最適化提案を行う。各 AI 検索エンジンがコンテンツを処理する方法は異なるため、プラットフォームごとのカスタマイズが重要になる。

llms.txt 生成

AI クローラーがサイト構造を理解しやすくするための新興標準ファイル llms.txt を自動生成する。Answer.AI の Jeremy Howard が提案した規格で、robots.txt の AI 版のような位置づけを目指している（現時点ではまだ提案段階）。

PDF レポート生成

スコアゲージ、棒グラフ、カラーコード付きテーブルなど、視覚的にわかりやすいプロフェッショナルな監査レポートを PDF 形式で出力できる。

OpenClawを使いこなす鍵は「情報の一元管理」にある

Thu, 12 Mar 2026 00:00:00 +0000

「OpenClawを使ってみたけど、うまくいかなかった」という声をよく聞く。しかし、それはツールの問題ではなく「使い方」の問題かもしれない。@ichiaimarketer氏（いち＠OpenClawガチ勢）のポストから、AIエージェントツールを活用するための本質的なポイントを整理する。

OpenClaw活用の本質は「情報の一元管理」

同氏の主張はシンプルだ。OpenClaw活用の90%は「情報の一元管理」にある。小手先のテクニックやプロンプトの工夫ではなく、AIに渡す情報の整理こそが成否を分ける。

情報なしでAIツールを運用すると、メモリ・文脈・判断材料が不足する。これは「派遣社員に会社の情報を一切与えずに仕事を依頼するようなもの」だと同氏は例えている。どれだけ優秀な人材（AI）でも、必要な情報がなければまともな成果は出せない。

推奨される情報構造

同氏が実践している情報の整理方法は、以下のようなフォルダ構造だ:

フォルダ	内容
経営	ミッション、ビジョン、議事録
マーケティング	X投稿、記事コンテンツ
開発	自動化ツール関連
日常	人間関係、日記
Old	1〜2ヶ月未使用のプロジェクト

このように業務領域ごとに情報を構造化しておくことで、AIエージェントが必要な文脈を取得しやすくなる。

なぜ「情報の一元管理」が重要なのか

AIエージェントツールは、与えられた情報をもとに推論・判断・実行を行う。つまり:

情報が散在している → エージェントが必要な文脈を把握できない
情報が整理されている → エージェントが的確な判断を下せる

これはOpenClawに限った話ではなく、Claude Codeの CLAUDE.md や MEMORY.md によるコンテキスト管理とも通じる考え方だ。AIツールの性能を引き出すには、ツール側の設定だけでなく、人間側の情報整理が不可欠となる。

実践のヒント

まず情報を一箇所に集める — GitHub、Obsidian、Notionなど、自分に合ったツールでナレッジを集約する
業務領域ごとに分類する — 経営、開発、マーケティングなど、AIが参照しやすい粒度で整理する
定期的に棚卸しする — 古くなった情報は「Old」フォルダに移動し、ノイズを減らす
AIに渡すコンテキストを意識する — 「このタスクにはどの情報が必要か」を考えてから指示を出す

まとめ

AIエージェントツールの活用で成果が出ない原因は、ツールの性能ではなく情報管理にあることが多い。OpenClawでもClaude Codeでも、AIに適切な情報を渡すための「情報の一元管理」が最も重要な基盤となる。ツールを変える前に、まず自分の情報整理を見直してみることを勧める。

非エンジニア(ADHD)が2ヶ月間Claude Codeに夢中になった結果、分身が生まれてシンギュラリティーに入った話

Thu, 12 Mar 2026 00:00:00 +0000

動画広告分析Proを運営する@masapark95氏が、非エンジニア・ADHDという立場から2ヶ月間Claude Codeを使い倒した体験談が話題になっている。「分身が生まれた」「シンギュラリティーに入った」という表現が印象的なこのポストから、非エンジニアがClaude Codeを活用するためのヒントを読み解く。

背景：非エンジニアがClaude Codeに出会うまで

@masapark95氏（パク）は、株式会社KASHIKAが提供する動画広告分析ツール「動画広告分析Pro」の運営に携わる人物。累計2000社以上が利用するサービスを手がけるビジネスサイドの人で、ADHDの特性を持つことを公言している。

そんな同氏が2ヶ月間Claude Codeに没頭した結果、「分身が生まれてシンギュラリティーに入った」と表現するほどの変化を体験したという。

「分身」＝AIパクくんの誕生

同氏が構築したのは、Claude Codeの設定ファイル群を駆使した「AIパクくん」と呼ばれるシステムだ。以下のファイルを組み合わせることで、自分の分身となるAIアシスタントを作り上げた:

CLAUDE.md — AIの性格やルールを定義するファイル
MEMORY.md — 知識マップとして機能するナレッジベース
Knowledge ファイル群 — 業務に関する専門知識
Skills — 特定タスクの実行手順を定義これらのファイルを適切に設計することで、Claude Codeが単なるコード生成ツールではなく、自分の思考や判断基準を理解した「分身」として機能するようになったという。

「シンギュラリティー」の感覚とは

同氏が「シンギュラリティーに入った」と表現するのは、Claude Codeとの協業で感じた加速感のことだ。具体的には:

1週間で338万行ものコードが生成されたとの報告（Claude Codeによる自動生成）
同週の利用料金は416ドルに達したとのこと（Claude Maxプラン利用時）
「止まらなくなる」感覚 — AIが既存アセットを掛け合わせて目標達成の提案を次々と行う

この「止まらない」感覚こそが、同氏の言う「シンギュラリティー」だ。SkillsとKnowledgeの組み合わせをClaude Codeが最適化し、ワークフローの設計提案まで行うことで、人間側の判断が追いつかないほどの速度で物事が進んでいく体験を指している。

ADHDとClaude Codeの相性

ADHDの特性として知られる「過集中」は、Claude Codeとの相性が良い可能性がある。興味を持った対象に深く没頭できるADHDの特性と、対話的にタスクを進められるClaude Codeの特性が組み合わさることで、通常では考えられない生産性が生まれたと考えられる。

実際に海外でも「Claude Code has been a game changer for me」というADHD当事者の声がHacker Newsなどで共有されており、AIコーディングツールとADHDの親和性は注目されているテーマだ。

非エンジニアがClaude Codeを活用するポイント

この事例から見えてくる、非エンジニアがClaude Codeを活用するためのポイント:

CLAUDE.mdで「自分」を定義する — 自分の役割、判断基準、優先事項をCLAUDE.mdに明文化する
MEMORY.mdでコンテキストを蓄積する — 会話を重ねるたびに学んだことを記録し、知識を積み上げる
Skillsで定型作業を自動化する — 繰り返し行うタスクをSkillとして定義し、再利用可能にする
Knowledgeで専門知識を注入する — 自分の業務ドメインの知識をファイルとして整理し、Claude Codeに読み込ませる

Claude Code DEEP DIVE イベント

この体験を共有するため、同氏は「Claude Code DEEP DIVE」という学習プログラムを2026年3月に開始している。非エンジニアがClaude Codeを実践的に活用するためのノウハウを提供する内容となっている。

ByteDance DeerFlow — オープンソースの SuperAgent 基盤でAIエージェントを自律運用する

Wed, 11 Mar 2026 00:00:00 +0000

ByteDance がオープンソースで公開した AI エージェント基盤「DeerFlow」（Deep Exploration and Efficient Research Flow）が注目を集めている。サブエージェントの自動振り分け、サンドボックスでのコード実行、長期メモリ、Claude Code 連携など、プロダクション運用を見据えた機能が揃っている。

DeerFlow とは

DeerFlow は、LangGraph / LangChain をベースに構築されたオープンソースの「SuperAgent ハーネス」。複雑なタスクをサブエージェントに分解し、メモリとサンドボックスを活用しながら自律的に処理する。

2026年2月27日に v2.0 がリリースされ、GitHub Trending で #1 を獲得。v2.0 は v1 とコードを共有しない完全な書き直しで、プロダクション環境でのデプロイに焦点を当てている。

主な機能

サブエージェントの自動振り分け

複雑なタスクを並列のサブエージェントワークフローに分解する。各サブエージェントは隔離されたコンテキストで動作し、スコープされたツールと終了条件を持つ。

サンドボックス実行

タスクはコンテナ化された Docker 環境で実行される。専用のファイルシステムが用意され、入力・作業・出力のディレクトリが分離されている。

/mnt/user-data/uploads/ ← 入力ファイル
/mnt/user-data/workspace/ ← 作業ディレクトリ
/mnt/user-data/outputs/ ← 最終成果物

3つの実行モードをサポート:

ローカル実行 — 開発用
Docker 実行 — 単一サーバーでのプロダクション
Kubernetes 実行 — マルチサーバー環境

スキルシステム

機能モジュールは Markdown ファイルとして提供される。リサーチ、レポート生成、スライド作成、Web ページ、画像/動画生成のスキルが組み込まれており、タスクの必要に応じてプログレッシブにロードされる。

長期メモリ

セッションをまたいだ永続的なプロファイルを構築できる。ユーザーの好み、ライティングスタイル、蓄積された知識をローカルに保存する。

コンテキスト管理

タスクの要約、中間結果のファイルシステムへのオフロード、長時間セッションでの圧縮された状態管理によって、コンテキストウィンドウを効率的に利用する。

セットアップ

Docker での起動（推奨）

1
2
3
4
5


git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make config # config.yaml を設定
make docker-init
make docker-start

http://localhost:2026 でアクセスできる。

Claude Code vs Codex：AI コーディングエージェント徹底比較 2026

Wed, 11 Mar 2026 00:00:00 +0000

AI コーディングエージェントの二大巨頭、Anthropic の Claude Code と OpenAI の Codex。どちらを使うべきか迷っている開発者は多いでしょう。Hesam 氏（@Hesamation）が数ヶ月間の実用比較を経て「Claude Code に戻った」という記事が話題になっています。本記事では、両ツールのベンチマーク・アーキテクチャ・実用上の使い分けを整理します。

ベンチマーク比較

SWE-bench Pro（ソフトウェアエンジニアリングタスク）

モデル	スコア
Claude Opus 4.6	59.0%
GPT-5.3-Codex	56.8%

複雑なソフトウェアエンジニアリングタスクでは Claude Opus 4.6 がリードしています。

Terminal-Bench 2.0（ターミナル操作タスク）

モデル	スコア
GPT-5.3-Codex	77.3%
Claude Opus 4.6	65.4%

一方、CLI 操作や CI/CD 関連のタスクでは Codex が強さを発揮します。

アーキテクチャの違い

コンテキストウィンドウ

Claude Code: 100万トークン（ベータ）
Codex: 40万トークン

Claude Code は 2.5 倍のコンテキストウィンドウを持ち、大規模なコードベースの横断的な分析に強みがあります。

実行速度

Codex: Cerebras WSE-3 で 1,000+ トークン/秒
Claude Code: 約 200 トークン/秒（標準推論）

速度面では Codex が圧倒的です。ただし、Claude Code はトークン消費量が 3.2〜4.2 倍多い傾向にあり、同じタスクでもより多くの推論を行っている可能性があります。

Claude Code vs OpenClaw — 「どっちを勉強すべき？」に対する責務ベースの選び方

Wed, 11 Mar 2026 00:00:00 +0000

AI コーディングエージェントの選択肢が増えるなか、「Claude Code と OpenClaw、どっちを勉強すべき？」という疑問を抱く人が増えている。AI駆動塾（@L_go_mrk）が両方を実際に触った上での比較記事を公開した。本記事では、この比較を起点に両ツールの位置づけを整理する。

そもそも何が違うのか

一言でまとめると、**Claude Code は「開発」、OpenClaw は「運用・自動化」**のためのツールだ。

観点	Claude Code	OpenClaw
開発元	Anthropic（プロプライエタリ）	Peter Steinberger（オープンソース）
主な用途	コーディング、PR レビュー、リファクタリング	日常タスク自動化、DevOps、定期ジョブ
インターフェース	ターミナル CLI	メッセージングアプリ（Telegram, Discord, Signal 等）
記憶	セッションごとにリセット（CLAUDE.md で補完）	永続メモリ（日記、TODO リスト、アイデンティティファイル）
料金	サブスクリプション（月額 $20〜）または API 従量課金	無料（接続する LLM API の料金のみ）
LLM	Claude モデル固定	Claude, DeepSeek, GPT 等を選択可能
セキュリティ	Anthropic が管理、安全ガードレール付き	ユーザー管理、システム権限を継承

Claude Code が強い領域

Claude Code は SWE-bench で約 80.8% のスコアを達成しており、複雑なコード変更やリファクタリングにおいて高い精度を発揮する。Extended Thinking による段階的な推論が、大規模な変更を安全に実行する鍵になっている。

強みをまとめると:

コード品質: Hooks による PostToolUse リンター自動実行、プリコミットチェック
PR ワークフロー: ブランチ作成→コミット→PR→レビューの一気通貫
エンタープライズ対応: Team / Enterprise プラン、Code Review 機能
安全性: 破壊的操作に対するガードレール

OpenClaw が強い領域

OpenClaw（愛称 “Molty”）は、常駐型の AI エージェントだ。ターミナルで起動して終了する Claude Code と異なり、バックグラウンドで動き続け、cron ジョブやウェブフックでタスクを実行する。

Claude Code のスキルを作るなら skill-creator プラグインを使おう

Wed, 11 Mar 2026 00:00:00 +0000

Anthropic が公開した「The Complete Guide to Building Skills for Claude」という 33 ページの PDF ガイドが話題になっています。このガイドをそのまま Claude Code のメモリに読み込ませてスキル構築に活用しようとする人もいますが、実は公式の skill-creator プラグインを使う方がはるかに効率的です。

skill-creator はガイドの内容をすべて反映しているだけでなく、テスト・最適化・トリガー精度改善といった仕組みも組み込まれています。PDF をメモリに入れるとコンテキストウィンドウを圧迫するリスクもあるため、新規スキル作成には skill-creator を導入するのがおすすめです。

Claude Code のスキルとは

スキルとは、Claude に特定のタスクの実行方法を教える 指示・スクリプト・リソースのフォルダ です。SKILL.md ファイルに YAML フロントマターと指示を記述するだけで作成できます。

Claude Code は 3 段階の情報ロードシステム（Progressive Disclosure）を採用しています。

起動時: インストール済みスキルの名前と説明文のみをシステムプロンプトに読み込む（スキルあたり約 50〜100 トークン）
判定時: ユーザーの入力に関連するスキルがあるかを判定
実行時: 該当スキルの全内容をロード

この仕組みにより、多数のスキルをインストールしてもコンテキストウィンドウを無駄に消費しません。

skill-creator プラグインのインストール

skill-creator は Anthropic 公式マーケットプレイスに含まれています。Claude Code 内で以下のコマンドを実行するだけでインストールできます。

1

/plugin install skill-creator@claude-plugins-official

インストール後、プラグインを有効化します。

1

/reload-plugins

なお、/plugin コマンドで Discover タブを開き、GUI からインストールすることも可能です。プラグイン機能を利用するには Claude Code バージョン 1.0.33 以上 が必要です（claude --version で確認できます）。

CLAUDE.md の設定を99%消したら逆にうまくいった話：AI への指示は「哲学」だけ残せ

Wed, 11 Mar 2026 00:00:00 +0000

Claude Code の設定ファイル CLAUDE.md に「こう書け」「これは禁止」「この順番で処理しろ」とルールを追加していったら 300行を超え、AI の出力品質がどんどん落ちていった——そんな経験を経て「99%消した。残したのは、哲学だけ。」という結論に至った話が X で話題になっている。

なぜルールを増やすと AI の性能が落ちるのか

コンテキストウィンドウの競合

LLM はコンテキストウィンドウ内のすべての情報を処理する。CLAUDE.md のルールが増えるほど、実際の作業に使える「注意力」が奪われる。コンテキストが埋まるにつれてパフォーマンスが低下するのは、LLM の根本的な特性だ。

指示の上限問題

IFScale ベンチマークの研究によると、フロンティアモデルは 150〜200個の指示 を超えたあたりから選択的注意のバイアスがピークに達し、それ以降は均一に失敗するパターンに収束する。Claude Code のシステムプロンプト自体がすでに約50個の指示を含んでいるため、ユーザーが使える枠は実質100〜150個。200行の詳細なルールを書いた時点で、すでに予算オーバーだ。

指示追従バイアス

LLM はプロンプトの 先頭と末尾 の指示に従いやすい傾向がある。中間に埋もれたルールは見落とされがちだ。ルールが増えるほど、重要な指示が中間に埋もれて無視されるリスクが高まる。

具体的に何が起こるか

例えば「見出しは H2 を必ず4つ使え」「セクションは5つ構成にしろ」というルールを設定したとする。すると AI は、本来3セクションで十分な内容でも無理やり5セクションに引き伸ばし、冗長な文章を生成してしまう。

ルールに 従うこと自体が目的化 し、最適な出力を考える余地がなくなる。これは人間の組織でも起こる現象だ。過剰なルールがかえって生産性を下げる。

「哲学だけ残す」アプローチ

細かいルールではなく方針を伝える

悪い例:

- 見出しは H2 を4つ使うこと
- 各セクションは200〜300文字
- コードブロックには必ず言語指定をつけること
- 箇条書きは最大5項目まで

良い例:

- 読者が最短で理解できる構成を優先する
- 冗長さよりも明確さを重視する

Anthropic 公式の推奨

Anthropic の公式ドキュメントでも、CLAUDE.md について以下のように推奨している:

肥大化した CLAUDE.md は、実際の指示を AI に無視させる原因になる
Claude がすでに正しくやっていることについては、わざわざルールを書かない
削除できるものは削除し、自動化できるものはフックに変換する

Progressive Disclosure パターン

すべての情報を CLAUDE.md に詰め込むのではなく、情報の見つけ方 を教える方法が効果的だ。

VS Code AI コーディングアシスタントのインストール数推移：GitHub Copilot の急落と競合の台頭

Wed, 11 Mar 2026 00:00:00 +0000

VS Code マーケットプレイスにおける AI コーディングアシスタントの日次インストール数を示すグラフが話題になっている。GitHub Copilot のインストール数が急激に落ち込む「崖」が鮮明に表れており、SaaS 事業者やプロダクトマネージャーにとって示唆に富む内容だ。

グラフが示すもの

「Daily Install Counts of AI Coding Assistants in Visual Studio Code」と題されたグラフには、以下の 3 つの AI コーディングアシスタントの日次インストール数（30日移動平均）が描かれている。

GitHub Copilot（オレンジ）：2021年末から着実に成長し、2025年後半には日次 150,000 インストール近くまで到達。しかし 2026年に入って急落し、現在は 60,000 前後まで落ち込んでいる
Claude Code（シアン）：2025年後半に登場し、直近で急速に伸長。日次 60,000 近くまで上昇
OpenAI Codex（イエロー）：同じく直近で伸びを見せているが、Claude Code よりやや控えめ

注目すべきは、GitHub Copilot のインストール数がピークから半分以下に急落している点だ。この「崖」は、競合の台頭と GitHub Copilot 自体の変化の両方が要因と考えられる。

急落の背景

GitHub Copilot の課金モデル変更

GitHub Copilot は 2024年12月に無料ティアを導入し、月 2,000 回のコード補完と 50 回のチャットリクエストという制限付きで提供を開始した。同時に、有料プランの価格体系も複雑化している。

Free：月 2,000 補完 / 50 チャット
Pro：$10/月
Pro+：$39/月
Business：$19/ユーザー/月
Enterprise：$39/ユーザー/月

無料ティアの導入は新規ユーザー獲得を狙った施策だが、既存の有料ユーザーが無料枠で十分と判断して解約するケースもあり得る。また、Microsoft は従来の IntelliCode を廃止し、AI 支援を Copilot に一本化する戦略を取っている。

Claude Code Review — エージェントチームが PR のバグを狩る新機能

Tue, 10 Mar 2026 00:00:00 +0000

Anthropic が Claude Code の新機能「Code Review」を発表した。PR が開かれると、複数のエージェントがチームとして並列にコードレビューを実行し、人間が見落としがちなバグを検出する。開発者の Boris Cherny 氏（@bcherny）は「数週間使って、自分では気づかなかった本物のバグを何度も見つけてくれた」と報告している。

仕組み

PR がオープンされると、Code Review は以下のステップを実行する:

エージェントチームの派遣 — 複数のエージェントが並列に動き、それぞれ異なるクラスの問題（ロジックエラー、セキュリティ脆弱性、コード品質など）を探す
検証フェーズ — 候補として検出された問題を実際のコード挙動と照合し、偽陽性をフィルタリングする
深刻度ランキング — 検出された問題を重要度順に並べる
レビューコメント投稿 — PR に対してサマリーコメント 1 件と、具体的な問題箇所へのインラインコメントを投稿する

レビューの深さは PR の規模と複雑さに応じてスケールする。大きく複雑な変更にはより多くのエージェントが投入される。

検出精度

Anthropic 社内でのテスト結果:

PR サイズ	指摘ありの割合	平均指摘数
大規模（1,000行以上）	84%	7.5件
小規模（50行未満）	31%	0.5件

特筆すべきは誤検出率が 1% 未満という点だ。エンジニアが「この指摘は間違い」と判定したケースがほとんどなく、検証フェーズによる偽陽性フィルタリングが効果的に機能していることを示している。

なぜ必要なのか

Cherny 氏によれば、Anthropic のエンジニア一人あたりのコード出力は 2026 年に入って 200% 増加した。AI コーディングエージェントによってコード生成が加速する一方で、レビューがボトルネックになっていた。人間のレビュアーが処理できる量には限界があり、AI が書いたコードも人間が書いたコードも、同じ品質基準でレビューする必要がある。

Code Review はこの問題に対する Anthropic 自身の解答だ。まず社内で使い、効果を確認した上で外部に公開している。

利用条件

対象プラン: Team / Enterprise（Research Preview）
料金: トークン使用量に基づく従量課金。PR サイズと複雑さに応じて平均 $15〜25
レビュー時間: 約 20 分
セットアップ: 管理者が GitHub App をインストールし、対象リポジトリを選択。開発者側の追加設定は不要

組織レベルでの月間支出上限、リポジトリ単位の有効化制御、レビュー受け入れ率の分析ダッシュボードも用意されている。

Claude Code Review — エージェントチームが PR のバグを狩る新機能

Tue, 10 Mar 2026 00:00:00 +0000

仕組み

PR がオープンされると、Code Review は以下のステップを実行する:

エージェントチームの派遣 — 複数のエージェントが並列に動き、それぞれ異なるクラスの問題（ロジックエラー、セキュリティ脆弱性、コード品質など）を探す
検証フェーズ — 候補として検出された問題を実際のコード挙動と照合し、偽陽性をフィルタリングする
深刻度ランキング — 検出された問題を重要度順に並べる
レビューコメント投稿 — PR に対してサマリーコメント 1 件と、具体的な問題箇所へのインラインコメントを投稿する

レビューの深さは PR の規模と複雑さに応じてスケールする。大きく複雑な変更にはより多くのエージェントが投入される。

検出精度

Anthropic 社内でのテスト結果:

PR サイズ	指摘ありの割合	平均指摘数
大規模（1,000行以上）	84%	7.5件
小規模（50行未満）	31%	0.5件

なぜ必要なのか

Code Review はこの問題に対する Anthropic 自身の解答だ。まず社内で使い、効果を確認した上で外部に公開している。

利用条件

対象プラン: Team / Enterprise（Research Preview）
料金: トークン使用量に基づく従量課金。PR サイズと複雑さに応じて平均 $15〜25
レビュー時間: 約 20 分
セットアップ: 管理者が GitHub App をインストールし、対象リポジトリを選択。開発者側の追加設定は不要

組織レベルでの月間支出上限、リポジトリ単位の有効化制御、レビュー受け入れ率の分析ダッシュボードも用意されている。

Claude Code Skills 構築完全ガイド — Anthropic 公式 33 ページの要点まとめ

Tue, 10 Mar 2026 00:00:00 +0000

Anthropic が公開した「The Complete Guide to Building Skills for Claude」は、Claude Code のスキル機能を本格的に活用するための 33 ページにわたる公式ガイドです。この記事では、ガイドの要点を日本語でまとめます。

Skills とは何か

Skills は、Claude に特定のタスクやワークフローを教えるための 再利用可能な指示セット です。フォルダにパッケージ化され、一度作れば Claude.ai、Claude Code、API のすべてで動作します。

従来のように毎回プロンプトで細かく指示する代わりに、Skills を使えば「一度教えて、何度でも使える」ようになります。

Skills のファイル構造

my-skill/
├── SKILL.md # メインの指示ファイル（必須）
├── scripts/ # 補助スクリプト
├── references/ # 参考資料
└── assets/ # アセットファイル

重要なルール:

メインファイルは必ず SKILL.md（大文字小文字を区別）
フォルダ名は kebab-case（例: notion-project-setup）
README.md は含めない

YAML フロントマターの設計

SKILL.md の冒頭に YAML フロントマターを記述します。ここがスキルの「顔」になります。

1
2
3
4


---
name: deploy-checker
description: "本番デプロイ前のチェックリストを実行する。デプロイや本番リリースの話題が出たときに使用する"
---

description には 何をするか と いつ使うか の 2 つを含めることが重要です。Claude はこのメタデータだけでスキルの使用タイミングを判断します。

Claude Codeの「セキュリティ%表示」は対策ではなく"お気持ち表示"？本当にやるべきセキュリティ設定

Tue, 10 Mar 2026 00:00:00 +0000

Claude Codeでツール実行のたびに「パスワード漏洩リスク: 0%」「悪意あるコード実行リスク: 0%」のようなセキュリティリスクのパーセンテージを表示させるCLAUDE.mdの設定がSNSで話題になった。これに対し、セキュリティエンジニアから「それは対策ではなくお気持ち表示」という指摘が上がり、議論を呼んでいる。

話題になった「パーセンテージ表示」

@wan_line_（ワン@AIのお兄さん）氏が2026年3月9日に投稿したポストでは、CLAUDE.mdに以下のようなルールを記述することが提案されていた:

ツール実行のたびに

パスワードが外に漏れる可能性: ○%

外部サーバーにデータが送られる可能性: ○%

悪意あるコードが動く可能性: ○%

PCの設定が書き換わる可能性: ○%

Claude Codeで「yes連打」してしまうユーザー向けに、実行前にリスクを可視化してくれるという趣旨だ。

セキュリティ専門家の反論:「お気持ち表示」

この投稿に対し、@sudachikawaii（シンジ☁Shinji）氏が反論した:

セキュリティ屋から言うと、これは「対策」ではなく「お気持ち表示」です。LLMはコードの安全性を静的解析していないので、表示されるパーセンテージに技術的根拠がありません。

「0%」を見てyes押すのは、yes連打と同じです。

指摘のポイントは明快だ:

LLMは静的解析エンジンではない — LLMが出すパーセンテージは、コードを構文解析して脆弱性を検出した結果ではなく、「それっぽい数値」を生成しているだけ
偽の安心感を与える — 「0%」という表示を見てユーザーが安心してyesを押すなら、結局yes連打と変わらない
技術的根拠がない — 実際のセキュリティリスク分析には、静的解析ツール（SAST）、依存関係チェック、ネットワーク通信の監視などが必要

Claude Codeに本当に効くセキュリティ対策

Claude Codeには、CLAUDE.mdの「お気持ちルール」よりもはるかに実効性のあるセキュリティ機能が組み込まれている。公式ドキュメントに基づき、本当にやるべき対策を整理する。

1. サンドボックスを有効にする

最も重要な対策。Bashコマンドの実行をOSレベルで隔離し、ファイルシステムやネットワークへのアクセスを制限する。

macOSではSeatbelt、LinuxではBubble Wrapが使用される
/sandbox コマンドで有効化

2. denyルールで危険なコマンドをブロック

permissions.deny に実行禁止コマンドを明示的に設定する。評価順は deny → ask → allow で、denyが最優先。

1
2
3
4
5
6
7
8
9


{
 "permissions": {
 "deny": [
 "Bash(command:rm -rf *)",
 "Bash(command:curl *)",
 "Bash(command:wget *)"
 ]
 }
}

3. 機密ファイルへのアクセスを遮断

.env やシークレットファイルへのアクセスをブロックする。

Claude Code時代の仕様書の役割 — ゼロトピック #337 から考える仕様駆動開発

Tue, 10 Mar 2026 00:00:00 +0000

ゼロトピック（Zero Topic）の #337「Claude Code時代の仕様書の役割」が話題になっている。10X の矢本氏が、生成 AI が開発プロセスに与える影響と、仕様書の役割がどう変わるかを整理した回だ。

バイブコーディングの限界と仕様駆動開発

Claude Code のようなAIコーディングエージェントの登場で、コード生成速度は飛躍的に向上した。しかし「バイブコーディング」— AI に任せて探索的にコードを生成するアプローチ — には問題がある。

検証負債の蓄積: AI の生成速度が人間の理解・検証速度を上回る
意図不明なコード増殖: 内部構造を精査せず先に進み、誰も理解していない領域が広がる
デバッグ困難化: コードの意図が不明では根本原因の特定が難しい

こうした課題に対する解が 仕様駆動開発（Spec-Driven Development: SDD） だ。Thoughtworks Technology Radar Vol.32（2025年4月）で Trial に採用されたこの手法は、「仕様を先に定義し、その仕様に基づいて AI にコードを生成させる」という原則に立つ。

仕様書の役割の変化

従来の設計書は人間同士のコミュニケーションツールだった。AI との協働では「AI への指示書」としての側面が加わる。

SDD における仕様書の構成は、Kiro が提唱する3層モデルが分かりやすい:

ファイル	役割
`requirements.md`	ユーザーストーリーと受け入れ基準
`design.md`	アーキテクチャ、シーケンス、設計上の注意
`tasks.md`	実装計画とタスク分解

重要なポイントは、仕様は 「唯一の情報源（Single Source of Truth）」 として機能し、プロセス駆動はルールブック（プロセスルール）が別途担当するという区別だ。

Claude Code での実践

基礎レベル: CLAUDE.md + ステアリングファイル

CLAUDE.md に制約・規約・コンテキストを定義
.steering/ 配下に作業バッチフォルダを作成
要件定義書・設計書・タスクリストを生成・保存
タスクに沿ってコード生成・テスト実施

応用レベル: カスタムコマンドの活用

2026年1月に plansDirectory 設定が追加され、/plan モードで作成した計画書を Git 管理できるようになった。さらにカスタムコマンドを使えば、ドメイン知識を埋め込んだ独自のワークフローを構築できる。

freee MCP × Claude Code で確定申告の仕訳1,428件を20分で終わらせた話

Tue, 10 Mar 2026 00:00:00 +0000

minicoohei 氏（@minicoohei）が、freee の公式 MCP サーバーと Claude Code を組み合わせて確定申告の仕訳1,428件をわずか20分で完了させた事例を公開した。手作業なら4〜5時間かかる Amex のクレジットカード明細の仕訳登録を、AI が自動化した。

ワークフローの概要

Amex の取引明細（1,428件）を入力データとして用意 — 通常の手作業では1件ずつ勘定科目を判断して登録する必要がある
AI が70以上の分類ルールを自動生成 — 取引内容のパターンを分析し、勘定科目の振り分けルールを構築する
対話的なルール調整 — 人間との会話を通じてルールを精緻化する。税務リスクのある取引を事前に特定し、適切な処理方法を提案する
並列バッチ処理で一括登録 — freee API 経由で全件をエラーゼロで登録する

freee MCP とは

freee は公式の MCP サーバー（freee-mcp）を OSS として公開している。会計・人事労務・請求書・勤怠・販売の5領域にわたる API を、AI エージェントから操作可能にするインターフェースだ。

Claude Code や Claude Desktop から接続すると、「この請求書を発行して」「今月の経費を集計して」といった自然言語の指示で freee の業務を実行できる。

なぜ効果的なのか

従来の会計ソフトの自動仕訳機能は、事前に設定したルールに基づく単純なパターンマッチングだった。Claude Code を使うアプローチには以下の利点がある:

文脈理解による分類精度 — 取引先名や摘要の自然言語を理解して勘定科目を判断する。「AWS」なら通信費、「タクシー」なら旅費交通費、といった判断を人間と同等の精度で行える
対話による例外処理 — 判断に迷うケースを人間に確認し、その回答を以降のルールに反映する
バッチ処理の効率 — MCP 経由で freee API を直接操作するため、GUI での手作業が不要

実務での注意点

freee MCP を Claude Code と組み合わせる場合、いくつかの実務的な考慮点がある:

Karpathy の autoresearch — 寝ている間にAIが100回実験して朝にはモデルが賢くなっている世界

Tue, 10 Mar 2026 00:00:00 +0000

Andrej Karpathy が公開した autoresearch は、AI エージェントが自律的に ML 実験を繰り返すツールだ。寝ている間に AI が 100 回実験し、朝起きたらモデルが賢くなっている——そんな研究スタイルを 630 行の Python コードで実現する。

autoresearch とは

nanochat（軽量 LLM 学習コア）をシングル GPU・1 ファイルに凝縮し、AI エージェントが自律ループで学習コードを改善していく仕組み。

基本構造はシンプル:

人間が .md ファイル（プロンプト）を設計する
AI エージェントが .py（学習コード）を自律的に改善する

各実験は ちょうど 5 分間 のトレーニングで構成され、1 時間あたり約 12 回、一晩で約 100 回の実験が自動で回る。

人間: program.md を設計（研究の方針・制約を定義）
↓
AI エージェント: 学習コードを修正
↓
5分間のトレーニング実行
↓
結果を評価（validation loss）
↓
改善されていれば git commit → 次のイテレーションへ

技術的な特徴

630 行のミニマル設計

autoresearch の核心は「小さく始めて、エージェントに任せる」という哲学にある。

シングル GPU で完結（マルチ GPU 不要）
ニューラルネットワークのアーキテクチャ、オプティマイザ、ハイパーパラメータすべてを AI が調整
git feature ブランチ上で動作し、改善があれば自動コミット
MIT ライセンスで公開

「コードを書く」のではなく「プログラムをプログラムする」

Karpathy が強調するのは、研究者が Python ファイルを直接触るのではなく、Markdown でエージェントへの指示を設計するというパラダイムシフトだ。

MiroFish — 20歳の学生が10日間の Vibe Coding で作った AI 未来予測エンジンが GitHub Trending 1位に

Tue, 10 Mar 2026 00:00:00 +0000

20歳の中国の大学4年生・郭航江（Guo Hangjiang）氏が、わずか10日間の Vibe Coding で開発した OSS「MiroFish」が GitHub Trending で3日連続1位を獲得し、Star 数は約 11,000 を超えて急増中です。さらに、盛大グループ創業者の陳天橋氏がデモを見て24時間以内に3,000万元（約6.9億円）の即決投資を行ったと報じられています。

MiroFish とは

MiroFish は、マルチエージェント技術を活用した次世代の AI 予測エンジンです。ニュース・政策・金融データなどのテキストを投入すると、AI が数千の人格を持つエージェントを生成し、エージェント同士が相互作用することで未来の社会・市場の動きをシミュレートします。

公式の説明では「A Simple and Universal Swarm Intelligence Engine, Predicting Anything（簡潔で汎用的な群体知能エンジン、万物を予測）」とされています。

仕組み

MiroFish の動作は以下のステップで構成されます。

シード情報の抽出 — ニュース速報、政策草案、金融シグナルなどの現実世界のデータを取り込む
デジタルワールドの構築 — 取り込んだ情報から高忠実度な並行デジタル世界を自動構築
エージェントの生成 — 独立した人格、長期記憶、行動ロジックを持つ数千〜数万のエージェントを生成
社会進化シミュレーション — エージェント同士が自由に相互作用し、社会的進化を遂げる
変数注入と予測 — ユーザーが動的に変数を注入し、未来がどう展開するかの精密なシミュレーションを実行

想定される活用シナリオ

金融意思決定支援 — 市場動向の予測と投資判断
政策・世論予測 — 政策変更がもたらす社会的影響の分析
PR 危機シミュレーション — 企業の危機管理対応の事前検証
マーケティング戦略テスト — キャンペーン効果の事前予測
ストーリー・フィクション推演 — 物語の展開シミュレーション
学術研究支援 — 社会科学的仮説の検証

Vibe Coding で10日間

注目すべきは、MiroFish が Claude Code などの AI コーディングツールを活用した「Vibe Coding」で開発されたという点です。Vibe Coding とは、AI エージェントと対話しながら直感的にコードを生成していく開発手法で、従来の開発と比較して大幅な時間短縮が可能です。

OpenClaw × Claude Code セットアップガイド — AI エージェントチームを構築する2つのアプローチ

Tue, 10 Mar 2026 00:00:00 +0000

OpenClaw と Claude Code を組み合わせることで、AI エージェントチームの構築・管理を効率化できます。本記事では、2つの主要な連携アプローチとそのセットアップ方法を解説します。

アプローチ1: Claude Code のスキルで OpenClaw を管理する

Claude Code のスキル機能（.claude/skills/ に配置する Markdown ファイル）を使い、OpenClaw のエージェント作成・設定管理を標準化する方法です。

なぜスキルで管理するのか

複数の AI エージェントを運用していると、以下の問題が発生します:

モデルやコンテキストの違いによる設定の不統一
タイムゾーンフィールドの欠落、命名規則の不一致
スキーマ検証やコミットフックによる検証が存在しない

Claude Code スキルは「実行可能な基準」として機能し、モデルに依存せず一貫した手順を強制します。

セットアップ

cc-openclaw リポジトリを使います:

1
2
3


git clone https://github.com/rahulsub-be/cc-openclaw.git ~/cc-openclaw
cd ~/cc-openclaw
stow --no-folding -t ~/your-openclaw-home-repo .

ここで使っている stow は GNU Stow というシンボリックリンク管理ツールです。dotfiles 管理（.bashrc, .vimrc 等）でよく使われるもので、上記のコマンドは cc-openclaw リポジトリ内のファイル（.claude/skills/ 以下のスキル定義など）を、OpenClaw のホームリポジトリにシンボリックリンクとして配置します。コピーではなくリンクなので、cc-openclaw 側で git pull するだけでスキル定義が最新に更新されます。--no-folding オプションにより、ディレクトリ自体ではなくファイル単位でリンクが作成されます。

OpenClaw × Claude Code セットアップガイド — AI エージェントチームを構築する2つのアプローチ

Tue, 10 Mar 2026 00:00:00 +0000

アプローチ1: Claude Code のスキルで OpenClaw を管理する

Claude Code のスキル機能（.claude/skills/ に配置する Markdown ファイル）を使い、OpenClaw のエージェント作成・設定管理を標準化する方法です。

なぜスキルで管理するのか

複数の AI エージェントを運用していると、以下の問題が発生します:

モデルやコンテキストの違いによる設定の不統一
タイムゾーンフィールドの欠落、命名規則の不一致
スキーマ検証やコミットフックによる検証が存在しない

Claude Code スキルは「実行可能な基準」として機能し、モデルに依存せず一貫した手順を強制します。

セットアップ

cc-openclaw リポジトリを使います:

1
2
3


git clone https://github.com/rahulsub-be/cc-openclaw.git ~/cc-openclaw
cd ~/cc-openclaw
stow --no-folding -t ~/your-openclaw-home-repo .

AGENTS.md は詳しすぎると逆効果 — ETH Zurich の138リポジトリ研究が示す「書かない」原則

Mon, 09 Mar 2026 00:00:00 +0000

AI コーディングエージェントの設定ファイル（AGENTS.md、CLAUDE.md など）は「詳しく書くほど良い」と思われがちだ。しかし ETH Zurich の研究チームが138リポジトリ・5,694プルリクエストを対象に行った調査で、詳細すぎるコンテキストファイルはむしろ性能を下げることが実証された。

研究の概要

ETH Zurich の Gloaguen、Mündler、Müller、Raychev、Vechev らが2026年2月に発表した論文で、AGENTS.md ファイルが AI コーディングエージェントの性能に与える影響を大規模に検証した。

対象: 138リポジトリ、5,694プルリクエスト
検証: LLM 生成ファイルと人間が書いたファイルの両方を比較

衝撃的な結果

自動生成されたコンテキストファイルは害になる

成功率が約3%低下
推論コストが20%以上増加
エージェントは推論トークンの14〜22%をドキュメント処理に消費

人間が書いても効果は限定的

改善はわずか**4%**にとどまる
コストの増加に見合わない

なぜ詳細な指示が逆効果になるのか

AI エージェントは「従順すぎる」

エージェントはコンテキストファイルの指示を律儀に守る。そのため、不要な制約が含まれていると逆にタスクが難しくなる。「良かれと思って書いた指示」が足を引っ張る。

ディレクトリツリーやコードベース概要は不要

エージェントはファイル構造を自力で発見するのが得意だ。手動でディレクトリツリーを記述しても、トークンを消費するだけでナビゲーション速度は改善しない。

強いモデルほど追加コンテキストが邪魔になる

GPT-5.2 のような強力なモデルは、ライブラリや慣例のパラメトリック知識を既に持っている。追加コンテキストは冗長なノイズになるだけだ。

効果があるのは「非自明なツール指定」

研究で唯一、劇的な効果が確認されたのはプロジェクト固有のツール指定だ：

pip の代わりに uv を使う
npm の代わりに bun を使う

例えば uv を明示した場合、160倍多く使われたという結果が出ている。エージェントが自力では推測できない「非自明な選択」だけを書くのが正解だ。

推奨される6つの原則

コード内で発見可能な情報は除外 — エージェントが自力で見つけられるものは書かない
否定形ではなく肯定形で指示 — 「〜するな」ではなく「〜せよ」
決定論的チェックと組み合わせる — linter やテストで検証可能なルールを設定
想定ではなく実際の失敗から反復 — 問題が起きてから追記する
重要情報を最初に配置 — トークン処理の優先順位を考慮
30行以下を目指す — プロチームは60行以下、推奨は300行以下

実践的な AGENTS.md の書き方

悪い例（よくある過剰な記述）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


# プロジェクト概要
このプロジェクトは React + TypeScript で構築された...

# ディレクトリ構造
src/
├── components/
├── hooks/
├── utils/
└── pages/

# コーディング規約
- 変数名はキャメルケースを使用する
- コンポーネントはアロー関数で定義する
- インポートは以下の順序で記述する...
（以下100行続く）

良い例（非自明な指定のみ）

1
2
3
4
5
6
7
8


# ツール
- パッケージマネージャ: bun（npm/yarn ではなく）
- テストランナー: vitest
- フォーマッタ: biome（prettier ではなく）

# プロジェクト固有のルール
- API クライアントは src/lib/api.ts の共通関数を使う
- 環境変数は .env.local から読み込む（.env は使わない）

最良の AGENTS.md は不要なものである

研究が示す最も重要な結論は、AGENTS.md の改善に時間を費やすより、コードベース自体を改善すべきということだ：

AI Agent に品質を担保させる — QA 手法の実践ガイド

Mon, 09 Mar 2026 00:00:00 +0000

Claude Code や Cursor、Devin といった AI コーディングエージェントの導入が進むなか、「品質をどう担保するか」が最大の課題になっている。栗田氏（@hikarine3）が公開した実践ガイドから、要点を紹介する。

Sonar の調査によれば、開発者の 96% が AI 生成コードを完全には信頼していないにもかかわらず、実際に検証しているのは 48% に過ぎない。この「検証ギャップ」が AI 開発における最大のリスクだ。

1. 設定ファイルにルールを書く

CLAUDE.md や .cursorrules 等の設定ファイルに、最低限 3 つのルールを書くだけで事故を大幅に減らせる。

ルール	防げる事故
テスト結果を「○件中○件が正常」形式で報告	0 件検出の見落とし
影響範囲を確認	1 ファイル修正で他が壊れる
ファイル削除・本番デプロイ・DB 操作は承認必須	取り返しのつかないミス

設定ファイルは 50 行以内 を推奨。IFScale の研究では、指示が長すぎると AI が先頭と末尾だけに従う傾向がある。詳細は別ファイルへの参照（ポインタ設計）で対応する。

2. リスクレベルで使い分ける

すべてのプロジェクトに同じ品質基準を適用する必要はない。

レベル	対象	テスト深度
ラフ	静的サイト、ブログ	目視確認
標準	Web アプリ（ユーザーデータあり）	回帰テスト
厳密	金融・決済・認証・個人情報	境界値・異常系テスト

3. AI にテスト設計もさせる

従来のように 12 項目のチェックリストを人間が作るのではなく、「この変更の回帰テストをして。検出件数も報告して」と指示するだけで、AI がテストケースの設計・実行・報告まで行える。

4. AI のテストが「嘘」になる 10 パターン

AI エージェントが出す「全件正常です」を鵜呑みにしてはいけない。代表的な落とし穴:

AI Agent に品質を担保させる — QA 手法の実践ガイド

Mon, 09 Mar 2026 00:00:00 +0000

1. 設定ファイルにルールを書く

CLAUDE.md や .cursorrules 等の設定ファイルに、最低限 3 つのルールを書くだけで事故を大幅に減らせる。

ルール	防げる事故
テスト結果を「○件中○件が正常」形式で報告	0 件検出の見落とし
影響範囲を確認	1 ファイル修正で他が壊れる
ファイル削除・本番デプロイ・DB 操作は承認必須	取り返しのつかないミス

2. リスクレベルで使い分ける

すべてのプロジェクトに同じ品質基準を適用する必要はない。

レベル	対象	テスト深度
ラフ	静的サイト、ブログ	目視確認
標準	Web アプリ（ユーザーデータあり）	回帰テスト
厳密	金融・決済・認証・個人情報	境界値・異常系テスト

3. AI にテスト設計もさせる

4. AI のテストが「嘘」になる 10 パターン

AI エージェントが出す「全件正常です」を鵜呑みにしてはいけない。代表的な落とし穴:

Claude Code Security — AI がコードベースの脆弱性を発見・修正提案する新機能

Mon, 09 Mar 2026 00:00:00 +0000

Anthropic が Claude Code Security を限定リサーチプレビューとして公開しました。AI がコードベース全体をスキャンして脆弱性を検出し、修正パッチまで提案してくれる機能です。

Claude Code Security とは

従来の静的分析ツール（SAST）はルールベースでパターンマッチングを行うため、ビジネスロジックの欠陥やアクセス制御の不備など、文脈依存の脆弱性を見落としがちでした。

Claude Code Security は、人間のセキュリティ研究者のようにコードを「理解」するアプローチを採用しています。

コンポーネント間の相互作用を把握する
アプリケーション全体のデータフローを追跡する
ルールベースツールでは検出困難な脆弱性を発見する

主な特徴

多段階検証プロセス

検出した脆弱性は多段階の検証プロセスにかけられ、誤検知（false positive）がフィルタリングされます。各脆弱性には重大度評価と信頼度スコアが付与されます。

ヒューマン・イン・ザ・ループ

修正パッチは自動適用されません。Claude Code Security は問題の特定と解決策の提案を行い、最終的な判断は開発者が行います。

実績

Anthropic のレッドチーム活動では、Claude Opus 4.6 を使用して本番環境のオープンソースプロジェクトから 500 以上の脆弱性 を発見しました。これらは数十年にわたり専門家のレビューを経ても検出されなかったバグです。

利用方法

プラン	利用可否
Enterprise	即時利用可能
Team	即時利用可能
オープンソースメンテナー	無料で迅速なアクセスを提供（申請制）

詳細は Anthropic 公式の Claude Code Security ページを参照してください。

従来のツールとの違い

従来の SAST ツールは既知のパターンを検索する仕組みのため、新しいタイプの脆弱性や複雑なロジックの欠陥には対応しきれませんでした。Claude Code Security は LLM の推論能力を活用して、コードの意味を理解した上で脆弱性を検出するという点で、セキュリティスキャンの新しいアプローチといえます。

まとめ

Claude Code Security は「脆弱性は多いが対応する人員が少ない」というセキュリティチームの課題に対し、AI による自動検出と修正提案で支援するツールです。現時点では限定リサーチプレビューですが、今後のセキュリティ開発ワークフローに大きな影響を与える可能性があります。

Claude Code でツール実行前にセキュリティリスクをパーセンテージ表示させる CLAUDE.md 設定

Mon, 09 Mar 2026 00:00:00 +0000

Claude Code でツール実行の許可を求められるたびに、セキュリティリスクをパーセンテージで表示させる CLAUDE.md の設定が話題になっています。「なんかやばそうだけど…まあいいか」で Yes を連打してしまう問題への対策です。

背景

Claude Code はファイル操作やシェルコマンドの実行時にユーザーの許可を求めますが、表示される内容だけでは何がどの程度危険なのか判断しにくいことがあります。特に初心者は、よく分からないまま Yes を連打してしまいがちです。

CLAUDE.md に追加する設定

プロジェクトのルートディレクトリにある CLAUDE.md に以下の内容を追加します:

1
2
3
4
5
6
7
8


## ツール実行時の許可ルール

- ツール実行（Bash、ファイル操作など）の許可を求めるときは、必ず日本語で説明・確認を行うこと
- 許可を求める際、以下のセキュリティリスクをパーセンテージ(%)で提示すること
 - パスワードや秘密鍵が外に漏れる可能性
 - 外部サーバーにデータが送られる可能性
 - 悪意あるコードが勝手に動く可能性
 - PCの設定が書き換わる可能性

表示イメージ

この設定を入れると、ツール実行の確認時に以下のようなリスク評価が表示されるようになります:

・パスワードが外に漏れる可能性: 0%
・外部サーバーにデータが送られる可能性: 0%
・悪意あるコードが動く可能性: 5%
・PCの設定が書き換わる可能性: 80%

これにより、各操作のリスクを具体的な数値で把握した上で、許可するかどうかを判断できるようになります。

Claude Codeですべての日常業務を爆速化する — コーディング以外の活用術

Mon, 09 Mar 2026 00:00:00 +0000

Claude Code はコーディング専用ツールと思われがちだが、実はコーディング以外の日常業務を半自動化する強力なツールとしても活用できる。みのるん氏（@minorun365）の Qiita 記事から、その実践例を紹介する。

AI は「自動化ツール」ではなく「優秀な同僚」

Claude Code を使う上で重要なマインドセットは、AI を単なる自動化ツールではなく「一緒に仕事できる優秀な同僚」として捉えること。どんな作業でも「この作業、Claude Code に任せられないか？」と必ず考える習慣が、業務効率を大きく変える。

また「AI 活用＝やっつけ品質」という認識はもう過去の話で、適切に指示を出せば高品質なアウトプットが得られる。

プチ仕様駆動開発

Claude Code との作業では、以下の 4 つのドキュメントで「プチ仕様駆動開発」を行うのが効果的。

ドキュメント	用途
`PLAN.md`	音声入力で計画を記録
`SPEC.md`	仕様の壁打ち
`TODO.md`	タスク管理
`KNOWLEDGE.md`	学びとナレッジの蓄積

音声入力（Aqua Voice 等）で大まかな計画を PLAN.md に吹き込み、Claude Code に仕様化してもらうフローが実用的。

実践例: 経費精算を 5 分で終わらせる

MoneyForward の CSV を Claude Code に渡して、以下を自動化する:

CSV を解析して取引を分類
Gmail から領収書を自動検索
勘定科目を自動マッピング
Markdown 形式で出力

手作業なら 30 分以上かかる経費精算が、5 分で完了する。

実践例: メール監視とリマインド

放置しがちなメールの監視を自動化する構成:

EventBridge（定時起動）
→ AgentCore Runtime
→ Gmail API でメール抽出
→ Slack に通知

重要なメールを見落とすリスクを、システムで解消する。

Claudeのデザインが急に良くなった理由 ― frontend-design スキルと「一般的」から離れるプロンプト

Mon, 09 Mar 2026 00:00:00 +0000

Claude Code で生成される UI デザインの品質が急に向上したと話題になっています。その理由は「画像学習」の強化ではなく、「一般的（on distribution）」なデザインから意図的に離れるプロンプト設計にありました。

AIスロップ問題とは

AI が生成するフロントエンドデザインには「AIスロップ（AI slop）」と呼ばれる品質問題があります。特に指示を与えずに UI を生成させると、AI は確率分布の中心付近からサンプリングするため、どこかで見たような「いかにもAIが作った」デザインに収束してしまいます。

具体的には以下のような特徴が見られます:

過度にグラデーションやシャドウを多用する
汎用的すぎるカラーパレット
差別化のないカードレイアウト
どのサイトでも見るような Hero セクション

frontend-design スキルの登場

Anthropic は Claude Code 向けに frontend-design という公式スキルをリリースしました。このスキルの核心は、Claude に対して**「一般的な出力に収束しないように」**と明示的に指示することです。

スキルの中には以下のような指針が含まれています:

確率分布の中心（もっとも一般的なデザインパターン）に寄らないこと
AIスロップ的な美学を避けること
個性のあるデザインを生成すること

なぜプロンプトで解決できるのか

Claude は十分なデザイン知識を持っています。問題は、指示がないと「安全な」中間値に落ち着いてしまうことでした。frontend-design スキルは、この傾向を明示的に打ち消すプロンプトを提供することで、Claude が持つ本来のデザイン能力を引き出しています。

これは画像生成 AI における「ネガティブプロンプト」に近い考え方です。生成したいものを指定するだけでなく、避けたいもの（一般的すぎるデザイン）を指定することで、出力品質が大きく向上します。

実践のポイント

自分のプロジェクトでも同様のアプローチを取ることができます:

「一般的にしないで」と明示する ― デザイン生成時に「よくあるパターンを避けて」と指示する
具体的なリファレンスを与える ― 参考にしたいデザインの方向性を具体的に伝える
frontend-design スキルを活用する ― Claude Code を使っているなら、このスキルを有効にする

1
2


# Claude Code でスキルをインストール
npx skills add anthropics/claude-code

Claude Code 内では /skills コマンドでインストール済みスキルの一覧を確認できます。

GSD — AI コーディングエージェントを「本当に使えるレベル」にするプロジェクト管理システム

Mon, 09 Mar 2026 00:00:00 +0000

AI コーディングエージェントで「ランディングページを作って」くらいなら動く。しかし、複数ファイル・複数サブシステムが絡む本格的なプロジェクトになると、エージェントはコヒーレンスを失い、前に作ったものを忘れ、壊れたコードを量産し始める。GSD はこの問題を構造的に解決するシステムだ。

GSD とは

GSD（Get Stuff Done）は、大規模・マルチセッションのプロジェクトを AI コーディングエージェントで完遂するためのシステムだ。デモ向けのおもちゃではなく、多数のファイルと複数のサブシステムが連携する実務レベルのプロジェクトを対象としている。

GSD が解決する問題は明確だ：

エージェントは時間とともにコヒーレンスを失う
3タスク前に作ったものを忘れる
ファイルは存在するが実際には動かないコードを生成する
毎ターン、プロジェクト構造の再読み込みにトークンを浪費する
中断後の再開には人間が全てを再説明する必要がある
何かが壊れたとき、クリーンなロールバック手段がない

3層の階層構造：Milestone → Slice → Task

GSD はすべてのスコープを3つのレベルに分解する。

Milestone（マイルストーン）

出荷可能なバージョン。プロジェクトの大きな単位。

Slice（スライス）

独立してデモ可能な垂直的な機能単位。「データベース層を実装する」（水平的）ではなく、「ユーザーがサインアップしてログインできる」（垂直的）という形で切る。

各スライスにはデモ文がある：「これが完了すると、ユーザーは _____ できる」。この空白を人間が観察可能な行動で埋められなければ、スコープの切り方が間違っている。

Task（タスク）

コンテキストウィンドウ1つ分の作業単位。1タスクが1エージェントセッションに収まらなければ、それは2タスクだ。これは鉄則であり、違反するとエージェントがコヒーレンスを失い始める — 長時間の作業で初期の判断がコンパクション（圧縮）され、コンテキストが古いツールコールで汚染され、推論品質が劣化する。

Boundary Maps — 実装前のインターフェース思考

GSD で最もインパクトのある計画機能がこれだ。

マイルストーンの計画時に、各スライスは何を生産し、上流のスライスから何を消費するかを具体的に宣言する。曖昧にではなく、関数名・型名・インターフェース・エンドポイントを名前付きで。

S01 → S02
Produces:
types.ts → User, Session, AuthToken (interfaces)
auth.ts → generateToken(), verifyToken(), refreshToken()
Consumes: nothing (leaf node)
S02 → S03
Produces:
api/auth/login.ts → POST handler
middleware.ts → authMiddleware()
Consumes from S01:
auth.ts → generateToken(), verifyToken()

これにより「スライス3が必要とする関数をスライス1がエクスポートしていない」という問題が発生しない。契約が明示的で、検証可能になる。

Harness Engineering ベストプラクティス 2026 — AI コーディングエージェントを安定稼働させる設計術

Mon, 09 Mar 2026 00:00:00 +0000

Claude Code や Codex といった AI コーディングエージェントを現場に投入する開発者が増えるなか、「ハーネスエンジニアリング」という新しい実践領域が注目を集めている。逆瀬川氏（@gyakuse）が公開したまとめ記事から、要点を紹介する。

そもそも「ハーネス」とは何か

「ハーネス（harness）」とは、もともと馬具の意味だ。馬の力を人間が制御して活かすための装具一式 — 手綱、鞍、轡（くつわ）などを指す。馬がどれだけ優秀でも、ハーネスなしでは暴走するだけで仕事にならない。

ソフトウェアの世界では「テストハーネス」という用語がすでにある。テスト対象のコードを「つなぎ止めて」、入力を与え、出力を検証する枠組みのことだ。テスト対象そのものではなく、テスト対象を正しく動かすための外側の仕組みを指す。

AI コーディングエージェントにおける「ハーネス」もこれと同じ発想だ。AI エージェント（= 馬）は強力だが、そのままでは暴走する。古いドキュメントを信じてしまう、リンターのルールを勝手に緩和する、前のセッションで何をしたか忘れる。エージェントを制御し、安定した成果を引き出すための外側の仕組み全体がハーネスであり、それを設計・構築する技術がハーネスエンジニアリングだ。

具体的にハーネスを構成する要素は、大きく 3 つの層に分けられる:

入力層 — エージェントに何を読ませ、何を読ませないかを制御する（AGENTS.md の設計、リポジトリの衛生管理、セッション間の状態引き継ぎ）
実行制御層 — エージェントの作業中にリアルタイムで品質を強制する（リンター・フォーマッターの自動実行、計画と実行の分離）
検証層 — エージェントの出力が正しいことを確認する（E2E テスト、プリコミットチェック）

核心的な洞察は「ハーネスがモデルより重要」という点だ。同じモデルでもハーネスを改善すれば出力品質が劇的に向上する。開発者の責任は「正しいコードを書く」から「エージェントが確実に正しいコードを生産する環境を設計する」へとシフトしている。

7 つの主要トピック

1. リポジトリ衛生〈入力層〉

「衛生（hygiene）」は、ソフトウェア開発で「不要物や汚染を取り除き、健全な状態を保つ」という意味で使われる慣用表現だ（「コードハイジーン」「ブランチハイジーン」なども同様）。ここでは、リポジトリ内に古くなったドキュメントや不正確な情報が溜まらないよう清潔に保つことを指す。人間なら「このメモ、古そうだな」と判断できるが、エージェントは 3 ヶ月前のメモも最新のコードも同じ「事実」として読んでしまう。だから情報の鮮度管理が重要になる。

実行可能なアーティファクト（コード、テスト、設定）を優先する
説明的ドキュメントは腐敗しやすいため最小化する
ADR（Architecture Decision Records）で決定履歴を保全する
テストはドキュメントより腐敗に強い

最大の敵は「説明的ドキュメントの腐敗」だ。エージェントは「3 ヶ月前のメモ」と「現在の真実」を区別できないため、古い情報が存在するだけで性能が低下する。ハーネスの入力層として、エージェントが読む情報の鮮度と正確性を保つことが最初のステップになる。

2. 決定論的ツールで品質を強制する〈実行制御層〉

「決定論的（deterministic）」とは、同じ入力に対して毎回必ず同じ結果を返すという意味だ。リンターやフォーマッターがその典型で、たとえば「未使用の変数がある」というコードを渡せば、何度実行しても必ず同じ警告を返す。気分や文脈によって判断が揺れることがない。

対照的に、LLM は非決定論的だ。同じコードを渡しても、実行するたびにチェックの粒度や指摘内容がブレる。「インデントを揃えて」と指示しても、ある時はスペース 2 つ、別の時はタブで揃えるかもしれない。

だからこそ、機械的に判定できるルール（構文エラー、未使用変数、フォーマット）は LLM に任せず、決定論的ツールに委ねるのが原則だ。PostToolUse Hook でファイル編集のたびにリンターを自動実行し、エラーをエージェントに即時フィードバックする。

言語別の推奨スタック:

言語	PostToolUse	プリコミット	カスタムルール
TypeScript	Biome + Oxlint	tsc + ESLint	eslint-plugin-local-rules
Python	Ruff check/format	Ruff + mypy	ast-grep
Go	gofumpt + golangci-lint	同左	ast-grep

リンター設定の保護も重要だ。エージェントがルールを勝手に緩和・改ざんするのを防ぐ仕組みが必要になる。これはまさに「手綱」の役割 — エージェントが暴走しないよう、作業のたびに自動で引き戻す仕組みだ。

Harness Engineering ベストプラクティス 2026 — AI コーディングエージェントを安定稼働させる設計術

Mon, 09 Mar 2026 00:00:00 +0000

逆瀬川氏のHarness Engineeringベストプラクティス記事を要約。Hooks 4パターン、リンター戦略、E2Eテスト、CLAUDE.md設計、MVH導入ステップを解説。

Impeccable — AI コーディングツールのフロントエンド設計を底上げするスキルライブラリ

Mon, 09 Mar 2026 00:00:00 +0000

AI コーディングツール（Claude Code、Cursor、Gemini CLI など）で UI を生成すると、「動くけど見た目がイマイチ」になりがちだ。Impeccable は、AI に設計のボキャブラリーを教えることで、生成される UI の品質を引き上げるスキルライブラリだ。

Impeccable とは

Impeccable は、Paul Bakaus 氏が開発した AI コーディングツール向けの設計スキル拡張だ。Anthropic の公式 frontend-design スキルをベースに、17個のコマンドと厳選されたアンチパターン集を提供する。

「派手なデザイン」ではなく「洗練された仕上がり」を目指すのが特徴で、中国のインディー開発者コミュニティでも注目を集めている。

対応ツール

Cursor
Claude Code
Gemini CLI
Codex CLI
VS Code Copilot
Google Antigravity
Kiro

インストール方法

npx（推奨）

1

npx skills add pbakaus/impeccable

Claude Code の場合

1
2
3
4
5


# プロジェクト単位
cp -r dist/claude-code/.claude your-project/

# グローバル
cp -r dist/claude-code/.claude/* ~/.claude/

Cursor の場合

1

cp -r dist/cursor/.cursor your-project/

Nightly チャンネルの使用と Agent Skills の有効化が必要。

OpenAI Symphony — AI エージェントを自律的にオーケストレーションするオープンソースフレームワーク

Mon, 09 Mar 2026 00:00:00 +0000

OpenAI が Symphony というオープンソースの自動化基盤をリリースしました。Issue トラッカーから課題を読み取り、課題ごとに隔離ワークスペースを作成し、AI エージェントに実装を走らせるオーケストレーションフレームワークです。

Symphony とは

Symphony は、AI コーディングエージェントを手動のプロンプト操作から構造化された自律実行へと移行させるためのフレームワークです。Elixir / Erlang BEAM ランタイム上に構築されており、長時間実行される独立した「実装ラン（implementation run）」を高い並行性と耐障害性で管理します。

従来の「AI にコードを書かせて PR を出す」という手動プロンプト型のワークフローを、カンバンボードのタスクカードを移動するだけで管理できるようにします。

動作の仕組み

Symphony の基本的な流れは以下の通りです:

課題の読み取り — Issue トラッカー（現在は Linear をサポート）からタスクを継続的に監視
隔離ワークスペースの作成 — 各課題に対して独立したワークスペースを生成
エージェントの実行 — ワークスペース内でコーディングエージェントセッションを実行
成果物の提出 — CI ステータス、PR レビューフィードバック、複雑度分析、操作動画などの「作業証明」を提供
承認とマージ — タスクが承認されると、エージェントが安全に PR をマージ

技術的な特徴

WORKFLOW.md によるエージェント制御

エージェントのプロンプトやランタイム設定は、リポジトリ内の WORKFLOW.md に直接保存されます。これにより、AI の動作指示がコードとしてバージョン管理され、変更対象のブランチと同期されます。

Elixir / BEAM ランタイムの採用

Elixir と Erlang/BEAM ランタイムを採用することで、以下のメリットがあります:

高い並行性 — 複数のエージェントセッションを同時に管理
耐障害性 — 個別の実装ランが失敗してもシステム全体に影響しない
長時間実行への対応 — エージェントの長時間稼働を安定的にサポート

Poll-Dispatch-Resolve-Land ワークフロー

Symphony の中核となるワークフローパターンです:

深圳が世界初の OpenClaw・一人企業支援策を発表 — AI エージェント時代のソロ起業を後押し

Mon, 09 Mar 2026 00:00:00 +0000

深圳市龍崗区が「OpenClaw および OPC（One-Person Company）発展支援に関する若干の措置」を発表した。AI エージェントフレームワーク OpenClaw と「一人企業」モデルを対象にした政府支援策としては、中国初、おそらく世界初の試みだ。荒井健一氏（@aarai666）のツイートで紹介されたこの政策の要点を整理する。

OpenClaw とは何か

OpenClaw はオーストリアの Peter Steinberger 氏が開発したオープンソースの AI アシスタントだ。フライトの予約からメール整理まで幅広いタスクを自律的にこなし、個人が数人分のチームに匹敵する生産性を発揮できる。この仕組みを活用して一人で会社を運営する「OPC（One-Person Company）」というコンセプトが、中国を中心に急速に広がっている。

中国では無料インストールイベントに数千人が参加するなど爆発的な人気を見せており、李強首相が全国人民代表大会で「スマートエージェント」（OpenClaw を含む概念）に言及するほどの注目度だ。

深圳・龍崗区の支援策

龍崗区の政策は、概念の認知からわずか約 3 週間で正式な支援策にまとめ上げるスピード感を見せた。支援は大きく 3 つの柱で構成される。

1. 導入・開発支援

「ロブスターサービスゾーン」を設置し無料で OpenClaw の導入サービスを提供するプラットフォームに、最大 200 万元（約 4,000 万円）の補助金
コード貢献やスキルパッケージ開発を行う開発者への追加資金支援
関連技術パッケージの開発・配布企業に最大 200 万元 の助成金

2. 計算・データリソース

データサービス、AI NAS ハードウェア、大規模モデル API 利用料の 30〜50% を補助
OPC コミュニティに新規入居する企業に 3 ヶ月間 の無料計算リソースを提供

3. 総合的な起業支援

2 ヶ月間 の無料住居提供
18 ヶ月間 の割引オフィススペース
人材定着助成金として最大 10 万元（約 200 万円）
エクイティ投資として最大 1,000 万元（約 2 億円）

政策の戦略的目標は「初期の起業コストをゼロ水準まで引き下げ、深圳を AI エージェントスタートアップのハブにする」ことだ。

Claude Codeのハルシネーション対策 — Anti-Hallucination Protocolという考え方

Sun, 08 Mar 2026 00:00:00 +0000

Claude Code などの LLM エージェントを業務で使う際、最大のリスクは**ハルシネーション（幻覚）**です。プロンプトの改善ばかりが注目されがちですが、本当に必要なのは「仕組みで縛る」アプローチです。

きっかけとなった事故

ある開発者が実際に遭遇した事故が、この議論のきっかけです:

which コマンドの結果だけで「未インストール」と診断されたが、コードは PATH 外のディレクトリを直接参照していた。ログを1行も読まずに断言。

LLM エージェントは自信に満ちた口調で誤った結論を出すことがあり、人間がそれを鵜呑みにしてしまうリスクがあります。

Anti-Hallucination Protocol の4つの柱

提唱されている Anti-Hallucination Protocol は、以下の4つのルールで構成されます:

1. 事実主張にはツール実行による検証を義務化

LLM が「〜がインストールされていない」「〜が原因です」と主張する場合、必ず対応するコマンドやツールを実行して裏付けを取ることを求めます。推測だけで結論を出すことを許容しません。

2. 禁止パターンの明示

以下の4つのパターンを明示的に禁止します:

パターン	説明
推測診断	十分な証拠なしに原因を断定する
確認なし否定	実際に確認せず「存在しない」「動かない」と主張する
記憶による主張	過去の学習データだけに基づく事実主張
自信に満ちた誤り	高い確信度で不正確な情報を提供する

3. 違反時のインシデント記録と伝播

ハルシネーションが検出された場合、インシデントとして記録し、全プロジェクト横断で伝播させます。これにより同じ失敗パターンを繰り返さない仕組みを構築します。

4. プロジェクト設定への組み込み

CLAUDE.md や類似の設定ファイルにルールを記述し、プロジェクト単位で一貫したガードレールを維持します。

2026年のハルシネーション対策の現状

2026年3月時点で、各 LLM のハルシネーション率は改善が進んでいます。LLM Hallucination Index 2026 によると、Claude Sonnet 4.6 は BS 検出成功率 91.0%、誤検出率 3.0% とトップクラスの精度を示しています。

しかし、モデル性能の向上だけでは不十分です。特に以下の場面ではハルシネーションが発生しやすいことが報告されています:

コンテキスト圧縮後: 長い会話でコンテキストが圧縮されると、計画と実装の乖離が起きやすい
Plan Mode での実装フェーズ: 計画作成後の実装で、計画にない機能を追加してしまう

実践的な対策

CLAUDE.md への記述例

1
2
3
4
5
6


## Anti-Hallucination Rules

- ファイルの存在確認は必ず `ls` や `cat` で実行すること
- パッケージのインストール状況は `which` だけでなく、実際のインポートやバージョン確認で検証すること
- エラーの原因を主張する前に、必ずログファイルを読むこと
- 「〜のはずです」「おそらく〜」という推測を事実として扱わないこと

CLEO のようなツールの活用

CLEO は Claude Code 向けのタスク管理ツールで、4層の Anti-Hallucination 保護と SQLite による不変の監査証跡を提供します。

Qwen Code ローカル運用実践記 — Mac Studio M3 Ultra で Ollama + qwen3-coder:30b を動かして分かったこと

Fri, 06 Mar 2026 00:00:00 +0000

Qwen Code ローカル運用実践記 — Mac Studio M3 Ultra で Ollama + qwen3-coder:30b を動かして分かったこと

Qwen Code（Alibaba Cloud Qwen チームが開発したオープンソース CLI コーディングエージェント）を Mac Studio M3 Ultra（96GB）上で Ollama と組み合わせてローカル運用を試みた実践記録です。環境構築からツール呼び出しの限界まで、実際に手を動かして検証した結果をまとめます。

背景と目的

Claude Code は強力ですが、コードがクラウドに送信されるためプライバシーの懸念があります。Qwen Code は Apache 2.0 ライセンスのオープンソースで、Ollama と組み合わせれば完全ローカルで動作するため、機密コードベースでの利用が期待されます。

本記事の検証環境:

項目	スペック
マシン	Mac Studio M3 Ultra
メモリ	96GB ユニファイドメモリ
メモリ帯域	800 GB/s
Ollama	v0.15.6
Qwen Code	v0.12.0（Fork からローカルビルド）
モデル	qwen3-coder:30b (18GB)

ステップ1: リポジトリの Fork と Clone

調査・改造を前提に、まず QwenLM/qwen-code を Fork しました。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


# Fork（GitHub CLI）
gh repo fork QwenLM/qwen-code --clone=false

# devel ブランチを作成してデフォルトに設定
# main は upstream との sync 用にクリーンに保つ
gh api repos/hdknr/qwen-code/git/refs \
 -f ref="refs/heads/devel" \
 -f sha="$(gh api repos/hdknr/qwen-code/git/ref/heads/main --jq '.object.sha')"
gh repo edit hdknr/qwen-code --default-branch devel

# Clone
mkdir -p ~/Projects/qwen
cd ~/Projects/qwen
gh repo clone hdknr/qwen-code

ブランチ戦略:

Qwen Code 初心者ガイド — 無料で使えるオープンソース CLI コーディングエージェント

Fri, 06 Mar 2026 00:00:00 +0000

Qwen Code 初心者ガイド — 無料で使えるオープンソース CLI コーディングエージェント

Claude Code の無料オープンソース代替として注目を集めている Qwen Code。Alibaba Cloud の Qwen チームが開発したターミナルベースの AI コーディングエージェントで、1日1,000リクエストまで無料で利用できます。この記事では、初めて使う人にもわかるように、インストールから実践的な使い方まで解説します。

Qwen Code とは何か

Qwen Code は、ターミナル（コマンドライン）で動く AI コーディングアシスタントです。自然言語で指示を出すと、コードの理解・生成・編集・実行を自律的に行います。

一言で言うと

「無料で使える Claude Code のオープンソース版」

Claude Code との違い

観点	Qwen Code	Claude Code
料金	無料（OAuth で1日1,000リクエスト）	従量課金（API 使用量に応じて）
ライセンス	Apache 2.0（オープンソース）	プロプライエタリ
ベースモデル	Qwen3-Coder	Claude
インターフェース	ターミナル CLI	ターミナル CLI
IDE 統合	VS Code, Zed, JetBrains	VS Code, JetBrains
MCP サポート	あり	あり
コード品質	実用的（オープンモデルとしてトップクラス）	最高品質
カスタマイズ	完全にカスタマイズ可能	限定的

できること

コードベース全体を理解して質問に答える
ファイルの作成・編集・削除
シェルコマンドの実行
Git 操作（コミット、diff 確認等）
バグの発見と修正
テストの作成と実行
MCP サーバーとの連携

インストール手順

前提条件

Node.js 20 以上が必要です。まだインストールしていない場合は nodejs.org からダウンロードしてください。

「Claude Code無料で無制限」は本当か × ollama launch claudeの実態と品質ギャップの正直な話

Thu, 05 Mar 2026 00:00:00 +0000

「Claude Code が無料で無制限」は本当か — ollama launch claude の実態と品質ギャップの正直な話

@TusharSoni014 氏の X 投稿が 10 万回以上表示され、2,227 件のブックマークを集めています。

Want Claude Code Unlimited FREE? Follow,

Download Ollama

Install Qwen3.5 9B

Run this command in your terminal, ollama launch claude –model qwen3.5:9b

Enjoy Unlimited Claude Code fully running 100% Free

「Claude Code が完全に無料で無制限に使える」という主張です。1,311 件のいいねと 127 件のリツイートを見ると、多くの人がこの情報に飛びついたことがわかります。

結論から言えば、コマンド自体は実在しますが、「Claude Code が無料で動く」という表現は大きな誤解を招きます。正確に何が起きているのか、何が失われるのかを解説します。

ollama launch claude は実在する

コマンドの正体

ollama launch は、Ollama v0.15 で追加された公式コマンドです。Claude Code、OpenCode、Codex などのコーディングツールを、環境変数や設定ファイルなしで起動できるようにするものです。

1
2
3
4


# 基本的な使い方
ollama launch claude # インタラクティブにモデルを選択
ollama launch claude --model qwen3-coder # モデルを指定して起動
ollama launch claude --model qwen3.5:9b # ツイートの例

このコマンドが裏でやっていることは、Ollama の Anthropic Messages API 互換モードを利用して、ローカルの LLM を Claude Code のバックエンドとして接続することです。

「あなたは何者？」— 職能の境界が溶けた AI 時代に、認知パターンで自分を再定義する

Thu, 05 Mar 2026 00:00:00 +0000

「あなたは何者？」— 職能の境界が溶けた AI 時代に、認知パターンで自分を再定義する

@yamashitakazuki 氏（山下一樹氏）のポストが、生成 AI によって「デザイナー」「エンジニア」という職能の境界が溶けつつある今、自分を認知パターンから捉え直す視点を提案しています。@kgsi 氏が「迷ってるデザイナーにこそ見てほしい記事」として紹介し、反響を呼んでいます。

迷ってるデザイナーにこそ見てほしい記事。生成AIで職能の境界が溶けていく中で、「自分は何者か」を肩書きではなく"認知パターン"から捉え直そうという話。実行者・調整者・構想者・深化者——自分も読みながら近しいタイプがあって、なんだか輪郭がはっきりした感覚があった。

山下氏は、Donna Dunning の著書 “What’s Your Type of Career?” (2001) をベースに、職能（何ができるか）ではなく認知パターン（どう考え、どう動くか）でキャリアを見つめ直すフレームワークを提示しています。

問いの構造 — なぜ「何者」が問われるのか

職能の境界が溶けている

2026年現在、生成 AI は職能の境界を急速に溶かしています。

従来	現在
UI デザインはデザイナーの仕事	エンジニアが AI でモックアップを作れる
コーディングはエンジニアの仕事	デザイナーが Claude Code でアプリを作れる
設計書はアーキテクトの仕事	PM が AI で技術仕様を書ける
テストは QA の仕事	誰でも AI でテストコードを生成できる

AI がコードの8割を自動生成し、デザインツールが自然言語で操作でき、文章も翻訳も AI が担う。「何ができるか」で自分を定義していた人ほど、足元が揺らいでいます。

職能は「ペルソナ」に過ぎない

山下氏の指摘は鋭いものです。

職能はその人をとりあえず認識するのにとても便利ですが、あくまでペルソナであり、仕事上の姿であり、自分がどういう人かをまったく示しません。

「デザイナー」「エンジニア」という肩書きは、その人が何をするかは示しますが、どう考え、どう動くかは見えません。同じ「デザイナー」でも、全体を俯瞰して構造から入る人と、ディテールを積み上げて形にしていく人では、プロジェクトへの関わり方が根本的に違います。

4つの認知パターン — 実行者・調整者・構想者・深化者

山下氏は、Donna Dunning の「8 Ways of Working」を土台に、認知パターンを4つの大分類に集約しています。

一覧

認知パターン	特徴	プロジェクトでの役割
実行者	状況を即座に読み取り、実行し動かすことで価値を生む	手を動かし、具体的な成果を出す
調整者	人とプロセスをつなぎ、基盤と関係を安定させる	チームの連携を保ち、プロセスを回す
構想者	まだ見えていない可能性に視点と構想を持ち、方向を示す	ビジョンを描き、方向性を定める
深化者	ひとつのことを掘り下げ、質と精度を高め続ける	専門性を深め、品質を担保する

職能 vs 認知パターン

職能で見た場合:
デザイナー A（UI デザイン）
デザイナー B（UI デザイン）
→ 同じ「デザイナー」に見える
認知パターンで見た場合:
デザイナー A（構想者）→ 全体を俯瞰し、ユーザー体験の方向性を示す
デザイナー B（深化者）→ ディテールを追求し、インタラクションの質を高める
→ まったく異なる人物が見える

プロジェクトの進み方を左右しているのは、職能の違いよりも認知パターンの違いだと山下氏は指摘します。

Claude Code が .env を読んでログに出した — MCC 乗っ取り8桁被害の原因が特定された

Thu, 05 Mar 2026 00:00:00 +0000

Claude Code が .env を読んでログに出した — MCC 乗っ取り8桁被害の原因が特定された

広告の裏側（@hassii_ad）が、先日話題になった Google Ads MCC 乗っ取り事件の続報を投稿しました。いいね 2,558、ブックマーク 2,154、閲覧数 94 万超と大きな反響を呼んでいます。

【続報】原因が特定されました。・Antigravity は無関係、Claude Code で起きてた。・重要操作は人間の承認が必要な設定になっていたが、問題は権限ではなかった。 Claude Code が .env を読み込んだ（読み込み禁止にしてたのに無視されてた）→ その中の認証情報がログに出力されてた。→ 漏洩して悪用された。

初報（閲覧数 286 万、ブックマーク 5,399）では「被害額 8 桁後半」「原因不明」と報告されていましたが、続報で攻撃経路が確定しました。Antigravity は無関係で、Claude Code 単体の問題だったことが明らかになっています。

何が起きたのか — 攻撃の全体像

Claude Code が .env ファイルを読み込む
（.claudeignore で禁止していたが無視された）
↓
.env 内の Google Ads 認証情報がログ（stdout）に出力される
↓
ログ経由で認証情報が漏洩
↓
攻撃者が MCC（マイクライアントセンター）にログイン
↓
配下の全広告アカウントを使って深夜に不正広告を配信
↓
アラートは飛んだが、当事者が目覚めた頃には被害拡大済み

ポイントは「権限設定の問題ではなかった」という点です。重要操作には人間の承認が必要な設定にしていました。しかし Claude Code が .env を読み取って認証情報を stdout に出力するという想定外の挙動により、権限管理を迂回して情報が漏洩しました。

Claude Code に潜んでいた3つの脆弱性 — git clone だけで API キーが盗まれる仕組み

Thu, 05 Mar 2026 00:00:00 +0000

Claude Code に潜んでいた3つの脆弱性 — git clone だけで API キーが盗まれる仕組み

AIコーディングツール Claude Code に、リポジトリをクローンするだけでリモートコード実行（RCE）や API キー窃取が可能になる深刻な脆弱性が見つかった。発見したのはイスラエルのセキュリティ企業 Check Point Research。2025年7月〜2026年1月にかけて段階的に報告・修正された3件の脆弱性は、AI開発ツール特有の「設定ファイル＝実行レイヤー」という新しい攻撃面を浮き彫りにしている。

何が起きたのか — 3行まとめ

Hooks コードインジェクション — .claude/settings.json に仕込んだフックで任意コマンドが実行される
MCP 同意バイパス — enableAllProjectMcpServers 設定で信頼ダイアログを迂回し、悪意ある MCP サーバーが自動起動する
API キー窃取 — ANTHROPIC_BASE_URL を攻撃者サーバーに書き換え、認証ヘッダーごと API キーを平文で盗む

いずれも修正済みだが、AI コーディングツールのサプライチェーンリスクを示す重要な事例として記録しておく。

脆弱性の詳細

脆弱性 1: Hooks によるリモートコード実行

項目	内容
修正バージョン	v1.0.87（2025年9月）
CVSS	8.7
攻撃ベクトル	`.claude/settings.json` の Hooks 設定

Claude Code の Hooks 機能は、セッション開始やツール呼び出しなどのライフサイクルイベントで事前定義されたシェルコマンドを実行する仕組みだ。

攻撃の流れ:

攻撃者がリポジトリに悪意ある .claude/settings.json をコミット
↓
開発者が git clone してプロジェクトを開く
↓
Claude Code 起動時に信頼ダイアログが表示される
↓
ユーザーが "Yes, proceed" をクリック
↓
Hook コマンドが追加確認なしで即座に実行
↓
リバースシェルや認証情報ハーベスターが起動

悪意ある設定の例:

Claude Code 時代、UI デザイナーの仕事は軽くならない — 「整える仕事」の自動化と評価軸シフト

Thu, 05 Mar 2026 00:00:00 +0000

Claude Code 時代、UI デザイナーの仕事は軽くならない — 「整える仕事」の自動化と評価軸シフト

アオキタカユキ氏（@dorisukeone）が「やれることがどんどん拡張していく」とコメントを添えて、自身の note 記事を紹介しています。

Claude Code時代、UIデザイナーの仕事は軽くならない

タイトルだけ見ると逆説的ですが、主張はシンプルです。AI が「整える仕事」を代替するぶん、デザイナーにはもっと上流の思考が求められるようになる。仕事は減るのではなく、質が変わるというのが記事の核心です。

「整える仕事」とは何か

アオキ氏が自動化されると指摘する「整える仕事」は、UI デザイナーの日常業務の大部分を占めてきた作業です。

整える仕事	具体例
デザインシステム準拠	コンポーネントの使い分け、間隔・サイズの統一
ブランドトーン維持	カラー、タイポグラフィ、トーン&マナーの一貫性
アクセシビリティ対応	コントラスト比、フォーカス順序、ARIA ラベル
制作スピード	仕様に沿った画面を短時間で量産する能力

これらは再現性が高く、ルールが明文化されているため、AI による自動化と相性が良い領域です。Claude Code は CLAUDE.md にデザインシステムの仕様を記述しておくだけで、コンポーネント選定からアクセシビリティ対応まで一貫して処理できます。

なぜ「軽くならない」のか

「整える仕事」が自動化されるなら、仕事は楽になるはずです。しかしアオキ氏の指摘は、評価軸そのものがシフトするという点にあります。

従来の UI デザイナーの評価は「速く、整った画面を作れること」でした。これが AI で代替可能になると、その能力では差がつかなくなる。代わりに求められるのは「思考のズレを言語化する力」、つまり以下のような上流工程のスキルです。

問題定義: 「何を作るか」の前に「なぜ作るのか」を問う力
意思決定の言語化: 「このボタンを右に置く」ではなく「なぜ右なのか」を説明する力
ビジネスゴールとの接続: UI の判断をプロダクト戦略に紐づける力

仕事が軽くなるのではなく、より認知負荷の高い仕事にシフトする。だから「軽くならない」のです。

Claude Code × Figma が実現した双方向ワークフロー

この評価軸シフトを加速させているのが、2026年2月に発表された Code to Canvas です。Figma と Anthropic が共同で開発したこの機能は、Claude Code で生成したコードを編集可能な Figma フレームとして取り込めます。

従来のワークフロー

デザイナーが Figma で設計
↓
エンジニアがコードに変換
↓
デザイナーが実装を確認
↓
「ここ違う」→ 修正依頼の往復

Code to Canvas 後のワークフロー

エンジニアが Claude Code で UI プロトタイプを生成
↓
「Send this to Figma」で即座に Figma に転送
↓
デザイナーが Figma 上で直接編集・フィードバック
↓
変更を Claude Code に反映

逆方向も可能です。Figma MCP サーバーを使えば、Figma のデザイントークン、コンポーネント構造、Auto Layout ルールを Claude Code が直接読み取り、デザインシステムに準拠したコードを自動生成します。

Claude-Native Designer — デザイナーが「作る人」になるFigma MCP × Claude Codeワークフロー

Thu, 05 Mar 2026 00:00:00 +0000

Claude-Native Designer — デザイナーが「作る人」になる Figma MCP × Claude Code ワークフロー

@felixleezd（Felix Lee）氏のポストが注目を集めています。ADPList の共同創業者であり、1,500 人以上のデザイナーに Vibe Coding を教えてきた Felix Lee 氏が、4 ヶ月の実践から導いた「Claude-Native Designer」のワークフローを公開しました。

If you want to ship products you designed, stop using Figma only. Do it on Claude Code instead.

Autonomous AI = memory + planning + tools + safety + collaboration. It’s a system, not a prompt.

「デザインの未来はコードを学ぶことではない。ビルドすることを学ぶことだ」— この記事の核心は、デザイナーが抱えてきた「アイデアはあるが実装できない」という壁が、Claude Code によって構造的に消滅したという主張です。

デザイナーの天井 — 7 年間の経験が語る構造的問題

Felix Lee 氏は Gotrade（YC S19）と ADPList で 7 年間デザインに携わってきました。その間、デザイナーが直面する共通の天井を目撃しています。

Everything Claude Code — Anthropic ハッカソン優勝者が作った「Claude Code 設定バイブル」の全貌

Thu, 05 Mar 2026 00:00:00 +0000

Everything Claude Code — Anthropic ハッカソン優勝者が作った「Claude Code 設定バイブル」の全貌

Ihtesham Ali さん（@ihtesham2005）が、Anthropic ハッカソン優勝者のリポジトリを「Claude Code 設定バイブル」として紹介し、大きな反響を呼んでいます。

Stop building agents from scratch. Anthropic hackathon winner just dropped the complete Claude Code config bible. It got Agents, skills, hooks, commands, rules, MCPs battle-tested over 10+ months. And now has PM2 + multi-agent orchestration with 6 new commands. This single repo replaces 10 different setups.

https://x.com/ihtesham2005/status/2029246676339474841

457 いいね・865 ブックマーク・33,579 ビューを集めたこのポストが指すのは、everything-claude-code — GitHub 60,700 スターを獲得した、Claude Code のエージェント・スキル・フック・コマンド・ルール・MCP 設定を一括提供するオープンソースプラグインです。

GitNexus × ゼロサーバーコード知能 --- ナレッジグラフで影響範囲を可視化する新しいコードリーディング

Thu, 05 Mar 2026 00:00:00 +0000

GitNexus × ゼロサーバーコード知能 — ナレッジグラフで「影響範囲」を可視化する新しいコードリーディング

@sukh_saroy 氏が X で紹介した、コードベース全体を知識グラフに変換するツールが注目を集めています。

GitNexus: A zero-server code intelligence engine that transforms your codebase into a navigable knowledge graph.

GitNexus は、コードベースをナレッジグラフに変換し、関数の呼び出し関係・継承・インポートの依存を構造的に把握できるコード知能エンジンです。サーバー不要で完全にローカル実行でき、Claude Code や Cursor などの AI コーディングツールと MCP（Model Context Protocol）で連携します。

本記事では、GitNexus の仕組み、従来のコード検索との違い、そして AI エージェント時代に「コードの影響範囲を知る」ことがなぜ重要かを解説します。

従来のコード検索の限界

grep/ripgrep では見えないもの

エンジニアがコードベースを理解する方法は、長い間「テキスト検索」が中心でした。

従来のコード理解の方法:
grep / ripgrep:
├── 文字列の一致を検索
├── ファイル横断で高速
└── 限界: 「この関数を変更したら何が壊れるか」は分からない
IDE の「参照を検索」:
├── シンボルの参照箇所を表示
├── 型情報を活用
└── 限界: 間接的な依存（A→B→C）は追いきれない
手動でコードを読む:
├── 最も確実だが最も遅い
└── 限界: 大規模コードベースでは現実的でない

これらの方法に共通する問題は、コードの「関係性」が見えないことです。「この関数を呼んでいる場所」は分かっても、「この関数を変更したときの影響が最終的にどこまで波及するか」は分かりません。

AI コーディングツールの盲点

Claude Code や Cursor などの AI コーディングツールは、コードベースを理解する能力が飛躍的に向上しました。しかし、根本的な制約があります。

Google Antigravity × Claude Code × Gemini × Nano Banana — AI時代の開発環境レイアウト設計

Thu, 05 Mar 2026 00:00:00 +0000

Google Antigravity × Claude Code × Gemini × Nano Banana — AI時代の開発環境レイアウト設計

KAWAI さん（@kawai_design）が、Google Antigravity 上で Claude Code を主役にした開発環境のレイアウトを公開し、大きな反響を呼んでいます。

ターミナル1本で仕事するのに憧れていましたが…今は「Google Antigravity」上で「Claude Code」を主役にしつつ、ファイル確認やサブで「Gemini」や「Nano Banana」を使うなどの環境が良さそうです。ターミナルだとディレクトリ構造とかファイルの中身を確認するのが大変。

https://x.com/kawai_design/status/2029194729850835141

420 いいね・22 RT を集めたこのポストが示すのは、「ターミナル原理主義」でも「IDE 至上主義」でもない、AI ツールを組み合わせた実用的なワークスペース設計です。

KAWAI さんのレイアウト構成

公開された画像から、4つのペインで構成されたレイアウトが確認できます。

┌──────────────────┬───────────────────────┬──────────────┐
│ │ │ │
│ フォルダと │ ファイルの中身を確認 │ Antigravity │
│ ファイルを確認 │ （エディタ領域） │ 用チャット │
│ │ │ (Agent) │
│ エクスプローラー │ │ │
│ ├───────────────────────┤ Gemini / │
│ │ │ Claude │
│ │ Claude Code用 │ Opus 4.6 │
│ │ ターミナル │ │
│ │ │ │
└──────────────────┴───────────────────────┴──────────────┘

領域	役割	ツール
左サイドバー	ディレクトリ構造の確認	Antigravity エクスプローラー
中央上	ファイル内容の閲覧・編集	Antigravity エディタ
中央下	Claude Code の実行	ターミナル（CLI）
右サイドバー	AI チャット（質問・指示）	Antigravity Agent パネル

Claude Code はターミナルで CLI として実行し、Antigravity の Agent パネルで Gemini や他のモデルを補助的に使う構成です。

Google Workspace CLI（gws）— Drive・Gmail・Calendarを1コマンドで操作するAIエージェント対応ツール

Thu, 05 Mar 2026 00:00:00 +0000

Google Workspace CLI（gws）— Drive・Gmail・Calendar を 1 コマンドで操作する AI エージェント対応ツール

@dify_base のポストが話題になっています。

Google がついに「Workspace を操作できる CLI」を公開。名前は「gws」。Drive、Gmail、Calendar、Sheets、Docs / Chat / Admin 対応。AI エージェント対応で 100 以上の Skill 付き。

Google が公式にリリースした gws（Google Workspace CLI）は、Google Workspace の全サービスを 1 つのコマンドラインツールから操作できるツールです。最大の特徴は Discovery Service による動的 API 構築と、100 以上の AI エージェントスキルの同梱です。Claude Code や Gemini CLI から MCP 経由で Google Workspace を操作する未来が、公式ツールとして実現しました。

gws とは何か — Discovery Service で動的に構築される CLI

従来の CLI ツールはコマンドをハードコードして出荷します。API が追加されればツールのアップデートが必要です。gws はこのアプローチを根本から変えています。

従来の CLI:
開発者がコマンドを定義 → ビルド → リリース → ユーザーがアップデート
gws:
起動時に Discovery Service を読み取り → コマンドツリーを動的構築
→ Google が API を追加すれば gws が自動的に対応

Google Discovery Service は Google の全 API のスキーマ（リソース・メソッド・パラメータ）を機械可読な形式で公開しています。gws はこれを実行時に読み取り、2 フェーズでコマンドを構築します。

Goose 完全ガイド — Block が作った無料オープンソース AI エージェントの全貌

Thu, 05 Mar 2026 00:00:00 +0000

Goose 完全ガイド — Block が作った無料オープンソース AI エージェントの全貌

Block（旧 Square）が開発するオープンソース AI エージェント Goose は、GitHub で 32,400 スターを獲得し、Linux Foundation の Agentic AI Foundation（AAIF）の創設プロジェクトに選ばれた、エージェント AI 時代の基盤ソフトウェアです。

Claude Code costs up to $200 a month. Goose does the same thing for free.

VentureBeat の見出しが示すように、Goose は無料・ローカル実行・モデル非依存という特徴で、商用 AI コーディングツールの対抗馬として注目されています。Block 内部では従業員 12,000 人の 60% が毎週 Goose を使用し、開発時間 50〜75% 削減を報告しています。

Goose とは何か

Goose は「ローカルで動く、拡張可能な、オープンソースの AI エージェント」です。単なるコード補完ではなく、プロジェクトの構築・コード実行・デバッグ・ワークフローの統合を自律的に行います。

基本情報

項目	内容
開発元	Block, Inc.（旧 Square / Jack Dorsey 創業）
公開日	2025年1月28日
ライセンス	Apache 2.0
言語構成	Rust 57.4%、TypeScript 34.9%
GitHub Stars	32,400+
コントリビューター	409 人
リリース	121 回以上（最新 v1.27.0）
インターフェース	CLI + デスクトップアプリ
対応 OS	macOS / Linux / Windows
費用	無料（LLM API 費用は別途）

なぜ Block が作ったのか

Goose は Block のエンジニアがソフトウェア開発を効率化するために内部ツールとして開発したことに端を発します。Jack Dorsey はオープンソースの推進者として知られ、Goose は Block の新設オープンソースオフィスから公開された最初のプロジェクトです。

Obsidian × Claude Code で「AIセカンドブレイン」を構築する — コンテキストがプロンプトに勝つ時代

Thu, 05 Mar 2026 00:00:00 +0000

Obsidian × Claude Code で「AIセカンドブレイン」を構築する — コンテキストがプロンプトに勝つ時代

Noah Vincent さん（@noahvnct）が、Obsidian と Claude Code を組み合わせた「AI セカンドブレイン」の構築方法を公開し、大きな反響を集めています。

Steal My AI Second Brain Setup With Obsidian + Claude Code (For Free)

https://x.com/noahvnct/status/2029222820257935369

645 いいね・76 RT・1,741 ブックマークを集めたこのポストが紹介するのは、Obsidian の Vault（保管庫）に Claude Code を住まわせ、あなたの知識・プロジェクト・好みを全て理解した AI パートナーを作る方法です。Noah さんの主張の核心は「Context beats prompts. Always.（コンテキストはプロンプトに常に勝つ）」という一文に集約されています。

セカンドブレインとは何か

「セカンドブレイン」は、Tiago Forte が提唱した個人知識管理の概念です。本、記事、動画、ポッドキャストから得た知識を外部の仕組みに保存し、必要なときに取り出せるようにするシステムです。

従来のセカンドブレインの課題

多くの人がノートアプリに情報を溜め込みますが、実際にはほとんど活用できていません。

従来のセカンドブレイン:
インプット（本・記事・動画）
→ ノートを取る
→ フォルダに保存
→ 忘れる
→ 検索しても見つからない
→ 同じ情報を再度インプット

問題は「保存」と「活用」の間にあるギャップです。ノートは増え続けるが、必要なときに必要な情報を引き出す仕組みがない。Noah さんはこの問題を「誰も解決していなかった問題」と呼んでいます。

AI セカンドブレインの解決策

Claude Code を Obsidian Vault の中で動かすことで、このギャップが埋まります。

OpenClaw 22,000字解説のファクトチェック --- AIエージェントの民主化煽りと技術的実態の分離

Thu, 05 Mar 2026 00:00:00 +0000

OpenClaw 22,000字解説のファクトチェック — 「AIエージェントの民主化」煽りと技術的実態の分離

@unikoukokun 氏が X で投稿した、OpenClaw に関する約 22,000 字の長文解説が話題になっています。

OpenClawがなぜ凄いか。ClaudeCodeで充分じゃね？という人向け

「AIエージェントの民主化」「1人で1,000人分の生産性」「100席の椅子取りゲーム」—強烈な表現で OpenClaw の導入を訴える記事です。技術的な情報と煽り的な主張が混在しているため、本記事ではファクトチェックを行い、正確な情報と誇張を分離します。

元記事の概要

ユニコ氏の記事は、OpenClaw を以下の観点から解説しています。

元記事の主要な主張:
1. OpenClaw は「AIエージェントの民主化」:
ローカル実行の分散型 AI エージェント
Manus（中央集権型）との構造的な違い
2. 3 つの技術的優位性:
外部サービス連携（23+ プラットフォーム）
セッション横断型メモリー（Memory MD）
ブラウザユース（Browser Use）
3. ビジネスへのインパクト:
フリーランスの武器、中小企業の DX ツール
1 人で 1,000 人分の生産性
4. Claude Code との使い分け:
「作る」時は Claude Code、「使う・動かす」時は OpenClaw

全体で約 22,000 字、13 セクション以上の大作です。技術解説としての価値がある一方、煽り的な表現も多く含まれています。

ファクトチェック: 7 つの主要な主張を検証

主張 1: GitHub スター数 247,000 超、フォーク数 47,700 超

判定	概ね正しい（記事時点の数値）

記事の数値は 2026 年 2 月下旬時点のものとして妥当です。2026 年 3 月時点ではスター数 263,000 超、フォーク数 50,400 超にまで成長しており、React を抜いて GitHub の最もスターの多いソフトウェアプロジェクトとなっています。

Shannon — 自律型AIペネトレーションテスターが「実証なき報告」を終わらせる

Thu, 05 Mar 2026 00:00:00 +0000

Shannon — 自律型 AI ペネトレーションテスターが「実証なき報告」を終わらせる

@heynavtoor 氏のポストが話題になっています。

Someone just open sourced a fully autonomous AI hacker and it’s terrifying. It’s called Shannon. Point it at your web app, and it doesn’t just scan for vulnerabilities. It actually exploits them.

Shannon は「No Exploit, No Report（実証できなければ報告しない）」を原則とする、完全自律型の AI ペネトレーションテストツールです。従来のスキャナーが「ここが危険かもしれません」と警告を出す場面で、Shannon は実際に攻撃を実行し、成功した場合だけ報告します。XBOW ベンチマークで 96.15% のスコアを記録し、GitHub で 10,000 以上のスターを獲得しています。

なぜ Shannon が注目されるのか — 年 1 回ペンテストの限界

現代の開発チームは Claude Code や Cursor を使い、毎日コードを出荷しています。一方、ペネトレーションテストは年 1 回が一般的です。365 日のうち 364 日は「検証なし」で本番にデプロイしている計算になります。

.env を AI に安心して触らせる — 1Password CLI ラッパー「opx」とプロセススコープ認証の設計

Wed, 04 Mar 2026 00:00:00 +0000

.env を AI に安心して触らせる — 1Password CLI ラッパー「opx」とプロセススコープ認証の設計

@suin 氏のポストが、AI エージェント時代の .env 管理問題に対する実践的な解決策として、自作の 1Password CLI ラッパー「opx」を公開しています。

.envをAIに安心して触らせたくて、こんなの作った AIエージェントなしではもう開発が成り立たないほど必須になってきています。権限設定がいろいろできるにせよ、本質的にAIエージェントにはプロジェクトの全ファイルを触りうる力を与えているわけで、気になるのがシークレットなどの機密情報です。

Claude Code や Cursor などの AI コーディングエージェントは、開発者と同じ権限でファイルシステムにアクセスします。.env にアクセストークンや AWS キーを平文で書いていれば、エージェントはそれを読めてしまいます。この構造的な問題に対し、「.env に機密情報を一切書かない」というアプローチで解決するのが opx です。

問題の構造 — AI エージェントが .env を読める

なぜ危険なのか

AI コーディングエージェントは通常のプロセスとして動作し、シェル環境を継承します。

開発者のシェル
└── AI エージェント（Claude Code, Cursor 等）
├── ファイルシステムへのフルアクセス
├── .env ファイルの読み取り
├── 環境変数の参照
└── Bash コマンドの実行

.zshrc に AWS_SECRET_ACCESS_KEY を書いていれば、エージェントもそれを持っています。プロンプトインジェクション攻撃を受けた場合、エージェントが意図せず機密情報を外部に送信するリスクがあります。

実際に報告されている脆弱性

2025年末に公開された「IDEsaster」と呼ばれる調査では、Cursor、Windsurf、GitHub Copilot、Cline など30以上の AI IDE に脆弱性が発見されています。OpenAI Codex CLI では .env ファイルを経由した任意コマンド実行の脆弱性（CVE-2025-61260）も報告されました。

「Claude Ads」の正体 — Anthropic 公式ではない個人開発スキルが日本でバズった構造を解剖する

Wed, 04 Mar 2026 00:00:00 +0000

「Claude Ads」の正体 — Anthropic 公式ではない個人開発スキルが日本でバズった構造を解剖する

@lapper_s_high 氏のポストが、「Claude Ads」の名前が引き起こした混乱を端的に指摘しています（いいね 482）。

開発者も日本でこんなに話題になるなんて思わなかったのでは・・

Claude Adsなんて名前つけるから。。

引用元の @ryottaman 氏のポスト（表示 27万、ブックマーク 390）が拡散の起点となり、日本の SNS では「Anthropic が広告運用ツールを出した」という誤解が広がりました。

実際には、Claude Ads は **Anthropic の公式製品ではなく、個人開発者が GitHub に公開した Claude Code 向けのスキル（拡張機能）**です。本記事では、なぜこの混乱が起きたのか、Claude Ads の実態は何なのか、そして Claude Code のスキルシステムがどのように機能するのかを解説します。

なぜ混乱が起きたのか — 3つの偶然の重なり

偶然1: Anthropic のスーパーボウル CM

2026年2月、Anthropic はスーパーボウル第60回大会で CM を放映しました。キャッチコピーは 「Ads are coming to AI. But not to Claude.」（広告は AI にやって来る。だが、Claude には来ない）。OpenAI が ChatGPT への広告導入を発表した直後のタイミングで、「Claude は広告を入れない」と宣言する内容でした。

この CM は大きな話題となり、OpenAI の Sam Altman CEO が「面白いが明らかに不誠実」と反論する事態にまで発展しています。

偶然2: 「Claude Ads」という名前

その直後、個人開発者の Daniel Agrici 氏が GitHub に公開したのが claude-ads です。これは Claude Code で広告アカウントを監査するスキルであり、「Claude を使って Ads（広告）を分析する」という意味での命名でした。

「Claude Codeが無料で使える最強AIエージェント」は本当か — Accomplish の実態とAI煽りの再来

Wed, 04 Mar 2026 00:00:00 +0000

「Claude Codeが無料で使える最強AIエージェント」は本当か — Accomplish の実態とAI煽りの再来

ガガロットAI(@gagarotai200)氏のポストが604いいね、764ブックマーク、約42,000表示と大きな反響を呼んでいます。

『Claude Code』が無料で使える最強AIエージェントが登場したww Accomplishっていうローカルで動くAIエージェントがGitHubに上がってたから共有する。これ入れれば、Claude Codeレベルの AIエージェントがサブスク購入なしで永遠に使えるwww — ガガロットAI(@gagarotai200)

この投稿者は、以前「OpenClawで5人解雇」という根拠不明の煽りポストでも注目を集めた人物で、AIスクールを運営しています。今回も「最強」「無料」「永遠に使える」というキーワードが並んでいますが、主張はどこまで正確なのでしょうか。Accomplish の実態を公式情報から検証します。

Accomplish とは何か

Accomplish は2026年1月13日に公開されたオープンソース（MITライセンス）のデスクトップ AI エージェントです。GitHub Stars 9.6k、Forks 1k、コントリビューター31名と、一定の支持を集めています。

基本情報

項目	内容
開発元	accomplish-ai
ライセンス	MIT
技術スタック	Electron + React + TypeScript
対応OS	macOS（Apple Silicon / Intel）、Windows 11
最新バージョン	0.3.10
内部構造	OpenCode CLI を node-pty 経由で起動

主要機能

ブラウザ自動化: Web検索、フォーム入力、データ抽出
ファイル管理: フォルダ整理、ファイル名変更、コンテンツベースの分類
ドキュメント作成: レポート作成、要約、メール下書き
ワークフロー自動化: 反復タスクの自動化

対応 AI モデル

カテゴリ	プロバイダー
クラウドAPI	Anthropic（Claude）、OpenAI、Google AI、xAI、DeepSeek、Moonshot AI 等
クラウドインフラ	Amazon Bedrock、Azure Foundry、OpenRouter、LiteLLM
ローカル	Ollama、LM Studio

主張の検証

主張1: 「Claude Codeレベルの AIエージェント」

検証結果: 大幅に誇張

「Figmaは100%不要」宣言の真意 --- Claude Codeが溶かすデザインとコードの境界

Wed, 04 Mar 2026 00:00:00 +0000

「Figma は 100% 不要」宣言の真意 — Claude Code が溶かすデザインとコードの境界

@kawai_design 氏が X で公開した記事が議論を呼んでいます。

Claude Code を使えば使うほど、Figma を開く理由が消えていく。これは私だけの感覚ではありません。今、世界中のデザイナーが同じ疑問を抱えています。私の結論は明確です。Figma は 100% 不要。

同時期に UX Collective に掲載された Michael Buckley 氏の記事「Figma はデザインツールではない。コードを避けるためのピタゴラスイッチだ」も世界のデザイナーを震撼させました。本記事では、この「Figma 不要論」の構造と、Figma 自身の対応、そして AI 時代のデザインワークフローの変化を技術的に整理します。

「ピタゴラスイッチ」批判 — 何が問題なのか

UX Collective の記事が突いた急所

Michael Buckley 氏の記事は、Figma でのデザイン作業を**ルーブ・ゴールドバーグ・マシン（ピタゴラスイッチ）**に例えました。

Figma でボタンを作る作業:
1. Auto Layout を設定する
2. パディングを調整する
3. ホバーステートを作る
4. インタラクションを設定する
5. プロトタイプモードで動作確認する
6. 開発者に引き渡す
7. 開発者がコードで再実装する
開発者が同じボタンを作る作業:
<button className="btn-primary">送信</button>
→ 5 分で完了。ホバー、アクセシビリティも含めて

「パンケーキを返すためにピタゴラスイッチを作るようなもの」— この比喩が刺さったのは、多くのデザイナーが無意識にこの非効率を受け入れていたからです。

本質的な問題: デザインとコードの「翻訳」

Figma の存在意義はデザインとコードの間の翻訳レイヤーにあります。

従来のワークフロー:
デザイナーの意図
→ Figma でビジュアル化（翻訳 1）
→ デザインスペック作成（翻訳 2）
→ 開発者がコードに変換（翻訳 3）
→ 実装結果をデザイナーがレビュー（逆翻訳）
翻訳のたびに情報が劣化する:
- ピクセルのズレ
- インタラクションの解釈違い
- レスポンシブ挙動の不一致
- アクセシビリティの抜け漏れ

AI がデザインの意図を理解し、直接コードを生成するようになれば、この翻訳プロセス自体が不要になります。@kawai_design 氏の「翻訳の元データである Figma ファイルも要りません」という指摘は、ここに根ざしています。

「テスト書いて」と「テスト駆動で実装して」は全く別物 — AI×TDD で品質が劇的に変わる構造的理由

Wed, 04 Mar 2026 00:00:00 +0000

「テスト書いて」と「テスト駆動で実装して」は全く別物 — AI×TDD で品質が劇的に変わる構造的理由

@neurostack_0001 氏のポストが、AI にテストを書かせる際の決定的な違いを指摘し、大きな反響を呼んでいます（いいね 267、ブックマーク 222）。

3ヶ月AIにテストコード書かせてわかったこと。

「テスト書いて」と「テスト駆動で実装して」は全く別物だった。

3ヶ月間の実体験から導き出された結論は明快です。AI に「テストを書いて」と頼むのと「テスト駆動で実装して」と頼むのでは、出力されるテストの品質が根本的に異なる。本記事では、なぜこの違いが生まれるのか、その構造的な理由と実践的なワークフローを解説します。

「テスト書いて」が失敗する構造

テスト後付けバイアス

ポスト主が最初に経験した失敗パターンは、多くの開発者に共通するものです。

最初はClaude Codeに「この関数のテスト書いて」と頼んでた。構文は完璧。でも実行すると半分以上落ちる。テスト対象もモックしてたり、存在しないメソッド呼んでたり。「テストっぽいもの」を量産してただけ。

この問題はテスト後付けバイアスと呼ばれる LLM の構造的な弱点に起因します。LLM が実装コードを見てからテストを生成する場合、テストは「コードが何をすべきか」ではなく「コードが何をしているか」を検証するものになりがちです。

具体的に発生する問題は以下の通りです。

問題	説明
テスト対象のモック化	テストすべき関数自体をモックしてしまい、実際のロジックを検証していない
存在しないメソッド呼び出し	LLM のハルシネーションにより、実在しない API やメソッドをテストで使用する
実装への密結合	内部実装の詳細に依存するテストが生成され、リファクタリングで壊れる
網羅性の欠如	エッジケースや異常系のテストが不足し、正常系のみカバーする

なぜ LLM は「テストっぽいもの」を量産するのか

Codemanship の記事が、この問題の本質を指摘しています。

The more things we ask models to pay attention to, the less able they are to pay attention to any of them.

LLM は「次の最も確率の高いトークン」を予測する仕組みです。既存の実装コードをコンテキストに含めてテストを生成すると、モデルは実装の構造を模倣したテストを生成します。テストとしての妥当性ではなく、「テストとして見た目がそれらしいもの」を出力するのです。

これは LLM の根本的な限界であり、プロンプトの工夫だけでは解決できません。

「テスト駆動で実装して」が品質を変える理由

テストファーストが生む構造的な違い

ポスト主が発見した転機は、TDD のループを AI 自身にやらせることでした。

「作れること」の価値が消えるAI時代に、SRE/プロダクション・エンジニアリングの重要性が上がる理由

Wed, 04 Mar 2026 00:00:00 +0000

「作れること」の価値が消える AI 時代に、SRE / プロダクション・エンジニアリングの重要性が上がる理由

integrated1453氏のポストが、すてぃお（@suthio_）氏の note 記事「『作れること』の価値が消えていくAI時代にソフトウェアエンジニアは何をやるべきか」に対して、SRE の視点からコメントし、98いいね、81ブックマーク、約12,600表示と反響を呼んでいます。

エンジニアにとって、より高度にSREをやっていくことの重要性が上がるという話だと思った。プロダクションで起こっている問題をデバッグして修正して再発防止するとか、それらを再現性高く実行できる仕組みを作るとか、SREがやる運用のエンジニアリングそのもの。まずは障害対応100本ノックしよう！笑 — integrated1453

元のすてぃお氏の投稿は552いいね、759ブックマーク、約87,900表示とさらに大きな反響です。すてぃお氏は adding Inc. 代表取締役で、元スタートアップ CTO。Claude Code の登場以降、AI 時代のエンジニア像について一貫した発信を続けています。

すてぃお氏の主張 — 「作れる」から「動かし続ける」へ

核心のテーゼ

すてぃお氏の一連の記事を横断する主張は明確です。

Claude Code を使い始めてから、僕の開発方法は根本的に変わりました。以前は「この処理を実装するのに3日くらいかかるな」と見積もっていたものが、今は適切な指示を出せば30分で形になる。

実装スキル単体の市場価値が低下し、求められるのは以下の能力だという主張です。

低下する価値	上昇する価値
コードを書く能力	コードを読んで検証する能力
実装の速さ	仕様・制約の設計力
個別機能の開発	自己修復・自己改善するシステムの設計
技術力単体	技術力 × ビジネス力

すてぃお氏の提案する3つの方向性

「勝手に動き続ける仕組み」を作る: 修正する人ではなく、自己修復・自己改善するシステムの設計者になる
コードは「読めるけど書けない」でいい: エンジニアの主要業務が「書く能力」から「読む能力」へ転換
事業成長にコミットする: 技術へのコミットメントよりも事業成長へのコミットメントが重要

integrated1453 氏の洞察 — これは SRE の話だ

integrated1453 氏のコメントの核心は、すてぃお氏の「動かし続ける仕組みを作る」という主張を、SRE（Site Reliability Engineering）のコンテキストに接続したことです。

SRE が担う「動かし続ける」

すてぃお氏の表現	SRE の対応する実践
自己修復するシステム	Self-healing infrastructure、自動ロールバック
自己改善するシステム	ポストモーテムからの自動ガードレール生成
再現性高く実行できる仕組み	Infrastructure as Code、ランブック自動化
プロダクションの問題をデバッグ	オブザーバビリティ、分散トレーシング
再発防止	SLO/SLI 定義、エラーバジェット管理

「作れること」の価値が下がるなら、「動かし続けること」の価値が相対的に上がる。これは論理的に自然な帰結です。

Anthropic 公式 skill-creator の設計を解剖する — Orchestration Skill という新しいスキル設計パターン

Wed, 04 Mar 2026 00:00:00 +0000

Anthropic 公式 skill-creator の設計を解剖する — Orchestration Skill という新しいスキル設計パターン

@gyakuse（逆瀬川）氏のポストが、Anthropic 公式の skill-creator を分析した記事を公開し、大きな反響を呼んでいます（いいね 330、ブックマーク 372）。

Anthropicのskill-creatorがめちゃくちゃいいスキルだったので、中身を分析して、今後どういうふうにAgent Skillを作るべきかまとめました。Orchestrator系のSkillはみんなが無意識に作りつつありますが、意識的に作ると結構便利な気がします。

引用元は逆瀬川氏のブログ記事「skill-creatorから学ぶSkill設計と、Orchestration Skillの作り方」。Anthropic が GitHub で公開している skill-creator の内部構造を詳細に分析し、Skills の設計パターンを体系化した記事です。

本記事では、skill-creator の設計思想、7つのベストプラクティス、2つのオーケストレーションアーキテクチャ、そして未解決の課題を解説します。

skill-creator とは何か

「スキルを作るためのスキル」

skill-creator は、Claude Code の Skills を作成・テスト・改善するためのメタスキルです。Anthropic が公式リポジトリ anthropics/skills で公開しています。

4つのモードで Skills の開発ライフサイクル全体をカバーします。

モード	機能
Create	インタビュー → SKILL.md ドラフト作成 → テストケース生成
Eval	並列評価（スキルあり版 vs ベースライン版を同時実行）
Improve	採点・分析 → HTML ビューアでレビュー → フィードバック反映
Benchmark	統計集約 → Description 最適化 → パッケージング

4つの専門エージェント

skill-creator は内部で4つのサブエージェントを使い分けています。

エージェント	役割
Executor	Skills を実際に実行してテスト
Grader（224行）	出力を期待値と照合して採点
Comparator（203行）	スキルあり版とベースライン版を盲検比較
Analyzer（275行）	結果を分析して改善提案を生成

注目すべき数値があります。SKILL.md 本体は 480行のフロー制御ですが、サブエージェントのプロンプトは合計 700行以上。オーケストレーターよりも専門家プロンプトの方が分量が多いのです。

Claude Code Agent Skills を強化する三銃士 --- scripts / references / assets の使い分け

Wed, 04 Mar 2026 00:00:00 +0000

Claude Code Agent Skills を強化する三銃士 — scripts / references / assets の使い分け

@shuhei_ohno 氏が X で投稿した、Claude Code の Agent Skills を強化するディレクトリ構造の解説が注目を集めています。

Agent Skill をもっと強くする三銃士！scripts / references / assets の使い方

Claude Code の Skills 機能は SKILL.md 1 ファイルで完結するものと思われがちですが、実際には scripts / references / assets の 3 つのサポートディレクトリを活用することで、はるかに強力な自動化が可能になります。本記事では、この 3 つのディレクトリの役割と設計パターンを、公式ドキュメントの知見を交えて解説します。

Agent Skills の基本構造

SKILL.md がすべての起点

Claude Code の Skill は、.claude/skills/ ディレクトリに配置された SKILL.md ファイルを起点として動作します。

.claude/skills/
└── my-skill/
├── SKILL.md ← エントリポイント（必須）
├── scripts/ ← 実行可能なコード
├── references/ ← 参照ドキュメント
└── assets/ ← テンプレート・バイナリ

SKILL.md は Markdown 形式で記述し、オプションの YAML フロントマターでメタデータを設定します。

Claude Code Skills × 自己完結スクリプト — MCP/CLIの先にある「トークン効率」設計

Wed, 04 Mar 2026 00:00:00 +0000

Claude Code Skills × 自己完結スクリプト — MCP/CLI の先にある「トークン効率」設計

gunta85 さんが、Claude Code の Skill において自己完結スクリプト（Self-contained Scripts）の活用を推奨するポストを投稿しています。

Skill は MCP でも CLI ツールでもなく、Self-contained Script がおすすめ。外部ライブラリの依存を 1 ファイル内で宣言でき、MCP に比べてトークン消費を劇的に削減できる。

https://x.com/gunta85/status/1929915853508456604

この発言の背景には、mizchi さんによる「MCP はただの CLI/API ラッパーに過ぎない」という指摘もあります。MCP のツール定義だけで数万トークンを消費する問題が顕在化するなか、Agent Skills 仕様が提供する「自己完結スクリプト」は、より効率的な選択肢として注目されています。

Agent Skills とは何か

Agent Skills は、AI エージェントにドメイン知識と実行能力を付与する仕様です。agentskills.io で公開されており、Claude Code をはじめとする複数のエージェントが対応しています。

ディレクトリ構成

.claude/skills/my-skill/
SKILL.md # スキルの説明と使用手順
references/ # 参考ドキュメント（必要時のみ読込）
scripts/ # 自己完結スクリプト
templates/ # テンプレートファイル

プログレッシブ・ディスクロージャ

Agent Skills の設計思想の核心は「段階的な情報開示」です。

段階	内容	トークン目安
メタデータ	frontmatter（名前・説明・引数）	~100 トークン
指示文	SKILL.md 本文	<5,000 トークン
リソース	references/ 配下のファイル	必要時のみ

MCP サーバーがツール定義だけで大量のトークンを消費するのに対し、Skills は必要な情報を段階的に読み込むため、コンテキストウィンドウを効率的に使えます。

Claude Code で日常業務を「半自動化」する設計思想 — 経費精算から月末定常業務まで

Wed, 04 Mar 2026 00:00:00 +0000

Claude Code で日常業務を「半自動化」する設計思想 — 経費精算から月末定常業務まで

岩瀬義昌氏（@iwashi86）が、minorun365 氏の Qiita 記事を引用して次のように投稿しています。

経費精算のところ、とても良いフロー — iwashi86

引用元の記事「Claude Code ですべての日常業務を爆速化しよう！」は、Claude Code をコーディングではなく日常の雑務に全面活用する実践記録です。125 いいね、97 ブックマークを集め、多くのエンジニアの共感を呼びました。

「優秀な後輩が 4 人入社した」という発想転換

minorun365 氏は Claude Code の位置づけをこう表現しています。「優秀な後輩が 4 人フルリモートで入社した」感覚で使う、と。コーディングツールとして見るのではなく、業務アシスタントとして捉え直すことで、活用範囲が一気に広がります。

重要なのは「完全自動化」ではなく「半自動化」という設計思想です。すべてを AI に丸投げするのではなく、最も手間がかかる部分だけを自動化する。人間の判断が必要な箇所は残し、定型的で退屈な作業を AI に任せるアプローチです。

経費精算フローの実例

iwashi86 氏が「とても良いフロー」と評した経費精算の自動化は、以下のように設計されています。

従来のフロー（30 分以上）

MoneyForward で明細を確認
Gmail で領収書メールを検索
freee に手入力で登録
申請

Claude Code 導入後のフロー（5〜10 分）

Claude Code に「今月の経費精算やって」と指示
MoneyForward の CSV を自動解析
Gmail の領収書を自動検索・照合
取引先・金額・勘定科目を自動マッピング
Markdown 形式で出力（freee にコピペ）

ポイントは vendor_map.json による勘定科目の自動分類です。取引先と勘定科目の対応を JSON ファイルで管理し、毎月の精算で再利用します。一度設定すれば、翌月以降は学習済みのマッピングが適用されるため、精度が上がり続けます。

1
2
3
4
5


{
 "Amazon.co.jp": { "account": "消耗品費", "note": "書籍・備品" },
 "AWS": { "account": "通信費", "note": "クラウドインフラ" },
 "スターバックス": { "account": "会議費", "note": "打ち合わせ" }
}

「プチ仕様駆動開発」で雑務をエンジニアリングする

minorun365 氏は、雑務にも「仕様駆動」のアプローチを導入しています。4 つのドキュメントで業務の文脈を構造化します。

Claude Code の生成コードをローカル LLM でレビューする 3 つの構成パターン

Wed, 04 Mar 2026 00:00:00 +0000

Claude Code の生成コードをローカル LLM でレビューする 3 つの構成パターン

Claude Code は強力なコード生成能力を持ちますが、生成されたコードを別の視点でレビューしたい場面があります。クラウド API にコードを送りたくない場合や、コスト削減のためにローカル LLM を活用したい場合です。

この記事では、Ollama + Qwen3（ローカル LLM）と OpenHands（オープンソースのコーディングエージェント）を組み合わせて、Claude Code の生成コードを自動レビューする 3 つの構成パターンを紹介します。

前提となる構成

以下のツールがインストール済みであることを前提とします。

ツール	役割	インストール
Claude Code	コード生成（エージェント）	`npm install -g @anthropic-ai/claude-code`
Ollama	ローカル LLM 実行（ランタイム）	ollama.com
Qwen3	レビュー用 AI モデル（LLM）	`ollama pull qwen3:14b`
OpenHands	レビュー実行（エージェント）※パターン 2・3	`pip install openhands-ai`

構成図で示すと、Claude Code（クラウド）が書いたコードを、ローカル環境でレビューする構造です。

Claude Code（Anthropic API）
↓ コードを生成・編集
ローカルリポジトリ（あなたの PC）
↓ レビュー依頼
OpenHands / Git フック
↓
Ollama（ローカルランタイム）
↓
Qwen3（ローカル LLM）→ レビュー結果を出力

パターン 1：Git フック + Ollama 直接呼び出し（最もシンプル）

OpenHands は不要です。Claude Code がコミットするタイミングで、Git の pre-commit フックが Ollama に差分を送り、Qwen3 にレビューさせます。

Claude Code 起動画面のオレンジの生き物「Clawd」の正体 — カニ？タコ？誰も知らない公式マスコットの謎

Wed, 04 Mar 2026 00:00:00 +0000

Claude Code 起動画面のオレンジの生き物「Clawd」の正体 — カニ？タコ？誰も知らない公式マスコットの謎

@koder_dev 氏のポストが、多くの Claude Code ユーザーが抱えていた疑問を代弁しています（いいね 301、RT 78）。

Claude Code起動するたび出てくるオレンジの生き物、お前誰だよってずっと思ってたけどZennで正体暴いてる記事あって面白かった

良かった、気になってるの自分だけかと思った笑

引用元は tutupizizizi 氏による Zenn 記事「Claude Codeを起動するたび出てくるオレンジの生き物、お前は一体何なんだ」。Claude Code を起動するたびにターミナルに現れるオレンジ色の8ビットピクセルアートの正体を、ソースコードまで追って調査した記事です。

本記事では、この謎のマスコット「Clawd」について、公式情報・コミュニティの議論・ソースコードの調査結果をまとめます。

Clawd とは何か

基本情報

Claude Code を起動すると、ターミナルの上部に ASCII アートで描かれたオレンジ色の生き物が表示されます。これが Clawd（クロード）です。

 ████████████
██ ██
██ ██ ██ ██
██ ██
██ ██████████ ██
██ ██
██ ██ ██
██ ██ ██

（実際の表示はターミナルの Unicode ブロック文字で描画されます）

項目	内容
名前	Clawd
読み方	クロード（Claude と同じ発音）
名前の由来	「Claude」+「Claw（爪）」のダジャレ
公式絵文字	🦀
初登場	Claude Code の初期バージョンから
デザイン	8ビットピクセルアート風
通常の色	オレンジ

種族は公式に未定義

Clawd の最大の謎は、Anthropic が公式に「何の生き物か」を明言していないことです。このため、コミュニティは3つの派閥に分裂しています。

Claude Cowork を最強にする 17 の方法 --- プロンプトではなく「設計」で差がつくシステム工学

Wed, 04 Mar 2026 00:00:00 +0000

Claude Cowork を最強にする 17 の方法 — プロンプトではなく「設計」で差がつくシステム工学

@masahirochaen 氏が X で投稿した、Claude Cowork のベストプラクティス解説が反響を呼んでいます。

海外でバズった「Claude Cowork を最強にする 17 の方法」の学びが深い。プロンプト力ではなく「仕組み」で差がつく

元になっているのは @heynavtoor（Nav Toor）氏の X Article「17 Best Practices That Make Claude Cowork 100x More Powerful」です。Nav Toor 氏は 2026 年 1 月 12 日から Cowork を使い始め、7 週間で 400 セッション以上を重ねた経験をもとに、Anthropic が公式ドキュメントに書いていない 17 の実践法をまとめています。いいね 3,194、ブックマーク 13,149、閲覧 188 万超と大きな反響を得ました。本記事では、この 17 の方法を技術的に掘り下げて解説します。

Claude Cowork とは

Claude Code との違い

Claude Cowork は、Anthropic が提供する非エンジニア向けの AI エージェント環境です。Claude Code がターミナルベースの開発者向けツールであるのに対し、Cowork は Claude デスクトップアプリ内で動作する GUI ベースの作業環境です。

GitHub Copilot CLI の /research コマンド --- コミットログも Actions 履歴も全部調べてくれるディープリサーチ

Wed, 04 Mar 2026 00:00:00 +0000

GitHub Copilot CLI の /research コマンド — コミットログも Actions 履歴も全部調べてくれるディープリサーチ

@07JP27 氏が X で連続投稿し、GitHub Copilot CLI の /research コマンドの威力を紹介しています。

/research コマンドすげえ。Web を Deep Research してくれるのはもちろん、紐づくリポジトリのコミットログとか GitHub Actions の実行履歴まで全部見てくれて「お前のこのときのコミットのここが原因だぞ。Actions のログにもこう出てるだろ」みたいなことを言ってくる。

元の投稿では Qiita 記事（@shyamagu 氏の解説）も参照されており、MCP ツール連携や WorkIQ との統合例が紹介されています。本記事では、/research コマンドの技術的な仕組みと、Claude Code との比較を交えて解説します。

/research コマンドとは

概要

2026 年 2 月 25 日、GitHub Copilot CLI が全有料プラン向けに一般提供（GA）を開始しました。同日リリースの v0.0.417 で追加された /research コマンドは、ディープリサーチ専用のスラッシュコマンドです。

通常のチャットが速度重視なのに対し、/research は徹底性（thoroughness）を重視します。複数のツールを呼び出しながら情報を収集し、数百行に及ぶ Markdown レポートを生成します。

1
2
3
4
5


# 基本的な使い方
/research Azure App Service の 2026 年の新機能

# MCP ツールを明示的に指定
/research microsoft-docs ツールを使って Azure App Service の新機能を調査してください

3 つのクエリ分類

/research はクエリを自動分類し、回答形式を最適化します。

Ollama で Qwen3 を動かす初心者ガイド — 日本語最強ローカルLLMを自分のPCで使う方法

Wed, 04 Mar 2026 00:00:00 +0000

Ollama で Qwen3 を動かす初心者ガイド — 日本語最強ローカル LLM を自分の PC で使う方法

「ChatGPT みたいな AI を、自分の PC だけで動かせたら」と思ったことはありませんか。Ollama と Qwen3 を使えば、それが実現できます。この記事では、Saiteki AI の解説記事をベースに、初心者でもわかるように Ollama と Qwen3 の導入手順をまとめました。

まず知っておきたい：LLM・ランタイム・エージェントの 3 層構造

AI の世界には、混同しやすい 3 つの概念があります。この記事で扱う Ollama と Qwen がどこに位置するかを最初に整理しましょう。

レストランに例えると

お客さん（あなた）
↓ 「パスタを作って」
ウェイター（AI エージェント） ← 注文を聞き、判断し、段取りを組む
↓ 「この食材でこう調理して」
キッチン設備（ランタイム） ← オーブンや鍋。料理を物理的に実行する環境
↓
シェフの腕＝レシピの知識（LLM） ← 実際に「どう調理するか」を知っている頭脳

層	役割	具体例	自分で判断するか
LLM（AI モデル）	言葉を理解し、回答を生成する「頭脳」	Qwen3, Llama3, Gemma2	しない（聞かれたことに答えるだけ）
ランタイム	LLM をメモリに読み込み、動かす「実行環境」	Ollama, vLLM, llama.cpp	しない（言われた通り動かすだけ）
AI エージェント	LLM を使って自律的に「仕事」をこなすプログラム	Claude Code, Devin, Dify	する（目標に向かって複数ステップを自分で組み立てる）

3 つの関係

AI エージェント（Claude Code など）
↓ 「この質問を LLM に投げて」
ランタイム（Ollama など）
↓ モデルをメモリに読み込んで推論実行
LLM（Qwen3 など）
↓ 回答を生成
ランタイム → エージェントに結果を返す

LLM は「頭脳」。質問されたら答えを返すが、自分からは何もしない
ランタイム は「エンジン」。LLM を動かすが、何を質問するかは決めない
エージェント は「ドライバー」。ランタイム経由で LLM を呼び出し、結果を見て次の行動を自分で決める

この記事で扱うのは、LLM（Qwen3）とランタイム（Ollama）の 2 つです。 エージェントは含みませんが、Ollama で動かした Qwen3 を Claude Code や Dify などのエージェントのバックエンドとして使うことも可能です。

OpenHands 入門ガイド — 無料・オープンソースの AI コーディングエージェントを自分の PC で動かす

Wed, 04 Mar 2026 00:00:00 +0000

OpenHands 入門ガイド — 無料・オープンソースの AI コーディングエージェントを自分の PC で動かす

OpenHands とは

OpenHands（旧 OpenDevin）は、AI が自律的にコードを書き、デバッグし、テストを実行するオープンソースのコーディングエージェントです。MIT ライセンスで完全無料、GitHub で 68,000 スター以上を獲得し、479 名以上のコントリビューターが参加しています。

簡単に言えば、「Claude Code や Devin のオープンソース版」です。自然言語で「この関数のテストを書いて」「このバグを直して」と指示するだけで、AI がファイルを読み、コードを編集し、ターミナルでコマンドを実行して、タスクを完了させます。

LLM・ランタイム・エージェントの 3 層構造における位置づけ

AI ツールを理解する上で、3 つの層を区別することが重要です。

あなた
↓ 「このバグを直して」
エージェント（OpenHands） ← コードを読み、修正し、テストを実行する「ドライバー」
↓ 「この質問を LLM に投げて」
ランタイム（Ollama 等） ← LLM を動かす「エンジン」
↓
LLM（Qwen3, Claude 等） ← 回答を生成する「頭脳」

層	役割	OpenHands の場合
LLM	言語理解・コード生成	Claude, GPT, Qwen3 など（選択可能）
ランタイム	LLM の実行環境	Anthropic API / OpenAI API / Ollama
エージェント	自律的にタスクを遂行	OpenHands がここ

OpenHands の最大の特徴はモデル非依存であることです。クラウド API（Claude, GPT）でも、ローカル LLM（Ollama + Qwen3）でも動作します。

Skills の自動最適化 — TextGrad を応用して提案書生成スキルを「学習」させる実験と過学習の発見

Wed, 04 Mar 2026 00:00:00 +0000

Skills の自動最適化 — TextGrad を応用して提案書生成スキルを「学習」させる実験と過学習の発見

@yusuke_post 氏が、Claude Code の Skills を深層学習の手法で自動最適化する実験を公開し、大きな反響を呼んでいます。

最初のポスト（いいね 1,226、ブックマーク 2,265）では TextGrad を応用した Skills 最適化の概念を紹介し、続報のポスト（いいね 126、ブックマーク 132）では追加実験の結果として以下の知見を報告しています。

わかったのは、・３イテレーションくらいで過学習する。・１回だけでなく、3回くらいイテレーションを回すことで徐々にスコアが改善する。・学習を始めて最初の方は、「提案書に何を書くか」を学び出して、最後の方では「提案書のそれぞれの項目をどう書くか」を自動で学習する。

特に「全体最適→局所最適の順番で AI が自動で学んだ」という発見は、深層学習の訓練過程と同様の振る舞いが Markdown のプロンプトでも起きることを示唆しています。本記事では、この実験の背景・手法・発見を解説します。

TextGrad とは何か

「テキスト版の誤差逆伝播」

TextGrad（論文: arXiv 2406.07496）は、Stanford 大学の Zou グループが開発し、Nature に掲載されたフレームワークです。深層学習における誤差逆伝播（backpropagation）の概念を、テキストに適用します。

[深層学習の最適化]
入力 → ニューラルネット → 出力 → 損失関数 → 勾配計算 → パラメータ更新
↑ 数値の勾配
[TextGrad の最適化]
入力 → LLM → 出力 → 評価（LLM） → テキスト勾配 → プロンプト更新
↑ 自然言語のフィードバック

従来の深層学習では数値的な勾配を計算してパラメータを更新しますが、TextGrad では LLM が自然言語で「どう改善すべきか」をフィードバックし、それを「テキスト勾配」としてプロンプトを更新します。

Subagent と Agent Teams の違い — 「働くエージェント」と「議論するエージェント」を設計レイヤで理解する

Wed, 04 Mar 2026 00:00:00 +0000

Subagent と Agent Teams の違い — 「働くエージェント」と「議論するエージェント」を設計レイヤで理解する

@dify_base 氏のポストが、Claude Code の Subagent と Agent Teams の違いを図解で整理しています。

Claude Code の「Subagent」と「Agent Teams」の違い、意外と知らない人が多いので、図解で整理しました👇

✅Subagent → 調査して結果を返すだけの部下 ✅Agent Teams → 複数AIが議論・協力する自律チーム

この2つの機能は名前が似ていて混同しやすいですが、設計思想が根本的に異なります。本記事では、公式ドキュメントと Qiita の設計レイヤ分析記事を基に、両者の違いを構造的に解説します。

一言で言う違い

Qiita の記事が最も端的に表現しています。

Subagent は「働くエージェント」、Agent Teams は「議論するエージェント」

	Subagent	Agent Teams
一言で	調査して結果を返す部下	議論・協力する自律チーム
比喩	上司に報告するだけの社員	横で相談し合うプロジェクトチーム

構造的な違い — 通信モデルが本質

Subagent: スター型（親子通信のみ）

 メインエージェント
／ ｜ ＼
Subagent Subagent Subagent
(Explore) (Plan) (general)

Subagent はメインエージェントの単一セッション内で動作します。結果をメインエージェントに返すことしかできず、Subagent 同士は直接通信できません。

Agent Teams: メッシュ型（全方向通信）

 リード（チームリーダー）
／ ｜ ＼
Teammate Teammate Teammate
(API) (UI) (Test)
＼ ｜ ／
共有タスクリスト

Agent Teams のメンバーは完全に独立したセッションとして動作し、互いに直接メッセージを送受信できます。リードを介さずに横の連携が可能です。

ハーネスエンジニアリング実践知 — 「AIを使う人」と「AIを設計する人」の決定的な差

Wed, 04 Mar 2026 00:00:00 +0000

ハーネスエンジニアリング実践知 — 「AIを使う人」と「AIを設計する人」の決定的な差

まさお(@AI_masaou) 氏が、Claude Code のハーネス（開発基盤）をテーマにした約 80 分の対談形式勉強会のまとめ記事を公開しました。

新しい note を公開しました！ハーネスエンジニアリングに向き合う上で、実践的にはどうしているのか？の勉強会を行いましたのでそのまとめを記事にしました — @AI_masaou

元記事（ハーネスエンジニアリングの実践知を共有！【質問/勉強会のまとめ】）は有料コンテンツのため、本記事ではテーマであるハーネスエンジニアリングの実践知について、公開情報をもとに技術的な背景と具体的な手法を解説します。

ハーネスエンジニアリングとは

「ハーネス」とは馬具のことです。馬の力をそのまま放置すれば暴走しますが、ハーネスで制御すれば有用な仕事に変わります。AI エージェントも同じです。LLM の推論能力をそのまま使うのではなく、適切な制御基盤（ハーネス）で囲むことで信頼性の高い成果に変換するのがハーネスエンジニアリングです。

コンピュータの構成に対応させると、位置づけがわかりやすくなります。

コンピュータ	AI エージェント
CPU	LLM（推論エンジン）
OS	エージェントハーネス（制御・管理基盤）
アプリケーション	AI エージェント（実行層）

CPU がどれだけ高速でも、OS が適切に管理しなければアプリケーションは動きません。同様に、LLM がどれだけ賢くても、ハーネスの設計が悪ければエージェントの出力品質は上がりません。

コンテキストエンジニアリングとの関係

Andrej Karpathy が X で提唱した「コンテキストエンジニアリング」は、ハーネスエンジニアリングの中核概念です。

Context engineering is the delicate art and science of filling the context window with just the right information for the next step. — Andrej Karpathy

LLM のコンテキストウィンドウを「RAM」と捉え、次のステップに必要な最適な情報だけを入れる技術です。ハーネスエンジニアリングはこのコンテキスト管理の仕組み全体を包む上位概念にあたります。

ハーネスエンジニアリング（全体設計）
├── コンテキストエンジニアリング（何を LLM に渡すか）
├── 権限制御（何を許可・禁止するか）
├── ライフサイクル自動化（いつ何を実行するか）
└── 並列実行・隔離（どう安全に並列化するか）

「環境設計 > モデル能力」— OpenAI Codex チームの実証

ハーネスエンジニアリングの重要性を最も説得力をもって示したのが、OpenAI のエンジニアリングチームによる 5 ヶ月間の実験です。

ローカル LLM を社内業務に特化させる 4 段階カスタマイズ — Qwen3 を「より賢く」する仕組み

Wed, 04 Mar 2026 00:00:00 +0000

ローカル LLM を社内業務に特化させる 4 段階カスタマイズ — Qwen3 を「より賢く」する仕組み

Claude Code で生成したコードをローカル LLM（Ollama + Qwen3）でレビューする構成を前回の記事で紹介しました。しかし、汎用モデルのままでは「受注ステータスの遷移ルール」や「金額計算に float を使ってはならない」といった社内固有のルールを知りません。

この記事では、Qwen3 を社内業務に特化させ、特定のコーディング規約・業務ルール・過去の障害パターンを踏まえたレビューができるようにする 4 段階のカスタマイズ手法を紹介します。

全体像：4 段階のカスタマイズ

レベル	手法	導入期間	効果	専門知識
1	Modelfile（システムプロンプト）	即日	ルールベースの指摘	不要
2	RAG（社内ドキュメント検索）	1〜2 日	文脈を踏まえた指摘	Docker の基本
3	Few-shot（レビュー事例の学習）	数日	パターン認識の向上	不要
4	LoRA ファインチューニング	1〜2 週間	モデル自体の精度向上	Python・ML の基本

レベル 1：ルールを「教える」 ← すぐできる
レベル 2：資料を「渡す」 ← 1〜2日
レベル 3：お手本を「見せる」 ← 数日
レベル 4：頭脳を「鍛える」 ← 1〜2週間

推奨: レベル 1 から順に導入し、効果を確認しながらステップアップしてください。多くの場合、レベル 1 + 2 で十分な精度が得られます。

.envの代わりにaws-vaultで安全に環境変数を与える — Claude Code時代のAWS認証情報管理

Tue, 03 Mar 2026 00:00:00 +0000

.env の代わりに aws-vault で安全に環境変数を与える — Claude Code 時代の AWS 認証情報管理

AI エージェントがローカルファイルを直接読み書きする時代、.env に平文で認証情報を置くリスクが顕在化しています。前回の記事では、この問題の背景と複数のシークレット管理ツールを紹介しました。

本記事では、AWS を利用しているチームに向けて、aws-vault を使って .env と ~/.aws/credentials を完全に排除する具体的な手順を解説します。

aws-vault が解決する問題

~/.aws/credentials の平文問題

AWS CLI を使う開発者の多くは、~/.aws/credentials にアクセスキーを平文で保存しています。

1
2
3
4


# ~/.aws/credentials（平文で保存されている）
[default]
aws_access_key_id = AKIAIOSFODNN7EXAMPLE
aws_secret_access_key = wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY

このファイルには2つのリスクがあります。

Claude Code が読み取れる: AI エージェントがファイルシステムを探索する際、~/.aws/credentials のアクセスキーが LLM のコンテキストに載る可能性がある
長期的な認証情報が漏洩する: アクセスキーには有効期限がなく、漏洩した場合は手動でローテーションするまで悪用され続ける

aws-vault のアプローチ

aws-vault は以下の2段階で問題を解決します。

暗号化保存: アクセスキーを ~/.aws/credentials ではなく、OS のキーストア（macOS Keychain 等）に暗号化して保存する
一時認証の生成: AWS STS（Security Token Service）を使って、1時間で失効する一時認証情報を生成し、子プロセスに注入する

[従来]
~/.aws/credentials（平文） → AWS CLI / boto3 が直接読み取り
→ 長期キーがメモリに残る
[aws-vault]
macOS Keychain（暗号化） → aws-vault が STS で一時認証を生成
→ 子プロセスに環境変数として注入
→ 1時間で失効

セットアップ

インストール

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


# macOS（推奨）
brew install --cask aws-vault

# macOS（Homebrew formula 版）
brew install aws-vault

# Linux
brew install aws-vault

# Windows
choco install aws-vault
# または
scoop install aws-vault

macOS では --cask 版が推奨されています。コード署名されているため、Keychain アクセス時の追加のパスワードプロンプトが少なくなります。

.envの代わりにlkrでLLM APIキーを安全に管理する — セットアップからClaude Code連携まで

Tue, 03 Mar 2026 00:00:00 +0000

.env の代わりに lkr で LLM API キーを安全に管理する — セットアップから Claude Code 連携まで

AI エージェントがローカルファイルを読み書きする時代、.env に平文で置いた API キーが LLM のコンテキストに載るリスクが現実のものになっています。前回の記事ではこの問題の全体像を、aws-vault の記事では AWS 認証情報の保護を解説しました。

本記事では、LLM Key Ring（lkr）を使って LLM API キーを安全に管理する具体的な手順を解説します。aws-vault が AWS 認証情報に特化しているのに対し、lkr は OpenAI・Anthropic・Google など LLM API キーの管理に特化したツールです。

lkr が解決する問題

.env に LLM API キーを置くリスク

多くの開発者は .env ファイルに API キーを平文で保存しています。

1
2
3


# .env（平文で保存されている）
OPENAI_API_KEY=sk-proj-xxxxxxxxxxxxxxxxxxxx
ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxxxxxxxxxx

このファイルには4つの攻撃ベクトルがあります。

攻撃ベクトル	説明
Git への混入	`.gitignore` に頼るヒューマンエラー。うっかりコミットは後を絶たない
シェル履歴への漏洩	`export OPENAI_API_KEY=sk-...` が `~/.bash_history` に残る
プロセス情報への露出	`ps` コマンドで環境変数が見える
AI エージェントによる抽出	Claude Code がファイルを読み取り、LLM の API リクエストに含まれる

4番目が AI 時代に特有の脅威です。Claude Code は.env ファイルを自動的に読み込むことが確認されており、API キーが意図せず Anthropic のサーバーに送信されるリスクがあります。

「上位 1% の Claude Skills 構築方法」を技術的に読み解く --- スキルの構造・設計パターン・組織展開

Tue, 03 Mar 2026 00:00:00 +0000

「上位 1% の Claude Skills 構築方法」を技術的に読み解く — スキルの構造・設計パターン・組織展開

@sales_muscle 氏が X で投稿した、Claude Skills の構築ガイドが反響を呼んでいます。

上位1%のClaude Skills構築方法

投稿では、AI 活用の基準が「プロンプトのうまさ」から「AI にスキル（専門能力）を組み込み、組織の資産にできるか」へ移行したと主張しています。本記事では、この投稿の内容を Claude Code の公式ドキュメントと照らし合わせ、スキルの技術的な構造と実践的な設計パターンを掘り下げます。

Claude Skills とは何か

プロンプトからスキルへの進化

投稿の核心は「指示（プロンプト）からスキルへ」という転換です。これは技術的に正確な指摘です。

従来の AI 活用:
ユーザー → プロンプトを毎回書く → AI が回答
問題: 知識がチャットセッションに閉じる、再現性がない
スキルベースの AI 活用:
ユーザー → /skill-name で呼び出す → AI がスキルの手順に従って実行
利点: 再現性あり、共有可能、自動呼び出し対応

Claude Code 公式ドキュメントによると、スキルは「SKILL.md ファイルに指示を書き、Claude のツールキットに追加する」仕組みです。Claude は関連するタスクで自動的にスキルを読み込むか、/skill-name で直接呼び出せます。

スキルの技術的な定義

スキルは単なるプロンプトテンプレートではなく、以下の要素を持つ構造化されたモジュールです。

要素	役割
YAML フロントマター	名前、説明、呼び出し制御、許可ツールなどのメタデータ
Markdown 本文	Claude が従う具体的な手順・ルール
サポートファイル	テンプレート、例、スクリプトなどの補助リソース
文字列置換	`$ARGUMENTS`、`$0`、`${CLAUDE_SESSION_ID}` などの動的値

スキルは Agent Skills オープン標準に準拠しており、Claude Code 固有の機能ではなく、複数の AI ツールで動作する標準仕様です。

AI が書いたコードに「なぜそうなったか」の記録はあるか --- git-memento と AI コード追跡の新標準

Tue, 03 Mar 2026 00:00:00 +0000

AI が書いたコードに「なぜそうなったか」の記録はあるか — git-memento と AI コード追跡の新標準

@SatoshiSsSs 氏が X で投稿した、git-memento に関する解説が注目を集めています。

AIが書いたコードに「なぜそうなったか」の記録はあるか？ Hacker News（HN）で議論になっている git-memento を読み解く

Hacker News での議論では、AI が生成したコードのセッション履歴をコミットに紐づけるべきか否かが活発に議論されています。AI コーディングの普及とともに、「コードは動くが、なぜその実装になったのか誰も分からない」という問題が深刻化しています。本記事では、この問題の構造と、git-memento をはじめとする解決策の技術的な仕組みを掘り下げます。

問題 — AI が書いたコードの「なぜ」が消えている

Vibe Coding 時代の追跡可能性の危機

2026 年、AI コーディングツール（Claude Code、Cursor、GitHub Copilot など）でコードを書くことが日常になりました。しかし、AI が生成したコードには構造的な問題があります。

従来の開発:
開発者が考える → コードを書く → コミットメッセージに意図を記録
→ 「なぜそうしたか」は開発者の頭の中 + コミット履歴にある
AI 駆動開発:
開発者が指示する → AI が考える → AI がコードを書く → コミット
→ 「なぜそうなったか」は AI セッションの中に閉じている
→ セッションが終わると消える

CodeRabbit の分析（2025 年 12 月）によると、AI と共著されたコードは人間が書いたコードと比較して、ロジックエラーが 75% 多く、セキュリティ脆弱性が 2.74 倍多いとされています。問題が発見されたとき、「なぜこの実装になったのか」を遡れなければ、修正の方針すら立てられません。

Claude Code / MCP を安全に使うための実践ガイド — settings.json の多層防御と deny の落とし穴

Tue, 03 Mar 2026 00:00:00 +0000

Claude Code / MCP を安全に使うための実践ガイド — settings.json の多層防御と deny の落とし穴

セキュリティ研究者のyousukezan氏（バグバウンティプログラムでランク1位受賞歴あり）が紹介した Zenn 記事「Claude Code / MCP を安全に使うための実践ガイド」が注目を集めています。165いいね、161ブックマークという反響は、Claude Code のセキュリティ設定に対する実務者の強い関心を示しています。

本記事では元記事の内容を掘り下げつつ、公式ドキュメントや GitHub Issues の情報を加えて、実務で本当に機能するセキュリティ設定を整理します。

背景 — 8桁後半の被害事例

この記事が書かれた背景には、AI コーディングツール経由で Google Ads の MCC が乗っ取られ、8桁後半の被害が発生した事例があります。報告された4つの攻撃ベクターは全て Claude Code / MCP の利用シーンで再現可能です。

攻撃ベクター	Claude Code での該当リスク
間接プロンプトインジェクション	Webページに埋め込まれた隠し指示をAIが実行
プロンプトサプライチェーン攻撃	外部から取得した CLAUDE.md / settings.json / .mcp.json の改ざん
MCP権限悪用（Tool Poisoning）	許可済みMCPツールの悪意ある利用
クレデンシャルリーク	トークンやAPIキーのログ・git履歴への残存

最も重要な3つの設定

元記事が推奨する最小限の設定は3つです。

1. bypassPermissions モードの無効化

1
2
3
4
5


{
 "permissions": {
 "disableBypassPermissionsMode": "disable"
 }
}

--dangerously-skip-permissions フラグは全ての承認プロンプトをスキップします。公式ドキュメントによると、このモードではClaude がファイルの削除、破壊的なコマンドの実行、不可逆な変更を承認なしで行えます。disableBypassPermissionsMode: "disable" で組織全体でこのモードを禁止できます。

Claude Code サンドボックス完全解説 — chroot ではない、カーネルレベル隔離の仕組みと実践設定

Tue, 03 Mar 2026 00:00:00 +0000

Claude Code サンドボックス完全解説 — chroot ではない、カーネルレベル隔離の仕組みと実践設定

「Claude Code のサンドボックスって、要するに chroot でしょ？」という誤解をよく耳にします。答えは明確にノーです。Claude Code のサンドボックスは chroot とは次元の異なるカーネルレベルの隔離機構で、ファイルシステムとネットワークの2層を OS プリミティブで強制します。

Anthropic のエンジニアリングブログによると、サンドボックスにより承認プロンプトが84%削減されました。セキュリティと生産性を両立する仕組みの全貌を、技術的な背景から実践設定まで解説します。

chroot との決定的な違い

まず「chroot で十分か」という疑問に答えます。結論から言えば、chroot はセキュリティ対策として設計されていません。

隔離技術の比較

Practical CTF の解説を基に、主要な隔離技術を比較します。

技術	制限対象	脱出の容易さ	設計目的
chroot	ファイルシステムのパス解決のみ	容易（root 権限で即脱出）	組織的なツール（セキュリティ目的ではない）
seccomp	システムコール	中程度（許可リストの漏れを突く）	セキュリティ機構
namespaces	プロセス、ネットワーク、マウント	困難（適切設定時）	コンテナ隔離
Seatbelt	ファイル、ネットワーク、IPC、プロセス	困難（カーネルレベル強制）	アプリケーション隔離

chroot の脱出方法

chroot がセキュリティ対策に不十分な理由を具体的に示します。

カレントディレクトリ攻撃: chroot 実行時にカレントディレクトリが jail 外にあれば、相対パスで脱出可能
二重 chroot: 別の chroot を実行して前の制限を上書き
ファイルディスクリプタ: jail 外で開かれた fd を経由してアクセス
openat syscall: ディレクトリ fd を使って jail 外のファイルを操作

つまり chroot は「ルートディレクトリの表示を変えるだけ」であり、ネットワーク制限もシステムコール制限もありません。AI エージェントのサンドボックスとしては全く不十分です。

Claude Code に「目」を与える --- ローカル VLM で画像・動画をコンテキスト消費ゼロで理解させる

Tue, 03 Mar 2026 00:00:00 +0000

Claude Code に「目」を与える — ローカル VLM で画像・動画をコンテキスト消費ゼロで理解させる

@ShadeLurk 氏が X で公開した記事が注目を集めています。

Claude Code に「目」を作る — コンテキストを 1 トークンも使わずに動画を理解させる方法

Claude Code で画像や動画を扱うと、1 枚あたり数千トークンがコンテキストから消えます。ローカル VLM（Qwen3-VL 等）を MCP サーバー経由で接続し、画像処理をオフロードすることで、Claude Code のコンテキストを一切消費せずにビジュアル情報を扱う手法が提案されています。本記事では、この問題の構造と解決アプローチを技術的に解説します。

問題 — 画像 1 枚で数千トークンが消える

Claude のビジョン処理とトークン消費

Claude API でのビジョン処理は、画像をトークンに変換してコンテキストウィンドウに載せる仕組みです。Anthropic の公式ドキュメントによると、トークン消費量は以下の式で算出されます。

tokens = (width px × height px) / 750

画像サイズ	トークン数	1,000 枚あたりのコスト
200x200 px（0.04 MP）	約 54	約 $0.16
1000x1000 px（1 MP）	約 1,334	約 $4.00
1092x1092 px（1.19 MP）	約 1,590	約 $4.80

1 枚の高解像度スクリーンショットで 約 1,600 トークンが消費されます。Claude Code のコンテキストウィンドウは約 200,000 トークンですが、システムプロンプト・CLAUDE.md・会話履歴・MCP ツール定義などが既に占有しているため、実質的に使える容量は限られています。

dotenvx で暗号化、1Password CLI で注入 — .env 平文ゼロのローカル開発環境を構築する

Tue, 03 Mar 2026 00:00:00 +0000

dotenvx で暗号化、1Password CLI で注入 — .env 平文ゼロのローカル開発環境を構築する

@higa_toshiki 氏のポストが、ローカル開発で .env の平文を排除する実践的な手法を紹介しています（いいね 217、ブックマーク 255）。

ローカルに.envの平文を置きたくないけど、ローカルで開発したいこともあるので、

dotenvxで.envを暗号化

1 password cli で key を注入するを使ってます。（元木さんの言うように「秘密情報の平文はクラウドに置こう」に則る形）

引用元の @swarm_ai_cloud 氏のポストでは、AI CLI の .env 読み込み防止機能への疑問が呈されています。

AI のCLIには.env読まない仕様があるって？そんなん信用できるか？AI CLIはバージョンが上がればバグが混入し弾くファイル設定していても普通に読んだりするし

Claude Code が .env ファイルを自動的に読み込むことが確認されている今、「deny ルールで防ぐ」だけでは不十分という指摘は的を射ています。本記事では、higa 氏が紹介する2つのツール — dotenvx と 1Password CLI — の仕組みと実践的なセットアップ手順を解説します。

2つのアプローチの組み合わせ

higa 氏のワークフローは、2つの異なるアプローチを組み合わせています。

ツール	アプローチ	何を守るか
dotenvx	`.env` ファイル自体を暗号化	ファイルを読まれても平文が漏れない
1Password CLI	クラウド Vault からランタイム注入	そもそもファイルにシークレットを置かない

[dotenvx のアプローチ]
.env（暗号化済み）→ dotenvx run → 復号してプロセスに注入
→ .env.keys（秘密鍵）が必要
→ Git にコミット可能
[1Password CLI のアプローチ]
1Password Vault（クラウド）→ op run → プロセスに注入
→ Touch ID / マスターパスワードで認証
→ ディスクに平文が一切残らない

両者は排他的ではなく、用途に応じて使い分けるのが現実的です。

MCP サーバーを増やしてもコンテキストを食わせない — Claude Code の Tool Search でトークン消費を95%削減

Tue, 03 Mar 2026 00:00:00 +0000

MCP サーバーを増やしてもコンテキストを食わせない — Claude Code の Tool Search でトークン消費を95%削減

@djrio_vr 氏のポストが、Claude Code の MCP Tool Search 機能を紹介し、大きな反響を呼んでいます（いいね 418、ブックマーク 522）。

Claude Codeで登録してるMCPサーバが増えてくるとコンテキストがかなり食われてたけど、Tool Searchという必要な時だけ動的ロードするオプションをONにしたらめちゃくちゃコンテキスト節約になった！

環境変数 ENABLE_TOOL_SEARCH=true と設定するだけ

MCP サーバーを複数接続していると、会話を始める前からコンテキストウィンドウの大部分が消費されてしまう問題は、多くの Claude Code ユーザーが直面していました。本記事では、この問題の構造と Tool Search による解決策を技術的に解説します。

MCP ツール定義がコンテキストを圧迫する構造

なぜ MCP サーバーを増やすとコンテキストが減るのか

Claude Code に MCP サーバーを接続すると、各サーバーが提供する全てのツール定義がコンテキストウィンドウに読み込まれます。ツール定義には、ツール名、説明文、JSON スキーマ（パラメータの型・制約・説明）が含まれており、1つのツールだけでも数百トークンを消費します。

[MCP サーバー接続時のコンテキスト構造]
システムプロンプト ～数千トークン
├── Claude Code の指示
├── CLAUDE.md の内容
└── ユーザー設定
ツール定義 ★ ここが問題
├── 組み込みツール（Read, Edit, Bash 等）
├── MCP サーバー A のツール × 10個
├── MCP サーバー B のツール × 15個
├── MCP サーバー C のツール × 20個
└── ...
会話履歴 ← 残りがここに使われる
├── ユーザーのメッセージ
└── Claude の応答

具体的な数値

GitHub Issue #3036 では、約20個の MCP サーバーを接続した環境で、開始時点からコンテキスト使用率が8〜18%に達し、わずか5プロンプトで100%に到達する現象が報告されています。

Readout — Claude Code の開発環境をリアルタイム監視する macOS ネイティブアプリと「エージェント監視」カテゴリの台頭

Tue, 03 Mar 2026 00:00:00 +0000

Readout — Claude Code の開発環境をリアルタイム監視する macOS ネイティブアプリと「エージェント監視」カテゴリの台頭

まさお@AI駆動開発(@AI_masaou)氏のポストが注目を集めています。168いいね、242ブックマークという反響は、Claude Code ユーザーが「セッション管理」と「コスト把握」に強い課題感を持っていることを示しています。

Claude Codeを日常的に使っているなら、これは知っておいたほうがいい。『Readout』— Claude Codeの開発環境をリアルタイム監視するmacOSネイティブアプリ。完全ローカル動作、アカウント不要、無料 — まさお@AI駆動開発(@AI_masaou)

紹介されている Readout は、開発者 Benji Taylor(@benjitaylor) が「自分のために作った道具」です。2026年2月27日の公開からわずか数日で英語圏・日本語圏・中国語圏に同時に広まり、AIエージェント監視という新しいツールカテゴリの勃興を象徴する存在になっています。

Readout の概要

Readout は macOS Tahoe 向けのネイティブアプリ（v0.0.6 Beta、19.8MB）です。Claude Code のセッションログをローカルで読み取り、開発環境の状態を一つのダッシュボードに集約します。

主要機能

機能	説明
リポジトリ状態	Git ブランチ、変更ファイル、ワークツリーの一覧
セッション履歴	過去の Claude Code セッションを一覧表示
APIコスト追跡	トークン消費量と推定コストのリアルタイム表示
依存関係	プロジェクトの依存パッケージの状態
設定ファイル	CLAUDE.md、MCP 設定の一覧
ポート使用状況	開発サーバーのポート占有状態

セッションリプレイ

Benji Taylor氏のアナウンスによると、セッションリプレイは Readout の最も注目される機能です。過去の Claude Code セッションをタイムラインで完全再生でき、以下の操作が可能です。

プロンプト、ツール呼び出し、ファイル変更を時系列で表示
再生速度の変更やステップ実行
ファイル編集時のリアルタイムハイライト

これは「Claude Code が何をしたか」を事後検証するためのツールであり、セキュリティ監査やコードレビューの観点からも有用です。

Assistant 機能

バックグラウンドで開発環境をスキャンし、その情報をベースにインタラクティブな対話が可能です。ワークツリーのクリーンアップや衛生管理の修正といったアクションも実行できます。応答はリッチなコンテンツカードで表示されます。

Codex 対応

v0.0.7 で OpenAI Codex のセッション監視にも対応しました。Claude Code に限定されないマルチエージェント監視ツールへの進化が見えます。

AIコーディングツール導入でMCC乗っ取り被害 — Antigravity・Claude Codeの脆弱性とシャドーAI対策

Mon, 02 Mar 2026 00:00:00 +0000

AIコーディングツール導入でMCC乗っ取り被害 — Antigravity・Claude Codeの脆弱性とシャドーAI対策

広告運用の現場に衝撃が走っています。広告の裏側(@hassii_ad)氏のポストによると、ある代理店がAIコンサルの支援で Claude Code と Google Antigravity を導入した結果、Google Ads の MCC（マネージャークライアントセンター）アカウントが乗っ取られ、被害額は8桁後半に達したとのことです。

知り合いの代理店がとあるAI導入したらMCCが乗っ取られて桁違いの損害でてて震えた。こういうのこれから増えそうですね。 — 広告の裏側(@hassii_ad) 2026年2月17日

この事態を受けて、まな(@ADHDHSP249834)氏は「AIコンサルがClaude CodeとAntigravityの導入を進めたんですかね？その時点で大問題です」と指摘しています。

基本は3大LLMとCopilot程度に止めるべきです。またシャドーAI対策を進めていなかったことも想定されますね。セキュリティ対策をせずに、ローカルファイルにアクセスできるAIツールを導入するのはNGです！ — まな(@ADHDHSP249834)

MCC乗っ取りの推定原因

@hassii_ad 氏は乗っ取りの原因として4つの可能性を挙げています。

原因	概要
悪意あるWebサイト指示	プロンプトインジェクションによりAIの動作を乗っ取る
配布プロンプトへの悪意ある指示混入	AIコンサルまたは社員が使用したプロンプトに仕込まれた攻撃
MCPツールの悪用	Model Context Protocol ツールを経由した不正操作
トークン流出	自動化過程でAPIトークンや認証情報が漏洩

特に深刻なのは、MCCが正規の権限で操作された場合、通常の操作と区別がつかず「補償は絶望的」という点です。Google Ads の MCC アカウントは複数の広告アカウントを一元管理する仕組みのため、一度乗っ取られると被害が連鎖的に広がります。

Google Ads のセーフガードはなぜ機能しなかったのか

Google Ads には予算制限やセキュリティ機能が存在しますが、正規権限で操作された場合にはほとんど機能しません。

既存のセーフガード一覧

機能	内容	乗っ取り時に有効か
日予算の上限	1日の費用は日予算の2倍まで	攻撃者が日予算自体を変更可能
月間費用上限	月間費用は日予算 x 30.4 まで	同上
アカウント予算	アカウント全体の費用上限を設定可能。上限到達で全広告停止	攻撃者が上限を変更・解除可能
異常な予算変更の確認	大幅な予算変更時（例: $100→$1,000）に確認ダイアログ表示	UI操作のみ。API経由なら確認なし
不審なアクティビティの検知	Google が異常を検知すると一時的な日次支出制限を適用	「正規権限」の操作は異常と判定されにくい
自動ルール	一定額到達でキャンペーンを一時停止するルール設定が可能	攻撃者がルール自体を削除可能

セーフガードが無力化される理由

今回の事件の核心は、攻撃者が MCC の正規の管理者権限を取得している点です。

Claude Ads で広告運用を186項目自動監査 --- Claude Code スキルが広告代理店の仕事を奪い始めた

Mon, 02 Mar 2026 00:00:00 +0000

Claude Ads で広告運用を186項目自動監査 — Claude Code スキルが広告代理店の仕事を奪い始めた

@ratekomaru 氏が X で紹介した「Claude Ads」が話題になっています。

Claudeやばすぎだろwwww ピンポイントで業界潰して回ってる。無料でGoogle・Meta・YouTube・LinkedIn・TikTok・Microsoft Adsなど186項目にわたるチェック機能を備えたClaude Code向けの包括的な有料広告監査・最適化スキル「Claude Ads」

12 万超のインプレッション、1,700 以上のいいねという反響は、「AI が広告運用の専門職を代替する」という予感を多くの人が共有している証拠でしょう。本記事では Claude Ads の仕組みを掘り下げつつ、広告業界に起きている構造変化を整理します。

Claude Ads とは何か

Claude Ads は、Claude Code 向けに作られたオープンソースの広告監査・最適化スキルです。MIT ライセンスで公開されており、インストールは1コマンドで完了します。

1

curl -fsSL https://raw.githubusercontent.com/AgriciDaniel/claude-ads/main/install.sh | bash

主な特徴は以下の通りです。

項目	内容
対応プラットフォーム	Google Ads, Meta Ads, YouTube Ads, LinkedIn Ads, TikTok Ads, Microsoft Ads
チェック項目数	190（Google 74, Meta 46, LinkedIn 25, TikTok 25, Microsoft 20）
業種テンプレート	SaaS, EC, ローカルサービス, B2B, モバイルアプリ, 不動産, ヘルスケア, 金融など 11 種
並列実行	6 つのサブエージェントが同時にプラットフォーム別監査を実行
ライセンス	MIT

アーキテクチャ — サブエージェント並列実行

Claude Ads の設計はシンプルですが効果的です。

Claude Code から Nano Banana 2 を呼ぶ — クロスモデル Skills 活用術

Mon, 02 Mar 2026 00:00:00 +0000

Claude Code から Nano Banana 2 を呼ぶ — クロスモデル Skills 活用術

鹿野壮さん（@tonkotsuboy_com）が、Claude Code から Gemini の画像生成モデル「Nano Banana 2」を直接呼び出せるスキルを紹介しています。

Nano banana 2をClaude Codeから呼び出せるスキルを見つけた、すごくいい Nano bananaのためだけに毎回Geminiアプリを立ち上げる手間が省ける。画像参照とか複雑な命令をしたり、複数枚同時に作れるの便利すぎるブヒィ

— 鹿野壮 (@tonkotsuboy_com)

投稿にはいいね 232、ブックマーク 301 と反響が大きく、「AI コーディングツールから別の AI モデルを呼ぶ」というクロスモデル連携への関心の高さがうかがえます。

Nano Banana 2 とは何か

Nano Banana 2 は、Google DeepMind が 2026 年 2 月 26 日に発表した画像生成モデルです。正式な技術名称は Gemini 3.1 Flash Image で、「Nano Banana」は Gemini のネイティブ画像生成機能のブランド名として使われています。

Nano Banana ファミリーには 3 つのモデルがあります。

モデル	技術名	特徴
Nano Banana 2	Gemini 3.1 Flash Image	高速・高コスパ。Flash ベースで大量生成向き
Nano Banana Pro	Gemini 3 Pro Image	最高品質。プロフェッショナル制作向け
Nano Banana	Gemini 2.5 Flash Image	初代。低遅延タスク向け

Nano Banana 2 の主な機能は以下の通りです。

Claude Code スキルで AI ワークフローを自動化する — Ralph Loop + YAML 宣言的定義の実践

Mon, 02 Mar 2026 00:00:00 +0000

Claude Code スキルで AI ワークフローを自動化する — Ralph Loop + YAML 宣言的定義の実践

kenfdev さん（@kenfdev）が、Claude Code のスキル機能を活用した AI エージェントのワークフロー自動化について、実践的な技術記事を公開しています。

Claude Code のスキルを中心に、AIエージェントのワークフローを自動化してみた話を書きました。 bash の while ループで claude -p を繰り返す Ralph Loop と、YAML でワークフロー定義を組み合わせて、plan → implement → review → finalize を自律的に回す仕組みです。 TAKTほどの精度には及ばないのですが、それなりに自分のワークフローでは活用できています。

— kenfdev (@kenfdev)

記事の核は「Ralph Loop」と「YAML ワークフロー定義」という 2 つの技術を Claude Code スキルで統合し、plan → implement → review → finalize を自律的に回す仕組みです。

Ralph Loop とは何か

起源

Ralph Loop（正式には Ralph Wiggum Loop）は、Geoffrey Huntley が考案した AI 開発自動化パターンです。名前はシンプソンズのキャラクターに由来しますが、仕組み自体は極めてシンプルです。

基本構造

1
2
3
4
5
6
7


while true; do
 result=$(claude -p "プロンプト")
 # 完了判定
 if [[ "$result" == *"COMPLETE"* ]]; then
 break
 fi
done

bash の while ループで claude -p（ヘッドレスモード）を繰り返し呼び出す、たったこれだけです。-p フラグは Claude Code を非対話モードで実行し、結果を標準出力に返します。

Claude Code スキルで「穴場市場」を自動発掘 — コードを書かない AI エージェント活用術

Mon, 02 Mar 2026 00:00:00 +0000

Claude Code スキルで「穴場市場」を自動発掘 — コードを書かない AI エージェント活用術

「Claude Code はプログラミング支援ツール」——そう思い込んでいませんか？

@koder_dev さんのポストで紹介された Zenn 記事（s4kura 氏）が話題になっています。Claude Code の スキル機能 を使って「穴場市場を探させる」という、コーディングとは全く異なる使い方です。

「Claude Code にスキル自作させて穴場市場探させるって Zenn の記事めっちゃ面白かった。いや本当自分の周りも自作 skill でプログラミング作って色んな作業やらせてる、無限に応用効くからなー」— @koder_dev

Claude Code スキルとは何か

基本概念

Claude Code のスキルは、SKILL.md ファイルに指示を記述することで Claude の機能を拡張する仕組みです。いわば 「プロンプトエンジニアリングのパッケージ化」 です。

スキルなし:
毎回 → 「こういう手順で」「こういう基準で」「こういう形式で」と指示
結果 → 指示漏れ、品質のばらつき
スキルあり:
毎回 → /skill-name と入力するだけ
結果 → 事前定義した手順・基準・形式が自動適用

スキルの構造

スキルは SKILL.md を中心としたディレクトリです。

my-skill/
├── SKILL.md # メイン指示（必須）
├── references/ # 判断基準・リファレンス（任意）
├── templates/ # テンプレート（任意）
├── scripts/ # 実行スクリプト（任意）
└── examples/ # サンプル出力（任意）

SKILL.md は YAML フロントマターとマークダウンコンテンツの 2 部構成です。

Claude Code スキルの自動最適化 — テキスト勾配で「職人芸プロンプト」を工学に変える

Mon, 02 Mar 2026 00:00:00 +0000

Claude Code スキルの自動最適化 — テキスト勾配で「職人芸プロンプト」を工学に変える

「プロンプトは職人芸」——そんな時代が終わりつつあります。

@yusuke_post さんが発表した X 記事では、プロンプトエンジニアリングを自動化する研究を応用して Claude Code の Skills を自動最適化する手法が紹介されています。ヒアリングメモから SaaS 導入提案書を生成するスキルを題材に、4 イテレーションで 13.6 点のスコア改善を達成しました。

@kgsi さんも「この取り組みすごい、ナレッジが溜まっている企業や組織ほどこの仕組みで効果が出そう」と反応しています。

全体像：何がどう繋がっているのか

この記事で扱う内容を先に俯瞰します。

課題

Claude Code の Skills（SKILL.md）は、タスクの手順を定義する「指示書」です。しかし、良い指示書を書くのは難しく、試行錯誤が属人的になりがちです。

graph LR
A["人間が SKILL.md を書く"] --> B["実行"]
B --> C["結果がイマイチ"]
C --> D["🤔 勘で修正<br/>（= 職人芸）"]
D --> B
style D fill:#f9c74f,color:#000

解決策：テキスト勾配による自動改善ループ

深層学習がパラメータを自動で最適化するように、SKILL.md を自動で最適化するのがテキスト勾配です。

graph TD
A["① SKILL.md（現在の指示書）で実行"] --> B["② 出力を正解データと比較<br/>（人間の過去の成果物）"]
B --> C["③ AI が差分を分析し改善点を言語化<br/>= テキスト勾配"]
C --> D["④ テキスト勾配に従って<br/>SKILL.md を改訂"]
D --> E["⑤ 改訂版で再実行"]
E --> B
C -.- F["例: 優先度の整理ステップが欠如している"]
style C fill:#4ecdc4,color:#000
style F fill:#f0f0f0,color:#555,stroke-dasharray: 5 5

4 回繰り返すだけで 13.6 点のスコア改善を達成。

Claude Code の /simplify と /batch — AIコーディングは「書く」から「整える・並列で移す」へ

Mon, 02 Mar 2026 00:00:00 +0000

Claude Code の /simplify と /batch — AI コーディングは「書く」から「整える・並列で移す」へ

Tsukasansan 氏のポストが、Claude Code v2.1.63 で追加された 2 つの新スキル /simplify と /batch を紹介しています。この 2 つのスキルは、AI の役割を「コードを書く補助ツール」から「品質を整え、大規模な変更を並列実行する分業チーム」へと変える転換点です。

/simplify — PRに出す前の「仕上げ」を自動化

/batch — 大規模マイグレーションを並列で一気に実行

Claude Code の開発者 Boris Cherny 氏も、この 2 つのスキルについて「毎日使っている」と述べています。

/simplify: 3 つのエージェントによる自動コードレビュー

/simplify は、実装完了後に実行する「仕上げ」コマンドです。git diff で最近の変更を検出し、3 つの専門レビューエージェントを並列実行します。

3 つのレビュー観点

エージェント	検出対象	具体例
コード再利用	重複ロジック、既存ユーティリティで置き換え可能なコード	同じバリデーションが 3 箇所にコピペされている
コード品質	冗長な状態管理、パラメータの肥大化、リーク抽象化	引数が 8 個ある関数、使われていない変数
効率性	不要な処理、並列化の機会、ホットパス内の重い処理	ループ内での毎回の DB クエリ、不要な再レンダリング

3 つのエージェントが問題を検出するだけでなく、修正まで自動的に適用します。従来のリンターと異なり、高レベルのアーキテクチャ上の問題に対応するのが特徴です。

使い方

1
2
3
4
5
6
7


# 基本: 変更ファイルを自動レビュー・修正
/simplify

# 特定の観点にフォーカス
/simplify focus on memory efficiency
/simplify check for unnecessary dependencies
/simplify focus on security patterns in the auth flow

実践的なワークフロー

実装完了後、PR を出す前に /simplify を実行するだけです。

Claude Code の「処理」と「ドメイン知識」をレイヤー分離する設計術

Mon, 02 Mar 2026 00:00:00 +0000

Claude Code の「処理」と「ドメイン知識」をレイヤー分離する設計術 — スキルが複利で効く構造をつくる

gura 氏の投稿が、Claude Code を使った PM 業務の知見を共有しています。2 ヶ月間の実運用で最も効いた設計判断は、Skill（処理レイヤー）と CLAUDE.md（ドメイン知識レイヤー）の分離だったとのことです。この考え方は、Claude Code の公式アーキテクチャとも一致する設計パターンです。

問題：なぜ全部入りの設定は破綻するのか

Claude Code を使い始めると、多くの人が CLAUDE.md にあらゆる情報を詰め込みます。プロジェクトの規約、処理手順、ドメイン知識、スタイルガイド。しかしこの「全部入り」アプローチには構造的な問題があります。

コンテキスト汚染: CLAUDE.md はセッション開始時に全文がロードされるため、情報量が増えるほどトークンを圧迫します
Lost in the Middle: 長大なコンテキストの中間部分が軽視される現象が発生します
再利用不能: プロジェクト固有の知識と汎用的な処理手順が混在し、別プロジェクトへの横展開ができません

SO Technologies 開発者ブログの分析によると、全部入り CLAUDE.md はセッション開始時にコンテキストの 40〜50% を占有するケースもあったと報告されています。

2 つのレイヤーを分離する

gura 氏が提唱するのは、明確な 2 層構造です。

Skill = 処理レイヤー

「どのフォルダから何を読んで、どう加工して、どこに出すか」を定義する

Skill は入力と出力が明確な、小さな処理単位です。

Skill の例	入力	出力
議事録の文字起こし	音声データ	テキスト議事録
外部向け議事録変換	内部議事録	フィルタリング済み議事録
Slack 共有	文書	Slack メッセージ
レポート生成	各種データ	フォーマット済みレポート

Skill は どのプロジェクトでも処理の骨格は同じ です。ファイルの場所は .claude/skills/<skill-name>/SKILL.md に配置し、YAML フロントマターで名前と説明を記述します。

Claude Code ベストプラクティス — 成果を安定させる 7 つの鉄則と公式ガイドの設計思想

Mon, 02 Mar 2026 00:00:00 +0000

Claude Code ベストプラクティス — 成果を安定させる 7 つの鉄則と公式ガイドの設計思想

qiitapoi 氏のポストが、Qiita 記事「Claude Code ベストプラクティス – 成果を安定させる 7 つの鉄則」を紹介しています。この記事は、Claude Code の公式ベストプラクティスを実務者の視点で 7 つのルールに凝縮したもので、「具体的に頼む」「必ず検証する」という基本から、セッション管理やコスト意識まで、日々の運用に直結する指針をまとめています。

本記事では、この 7 つの鉄則を公式ドキュメントの設計思想と照らし合わせながら、なぜそのルールが効くのかを掘り下げます。

公式ベストプラクティスの根本原則: コンテキストウィンドウ

Claude Code 公式ベストプラクティスは、冒頭で明確に述べています。

ほとんどのベストプラクティスは 1 つの制約に基づいています。Claude のコンテキストウィンドウはすぐにいっぱいになり、満杯になるにつれてパフォーマンスが低下します。

Claude Code の 200K トークンのコンテキストウィンドウには、すべてのメッセージ、読み取ったファイル、コマンド出力が蓄積されます。コンテキストが埋まるにつれて、初期の指示を「忘れる」、ミスが増えるといった品質低下が起きます。7 つの鉄則のほぼすべてが、この制約への対処法として理解できます。

7 つの鉄則と公式ガイドの対応

nogataka 氏の Qiita 記事が提案する 7 つの鉄則を、公式ドキュメントの推奨事項と対応させて整理します。

鉄則	内容	公式ガイドの対応セクション
1. 具体的に頼む	5W1H で指示を明確にする	プロンプトで具体的なコンテキストを提供する
2. 必ず検証する	diff、テスト、コストの 3 点確認	Claude に自分の作業を検証する方法を与える
3. CLAUDE.md でルール言語化	プロジェクト固有の規約を明文化する	効果的な CLAUDE.md を書く
4. セッション短く保つ	1 タスク 1 セッション	セッションを管理する
5. 計画→実行の 2 段階	5 分ルールで判断	最初に探索し、次に計画し、その後コーディングする
6. コスト意識	/cost で定期確認	コンテキストを積極的に管理する
7. 自動化への次ステップ	Hooks, MCP, Agent Teams	自動化とスケール

7 つの鉄則は、公式ガイドの膨大な内容を実務者が日常的に参照できる形に圧縮したものと位置づけられます。

Claude Code 時代の .env 管理 — 「平文で置かない」秘密情報の新しい守り方

Mon, 02 Mar 2026 00:00:00 +0000

Claude Code 時代の .env 管理 — 「平文で置かない」秘密情報の新しい守り方

@yousukezan 氏のポストが、AI 駆動開発における秘密情報管理の盲点を端的に指摘しています。

Claudeが社内に広がるほど、.envが危ない。Cowork時代に必要なのは「便利さ」より秘密情報の置き場所

引用元の Qiita 記事では、Claude Code や Cowork が「チャットで質問するだけのツール」から「ローカルファイルに直接アクセスする開発エージェント」へ進化したことで、従来の .gitignore だけでは守りきれない脅威が生まれていると論じています。本記事では、この問題の技術的背景と実践的な対策を掘り下げます。

何が変わったのか — 脅威モデルの転換

従来の開発ワークフローでは、.env ファイルの脅威モデルは明確でした。

脅威	対策
Git リポジトリへの混入	`.gitignore` に記載
本番環境への漏洩	環境変数やシークレットマネージャで注入
他人のマシンへの流出	ローカルに置く前提なので問題なし

ところが、Claude Code のような AI エージェントがローカルファイルを直接読み書きする時代になると、第三の脅威が加わります。

新しい脅威	内容
AI エージェントによる読み取り	`.env` がツールの入力コンテキストに載る
意図しないクラウド送信	読み取った内容が LLM の API リクエストに含まれる
組織内の横展開	Cowork で複数人が同じプロジェクトを触る際の露出

IPA「情報セキュリティ 10 大脅威 2026」でも「AI の利用をめぐるサイバーリスク」が初選出で 3 位にランクインしており、この脅威モデルの転換は業界全体の認識となりつつあります。

Claude Code は .env をどう扱うのか

自動読み込み問題

セキュリティ研究者 Dor Munis 氏の調査によると、Claude Code は .env、.env.local などのファイルを自動的に読み込み、API キーやトークンをメモリに展開していることが判明しています。プロキシ認証情報が意図せず読み込まれ、HTTP 407 エラーとプロキシ料金の異常な高騰として問題が顕在化しました。

Claude Cowork 入門ガイド — プロンプトを頑張る時代の終わり、「仕組み化」で AI と働く新しいスタイル

Mon, 02 Mar 2026 00:00:00 +0000

Claude Cowork 入門ガイド — プロンプトを頑張る時代の終わり、「仕組み化」で AI と働く新しいスタイル

長谷川氏（@taichi_we）が投稿した「Claude Cowork の始め方ガイド」が X 上で大きな反響を呼んでいます。ブックマーク数 14,850、いいね 6,021、閲覧数 300 万超という驚異的な数字です。

プロンプトを頑張る時代は、もう終わりに近い。これから必要なのは、「AIに何を渡せば仕事が進むか」を整えることです。

この記事では、元ポストの内容をベースに、公式ドキュメントや技術解説記事の情報を加えて、Claude Cowork の全体像と実践的な始め方を解説します。

Claude Cowork とは何か

Claude Cowork は、Anthropic が提供する 非エンジニア向けの自律型 AI エージェント機能 です。Claude Desktop アプリに統合されており、「Chat」「Code」と並んで「Cowork」タブから利用できます。

もともと Claude Code はエンジニア向けのコマンドラインツールとして提供されていましたが、ファイル整理やスプレッドシート作成など、コーディング以外の用途にも多く使われていることに Anthropic が気づきました。実際、Claude Code でも業務タスクは十分に実行できます。ただし、ターミナル操作は非エンジニアにとってハードルが高いという課題がありました。Cowork は Claude Code と同等の能力を GUI で包み、誰でもアクセスできるようにしたものです。

項目	Claude Chat	Claude Code	Claude Cowork
対象ユーザー	全般	開発者中心（だが業務タスクも可能）	非エンジニアを含む全職種
インターフェース	Web / アプリ	ターミナル（CLI）	Desktop アプリ（GUI）
ファイル操作	アップロード / ダウンロード	ローカル直接アクセス	ローカル直接アクセス
自律実行	なし	あり	あり
差別化ポイント	手軽な対話	Bash 実行、Git 操作、MCP、スキル	プラグイン、コネクター、スケジュール実行
前提スキル	不要	ターミナル操作に慣れている必要あり	不要

本質的な違いは「何ができるか」ではなく「誰がアクセスしやすいか」です。Claude Code でもレポート作成やファイル整理といった業務タスクは問題なくこなせます。Cowork はその能力を、ターミナルに馴染みのないユーザーにも開放したものと考えるのが正確です。

ハーネスエンジニアリング入門 — AIエージェントの性能はモデルではなく周辺設計で決まる

Mon, 02 Mar 2026 00:00:00 +0000

ハーネスエンジニアリング入門 — AIエージェントの性能はモデルではなく「周辺設計」で決まる

朱雀氏のポストが、Claude Code や Codex の仕組みを理解するうえで「ハーネス」の概念が重要だと紹介しています。2026 年に入り、AI エージェント開発の焦点は「どのモデルを使うか」から「モデルの周囲をどう設計するか」に移りました。この周辺設計を指す言葉がハーネスエンジニアリングです。

Claude CodeやCodexの仕組みを詳しく理解したい人にはこれがおすすめ。「ハーネス」について詳しく解説してくれている。

ハーネスとは何か

ハーネスとは、AI モデルを囲む運用インフラのことです。Phil Schmid 氏の解説では、コンピュータに例えて次のように整理しています。

コンピュータ	エージェント
CPU	モデル（推論エンジン）
RAM	コンテキストウィンドウ（作業メモリ）
OS	ハーネス（コンテキスト管理、ツール処理、起動シーケンス）
アプリケーション	エージェント（ユーザー固有のロジック）

モデルが CPU なら、ハーネスは OS です。どれだけ高性能な CPU を積んでも、OS が貧弱では実用的なアプリケーションは動きません。

具体的には、ハーネスは以下の要素を管理します。

会話・コンテキスト管理: セッション間の記憶、コンテキストウィンドウの最適化
ツール呼び出し層: MCP/SDK ツールの提供と制御
権限管理: 実行可能な操作の制御
セッション・ファイルシステム状態: 作業ディレクトリ、Git 状態の管理
ループ制御・エラーハンドリング: リトライ、ガードレール、検証
観測性: ログ、メトリクス、テレメトリ

モデルではなくハーネスが性能を決める

2026 年に入ってから、ハーネスの重要性を示す数値データが相次いで公開されています。

ハーネス変更だけで性能が 10 倍に

ベンチマーク結果によると、ツール形式を変えただけで 15 モデルすべてのスコアが改善しました。最も劇的だったのは Grok Code Fast 1 で、6.7% から 68.3% に跳ね上がり約 10 倍でした。モデルの重みには一切手を加えていません。

同じモデルでもスキャフォールドで倍近い差

Claude Opus 4.5 は、あるスキャフォールドで 42%、別のスキャフォールドで 78% を達成しました。同じモデルでも、ハーネスの設計次第で性能が倍近く変わります。

生成AIで情報漏えいが増える本当の理由 — 「検索者がAIになった」時代の脅威モデルと3層防御

Mon, 02 Mar 2026 00:00:00 +0000

name: security-check description: Claude Code 利用における情報漏えいリスクをチェックする。 Auto Memory や CLAUDE.md への機密混入、.env の gitignore 漏れ、機密ファイルの存在などを検査する。

Claude Code の利用に関する情報漏えいリスクをチェックしてください。

チェック対象

以下の 4 カテゴリを順番に検査する。

1. Auto Memory の機密スキャン

~/.claude/ 配下の memory ファイルを検査する:

以下のパスを Glob で列挙する:
- ~/.claude/projects/*/memory/*.md
- ~/.claude/projects/*/memory/**/*.md
各ファイルを Read で読み込み、以下のパターンを Grep で検出する:
- API キー・トークン: (?i)(api[_-]?key|secret[_-]?key|access[_-]?token|bearer)\s*[:=]\s*\S+
- パスワード: (?i)(password|passwd|pwd)\s*[:=]\s*\S+
- AWS 認証情報: (?i)(AKIA[0-9A-Z]{16}|aws[_-]?secret)
- 接続文字列: (?i)(mysql|postgres|redis|mongodb):\/\/\S+
- 個人情報パターン: メールアドレス、電話番号、マイナンバーらしき数字列
- 金額・契約情報: (?i)(契約金額|単価|請求|売上)\s*[:：]\s*[\d,￥¥$]+
- 顧客 ID の具体値: (?i)(顧客id|customer[_-]?id|ユーザーid|user[_-]?id)\s*[:=：]\s*\d+
検出があれば、ファイルパス・行番号・該当箇所を報告する

2. CLAUDE.md の機密スキャン

プロジェクトの CLAUDE.md およびグローバルの ~/.claude/CLAUDE.md を検査する:

両ファイルを Read で読み込む
チェック 1 と同じパターンで Grep 検査する
加えて、以下も確認する:
- URL にトークンやキーが含まれていないか（?token=, ?key=, ?secret=）
- 内部 IP アドレスやホスト名が含まれていないか
CLAUDE.md はリポジトリにコミットされるため、検出時は即時対応を推奨として強調する

3. 機密ファイルの gitignore チェック

プロジェクトルートで以下を確認する:

# 組織の課題管理から個人のタスク整理と優先度づけへ — Claude Code によるタスクトリアージ

Sun, 01 Mar 2026 00:00:00 +0000

組織の課題管理から個人のタスク整理と優先度づけへ — Claude Code によるタスクトリアージ

各システムの役割と利用者

システム	主な利用者	目的
Backlog	利用者側の責任者・管理部門	利用者が課題を把握・確認するため
Asana	開発会社の PM・経営者	開発会社の責任者が状況を把握するため
GitHub	開発担当者	作業担当者が実装・コード変更を管理するため

3層の責任構造

利用者（顧客） 開発会社（経営・PM） 開発会社（作業担当）
│ │ │
Backlog Asana GitHub
課題確認会で 経営判断・ Issue/PR で
進捗レビュー リソース配分 実装を管理

各システムは異なるステークホルダーが、それぞれの責任範囲で状況を把握するために存在する。これは冗長ではなく、報告先ごとに適切な粒度・視点で情報を提供するための構造。

担当者の課題: 「今何をすべきか」の判断

3システムはどれも他者への報告用であって、担当者が「自分が次に何をやるか」を整理する場所ではない。

システム	読者	自分の優先度確認に使えるか
Backlog	利用者の責任者	△ 顧客視点の優先度であって自分の作業順ではない
Asana	開発会社の経営・PM	△ 経営視点のフィルタがかかっている
GitHub (epm-server)	作業担当者	△ Issue は技術タスク単位で、全体俯瞰しにくい

解決策: Claude Code でタスクトリアージ → プライベートリポジトリの Issue に記録

タスクトリアージ（状況分析と優先度づけ）は Claude Code セッションで行い、結論の記録先は社内プライベートリポジトリの GitHub Issue に置く。

AI エージェント入門 — 元 Meta エンジニアが説く「オートメーションとエージェントの決定的な違い」

Sun, 01 Mar 2026 00:00:00 +0000

AI エージェント入門 — 元 Meta エンジニアが説く「オートメーションとエージェントの決定的な違い」

「AI エージェント」という言葉が溢れる2026年。しかし、本当に「エージェント」と呼べるものはどれだけあるのでしょうか。

@kgsi（こぎそ）さんのポストで紹介されていた、元 Meta ソフトウェアエンジニア Vasuman Moza 氏の「AI Agents 101」は、コードを書く前に理解すべきエージェントの本質を明快に整理しています。

“If you want to learn how to build AI Agents, read this before you write a single line of code.” （AI エージェントの構築を学びたいなら、コードを1行書く前にこれを読め）

この記事では、Vasuman 氏のガイドの要点と、エンジニアが押さえるべきポイントを解説します。

オートメーション vs エージェント — 根本的な違い

最も重要な区別は、指示（instructions） と 目標（goals） の違いです。

	オートメーション	エージェント
入力	事前に決められた手順（指示）	達成すべきゴール（目標）
動作	ルール通りに実行	状況を観察しながら自律的に判断・行動
例外処理	ルール外は停止 or エラー	文脈を理解して適応
代表例	RPA、cron ジョブ、IFTTT	Claude Code、Devin、カスタム AI エージェント

一言で言えば：

Claude Code が汎用AIエージェント基盤へ進化 — Auto Memory・Remote Control・Scheduled Tasks の全貌

Sun, 01 Mar 2026 00:00:00 +0000

Claude Code が「汎用AIエージェント基盤」へ進化 — Auto Memory・Remote Control・Scheduled Tasks の全貌

2026年2月、Anthropic は Claude Code に3つの重要なアップデートを投入しました。これらを組み合わせると、オープンソースの自律AIエージェント OpenClaw に近い体験が、公式機能だけで実現できる可能性が見えてきます。

参考ツイート: @Fujin_Metaverse

3つのアップデート概要

機能	概要	リリース
Auto Memory	AIが自分で学習内容を記憶・蓄積する	2026年2月
Remote Control	スマホからPCのClaude Codeを操作	2026年2月25日
Cowork Scheduled Tasks	指定時間に自動でタスクを実行	2026年2月24日

1. Auto Memory — AIが自分でメモを取り、セッションを超えて記憶する

仕組み

Claude Code がプロジェクトごとに MEMORY.md ファイルを自動作成し、以下のような情報を蓄積していきます。

プロジェクトのビルドコマンド、コードスタイル
アーキテクチャの決定事項
デバッグで解決したトリッキーなバグ
ユーザーのワークフローやコミュニケーションスタイル

技術的な詳細

項目	内容
保存場所	`~/.claude/projects/<encoded-path>/memory/MEMORY.md`
読み込み	セッション開始時に最初の200行をシステムプロンプトに自動注入
Git	ローカル保存のみ。Git にはコミットされない
管理	`/memory` コマンドで確認・編集
無効化	設定ファイルまたは環境変数でオフ可能

CLAUDE.md との違い

CLAUDE.md → ユーザーが手動で書くルール・指示書（チーム共有可能）
MEMORY.md → AIが自動で書く学習メモ（ローカル個人用）

両方を併用するのがベスト。CLAUDE.md でプロジェクトのルールを明示し、MEMORY.md でAIの学習知見を蓄積します。

MCP のトークン消費問題 — スキーマ注入で 55,000 トークン、CLI は 35 倍効率的

Sun, 01 Mar 2026 00:00:00 +0000

MCP のトークン消費問題 — スキーマ注入で 55,000 トークン、CLI は 35 倍効率的

Claude Code や OpenClaw で MCP（Model Context Protocol）を使っている方に知ってほしい事実があります。MCP はスキーマ注入だけで数万トークンを消費しており、同じタスクを CLI 経由で実行すると 35 倍効率的 になるケースがあるのです。

@SuguruKun_ai さんのポストと @shinzizm2 さんのポストでこの問題が指摘され、大きな反響を呼びました。

MCP のトークン消費問題とは

スキーマ注入の仕組み

MCP サーバーを接続すると、ツール定義（スキーマ）がシステムプロンプトに注入されます。これは AI が「どんなツールを使えるか」を理解するために必要な情報ですが、この定義自体が大量のトークンを消費します。

MCP サーバー接続時の処理:
1. tools/list でツール一覧を取得
2. 各ツールの名前、説明、パラメータ定義を取得
3. 全てのスキーマをプロンプトに注入 ← ここで大量消費
4. ユーザーの質問に回答

あなたが何も入力する前に、スキーマだけでトークンが消費されているのです。

具体的な数値

MCP サーバー	ツール数	トークン消費量
GitHub MCP サーバー	93 ツール	約 55,000 トークン
Notion サーバー	15+ ツール	約 8,000 トークン
ファイルシステム	10 ツール	約 4,000 トークン
平均的なツール定義	1 ツール	300〜600 トークン

GitHub MCP サーバーの場合、93 ツール分のスキーマには owner、repo、title 等のプロパティ定義、required フィールド、入出力スキーマが全て含まれます。

Sentry × Claude Code で実現する AI デバッグワークフロー — エラー監視から自動修正まで

Sun, 01 Mar 2026 00:00:00 +0000

Sentry × Claude Code で実現する AI デバッグワークフロー — エラー監視から自動修正まで

「バグが起きたら Sentry が検知し、AI が分析して修正案を出す」— そんなワークフローが現実になっています。

@riku720720（Rikuo）さんのポストは、この流れを端的にまとめています。

「アプリ開発する上でsentryは必須。sentry APIをskillsにすればユーザーのバグとか不具合とか全部分析できる。claudecodeの新機能/batchで一気に改善してもらう」

この記事では、Sentry の全体像から Claude Code との連携、そして実践的なワークフローまでを解説します。

Sentry とは

Sentry は、開発者ファーストのエラートラッキング＆パフォーマンス監視プラットフォームです。100以上のプラットフォーム・フレームワーク、30以上のプログラミング言語に対応しています。

単なるエラーログではない

Sentry が他のログ監視ツールと異なるのは、エラーの文脈（コンテキスト）を自動収集する点です。スタックトレースだけでなく、ユーザーのセッション情報、パフォーマンスデータ、リリースバージョンなど、デバッグに必要な情報を一元化します。

Sentry の主要機能

1. Error Monitoring（エラー監視）

Sentry の中核機能です。

リアルタイム検知：エラー発生を即座にキャッチ
インテリジェントグルーピング：同じ原因のエラーを自動的に1つの Issue にまとめる
アラート通知：Slack、メール、PagerDuty 等と連携

1
2
3
4
5
6
7
8


# Django での導入例
import sentry_sdk

sentry_sdk.init(
 dsn="https://xxx@xxx.ingest.sentry.io/xxx",
 traces_sample_rate=1.0,
 profiles_sample_rate=1.0,
)

2. Performance Monitoring（パフォーマンス監視）

分散トレーシング：リクエストの流れをフロントエンドからバックエンドまで追跡
トランザクション分析：遅いエンドポイントやクエリを特定
Web Vitals：LCP、FID、CLS などフロントエンドのパフォーマンス指標

3. Session Replay（セッションリプレイ）

ユーザーのセッションをビデオのように再生できる機能です。

Sentry を Claude Code で置き換えられるか — ランタイム計装と AI 分析の境界線

Sun, 01 Mar 2026 00:00:00 +0000

Sentry を Claude Code で置き換えられるか — ランタイム計装と AI 分析の境界線

エラー監視ツール Sentry が提供する機能の多くは、Claude Code のようなAI コーディングエージェントで代替できるのではないか — LLM の分析能力が向上した2026年、この疑問は自然なものです。

結論から言えば、分析レイヤーは Claude Code で代替可能（むしろ得意）であり、データ収集レイヤーもスタックがパターン化されていれば自前の共通ライブラリで実装可能です。この境界線を正しく理解することが、最適なエラー監視体制を組む鍵になります。

エラー監視の3層構造

エラー監視は、以下の3つのレイヤーで構成されています。

エラー監視 = データ収集（ランタイム計装） + データ蓄積（基盤） + 分析（判断）

レイヤー	Sentry	Claude Code で代替した場合
データ収集	SDK がランタイムに計装	??? （ここが問題）
データ蓄積	Sentry のイベント基盤	CloudWatch / 自前ログ基盤
分析	Seer / ダッシュボード	Claude Code（MCP / バッチ）

Claude Code が強力なのは右端の「分析」レイヤーです。しかし、左端の「データ収集」が貧弱だと、分析対象のデータ自体が不足します。

Claude Code で代替できる部分

1. インテリジェントグルーピング → LLM の方が得意

Sentry はフィンガープリント（スタックトレース + 例外型 + メッセージの組み合わせ）でエラーを集約します。これはルールベースのアルゴリズムです。

非エンジニアでも安心！Claude Code を安全に使うための 2 つの設定ファイル（settings.local.json と CLAUDE.md）

Sun, 01 Mar 2026 00:00:00 +0000

非エンジニアでも安心！Claude Code を安全に使うための 2 つの設定ファイル

Claude Code は強力なツールですが、ファイルの削除やシステムコマンドの実行など、意図しない操作が起きる可能性もあります。@tetumemo さんのポストでは、非エンジニアが Claude Code を安全に使うために設定すべき 2 つのファイルが紹介されています。

「包丁」に例えると、settings.local.json は安全カバー（物理的に危険な操作を防ぐ）、CLAUDE.md は『危ないから気をつけて』という声かけ（AI に判断基準を与える）。両方揃って初めて安全性が確保されるという、分かりやすい整理です。

1. settings.local.json — 「仕組みとして」操作を制限する

settings.local.json とは

Claude Code の権限設定ファイルです。AI がどのコマンドを実行でき、どのコマンドを実行できないかを JSON で定義します。

設定ファイルは .claude/settings.local.json に配置します。.local が付くファイルは自動的に .gitignore に追加されるため、個人の設定がチームに影響しません。

基本構造

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


{
 "permissions": {
 "allow": [
 "許可するコマンドやツール"
 ],
 "deny": [
 "禁止するコマンドやツール"
 ]
 }
}

非エンジニア向け推奨設定

@tetumemo さんが紹介しているのは、以下のような設定方針です。

Claude Code の Auto Memory（MEMORY.md）を理解する — CLAUDE.md との使い分け

Sat, 28 Feb 2026 00:00:00 +0000

Claude Code の Auto Memory（MEMORY.md）を理解する — CLAUDE.md との使い分け

Claude Code には「メモリ」と呼ばれる仕組みがセッション間で情報を引き継ぐために用意されています。最近 SNS でも話題になっている Auto Memory（MEMORY.md） について、CLAUDE.md との違いや実践的な活用法を整理します。

きっかけ：SNS での反応

@L_go_mrk さんのポストでは、Claude Code の Auto Memory 機能について「かなり気が利いている」と評価されていました。ポイントは以下の通りです：

「これ覚えておいて！」と指示するだけで、Claude が自動的に重要情報を記憶してくれる
CLAUDE.md（ルール特化）と MEMORY.md（学習・記憶特化）で情報が適切に分離されている
プロジェクトごとに独立した記憶で、他プロジェクトに影響しない
セッション間で記憶が維持される

この指摘はまさにその通りで、CLAUDE.md と MEMORY.md は目的が異なる二つの記憶層として設計されています。

二つの記憶層：CLAUDE.md vs MEMORY.md

CLAUDE.md — 「指示書」

CLAUDE.md はあなたが書いて Claude に従わせるルールです。

コーディング規約、ビルドコマンド、テスト手順
プロジェクトのアーキテクチャや設計方針
チーム全体で共有する約束事

# プロジェクトルール
- テストは pytest で実行: `pytest -xvs`
- コミットメッセージは Conventional Commits に従う
- API 変更時は必ず OpenAPI スキーマを更新する

CLAUDE.md はリポジトリにコミットしてチームで共有することが想定されています。

MEMORY.md — 「学習ノート」

MEMORY.md はClaude 自身が書く、作業を通じた学習メモです。

# 【2026年最新】世界一わかりやすい Agent Skills 完全ガイド — まとめ

Fri, 27 Feb 2026 00:00:00 +0000

【2026年最新】世界一わかりやすい Agent Skills 完全ガイド — まとめ

元記事: 【2026年最新】世界一わかりやすいAgent Skills完全ガイド（株式会社AIworker）紹介ポスト: Fujin(@fujin_metaverse)

Agent Skills とは？

一言で言うと、「AIエージェントに渡す新人研修マニュアル」。

会社の新入社員にマニュアルを渡すのと同じ要領で、SKILL.md というテキストファイルに「やり方」を書いて所定のフォルダに置くだけ。AIエージェントが自動的にそれを見つけて読み込み、指示通りに仕事をしてくれる。

2025年12月に Anthropic がオープンスタンダードとして公開
Claude, GitHub Copilot, OpenAI Codex, Cursor など主要AIツールが対応
2026年2月時点でマーケットプレイス登録数は20万件超

なぜ Agent Skills が必要か — プロンプトの3つの限界

従来のプロンプト運用には以下の限界があった。Agent Skills はこれらを全て解決する。

限界	問題	Agent Skills での解決
毎回同じ説明が必要	技術スタック、規約、コミットルールを毎回ゼロから伝える	一度書けば繰り返し使える
チーム共有できない	優れたプロンプトがチャット履歴に埋もれる	Git で管理・共有可能
コンテキスト圧迫	毎回全情報を読み込むと、肝心のタスクの余裕が減る	必要な時に必要な分だけ読み込む「段階的開示」

Claude Code のセットアップ手順

Agent Skills を使う最も一般的な環境は Claude Code（Anthropic 提供のターミナル型AIコーディングツール）。ブラウザ版の Claude.ai と違い、PCのファイルを直接読み書きできるのが特徴。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


# 1. Node.js の確認（v18.0.0 以上が必要）
node --version

# 2. Claude Code のインストール（Mac / Linux）
curl -fsSL claude.ai/install.sh | bash

# 3. 確認
claude --version

# 4. 初回起動（ブラウザでログイン画面が開く）
mkdir ~/my-project && cd ~/my-project
claude

SKILL.md の書き方

SKILL.md は YAMLフロントマター + Markdown 本文 の2部構成。

# Anthropic 社内チームの Claude Code 活用 — マーケから法務まで、全部門が「自分で自動化」する時代

Fri, 27 Feb 2026 00:00:00 +0000

Anthropic 社内チームの Claude Code 活用 — マーケから法務まで、全部門が「自分で自動化」する時代

Anthropic 公式記事: How Anthropic teams use Claude Code 再現記事: Claude Code で広告バナー200本を15分で作る手順紹介ポスト: commte

はじめに

Anthropic が「自社のチームが Claude Code をどう使っているか」を公式ブログで公開した。注目すべきは、エンジニアリングチームだけでなく、マーケティング、法務、データサイエンス、デザインといった非技術部門が、コードを1行も書かずに高度な自動化を実現している点。

特にマーケティングチームの事例は、ツイートでも「えぐい広告手法」として話題になり、実際に再現して15分で広告バナー200本を生成した記事も登場した。

マーケティングチーム — たった1人で10倍の成果

チーム構成

驚くべきことに、Anthropic のグロースマーケティングチームはエンジニアがゼロの1人チーム。担当の Austin Rau 氏は、元々ターミナルの開き方すら知らなかったという。

それが、非技術者向けガイドを見てから1週間で、Figma プラグインと広告コピー生成ワークフローの両方を構築した。

4つの自動化事例

1. Google Ads の広告コピー生成（2時間 → 15分）

数百件の既存広告 CSV を Claude Code に読み込ませ、パフォーマンスの低い広告を自動特定。改善案をサブエージェント方式で生成する。

サブエージェント設計のポイント:

エージェント	専門	制約
headline-writer	見出し生成	30文字以内
description-writer	説明文生成	90文字以内

1つのプロンプトで全部やらせるのではなく、タスクごとに専門エージェントを分けることで、文字数制約を守りつつ品質を維持する。

2. Figma プラグインでバナー一括生成（数時間 → 0.5秒）

Claude Code で自作した Figma プラグインが、テンプレートのテキストノードを CSV データで自動差し替え。最大100パターンのバナーを一括生成する。

# Claude Code の「YOLO モード」を安全に使う — dangerously-skip-permissions と Docker 活用

Fri, 27 Feb 2026 00:00:00 +0000

Claude Code の「YOLO モード」を安全に使う — dangerously-skip-permissions と Docker 活用

関連ポスト: hiragram リポジトリ: hiragram/claude-docker

はじめに

Claude Code を使っていると、ファイル編集やコマンド実行のたびに「これを実行してもいいですか？」と確認を求められる。安全設計として正しいが、反復的な作業では毎回の承認が煩わしくなる。

そこで登場するのが --dangerously-skip-permissions フラグ。通称「YOLO モード」。YOLO とは “You Only Live Once”（人生は一度きり） の略で、「結果を気にせず、とにかくやってしまえ」というネットスラング。安全確認を一切スキップして全操作をぶっ通しで実行させる様子が、まさに「後先考えずに突っ走る」YOLOの精神そのものであることから、コミュニティでこう呼ばれるようになった。

便利だが、名前の通り危険も伴う。このフラグの本質と、安全に使うための Docker 活用について整理する。

`--dangerously-skip-permissions` とは

Claude Code の全てのパーミッションチェック（権限確認プロンプト）をバイパスし、完全に自律動作させるフラグ。

1

claude --dangerously-skip-permissions

3つの動作モードの比較

モード	挙動	ユーザー介入
通常モード	ファイル変更・コマンド実行のたびに承認を要求	毎回必要
Auto-Accept (Shift+Tab)	UI上で承認を自動化	介入可能
dangerously-skip-permissions	全ての安全ガードレールを除去	一切不要

なぜ「dangerously」と名付けられているのか

Anthropic が意図的に「危険」という語を含めている。実際にリスクは深刻で、以下のような報告がある。

Wolak 事件（2025年10月）: Ubuntu/WSL2 上で Claude Code が rm -rf / を実行し、/bin、/boot、/etc などシステムディレクトリを破壊
eesel AI の調査によると、このフラグ使用者の 32% が意図しないファイル変更を経験、9% が実際のデータ損失を報告

主なリスク

リスク	具体例
破壊的コマンドの無確認実行	`rm -rf`、`git reset --hard`、設定ファイル上書き
スコープクリープ	指定範囲外のファイルを「親切心」で変更・削除
資格情報の漏洩	ホストの全資格情報にアクセス可能な状態
連鎖的被害	1つの誤った解釈が次々と問題を引き起こす

それでも YOLO モードが必要な理由

危険だが、以下のユースケースでは事実上不可欠。

# Claude Code の能力を10倍にする CLAUDE.md — AI エージェントのマネジメント哲学

Fri, 27 Feb 2026 00:00:00 +0000

Claude Code の能力を10倍にする CLAUDE.md — AI エージェントのマネジメント哲学

紹介ポスト: チャエン @masahirochaen 解説記事: Zenn: Claude Codeの能力を10倍にする CLAUDE.md の中身を見てみた

はじめに

海外で大バズりした「Claude Code の能力を10倍にする CLAUDE.md」。Anthropic の Claude Code 開発者が実際に使っているベストプラクティスを、1つの CLAUDE.md ファイルに構造化したもの。

これは単なるプロンプトテンプレートではない。AI エージェントをどうマネジメントするかという哲学を、実装可能な形にまとめたファイルだ。

6つのワークフロー原則

1. Plan Mode デフォルト

「3ステップ以上、またはアーキテクチャ判断を伴うタスクは、必ず Plan Mode から始めよ」

Claude Code が実装に飛びつくのを防ぐ最も重要なルール。計画なしに実装を始めると、途中で方向修正が必要になったとき、修正の連鎖（カスケード失敗）が発生する。

やり方:

Shift+Tab を2回押して Plan Mode に入る
Claude の計画が納得できるまでやり取りを繰り返す
計画が固まったら Auto-Accept モードに切り替えて一気に実装

実行中に問題が起きたら:

すぐに Plan Mode に戻って再計画する
Plan Mode は「最初の設計」だけでなく「リカバリー」にも使う

2. サブエージェント戦略

「リサーチ、探索、並列分析はサブエージェントに委譲せよ」

メインのコンテキストウィンドウは有限のリソース。調査や分析をメインエージェントにやらせると、コンテキストが汚れて本来のタスクの品質が下がる。

サブエージェントに委譲すべきタスク:

コードベースの調査・探索
複数ファイルの並列分析
計算集約的な処理
独立した検証作業

メインエージェントに残すべきタスク:

最終的な設計判断
コードの実装
統合・結合

初心者向け解説: 「サブエージェント（Task）」とは何か

「サブエージェント」と聞くと難しそうだが、仕組みはシンプル。Claude Code が内部的に「別の Claude」を立ち上げて、作業を分担する機能のこと。Claude Code ではこれを Task と呼ぶ。

# Claude Code 開発者が教える CLAUDE.md と実践 Tips

Fri, 27 Feb 2026 00:00:00 +0000

Claude Code 開発者が教える CLAUDE.md と実践 Tips

元スレッド（個人セットアップ編）: Boris Cherny @bcherny（53K いいね、780万ビュー）元スレッド（チーム Tips 編）: Boris Cherny @bcherny（49K いいね、850万ビュー）紹介ポスト: すぐる @sugurukun_ai 設定再現リポジトリ: 0xquinto/bcherny-claude

はじめに

Claude Code の開発者である Boris Cherny 氏が、自身のセットアップと Claude Code チーム全体の使い方を X で公開し、合計 10 万いいね以上を獲得して大きな話題になった。

この記事では、2つのスレッドの内容を統合して「CLAUDE.md の育て方」と「Claude Code を最大限活用する 10 の Tips」をまとめる。

CLAUDE.md とは

CLAUDE.md は、Claude Code がセッション開始時に自動的に読み込むプロジェクトの指示書。新入社員に渡すオンボーディングドキュメントのようなもので、以下を記述する:

プロジェクトの技術スタック・アーキテクチャ
コーディング規約・命名ルール
よく使うコマンド
過去に Claude が犯した間違いと対策
やってはいけないこと

配置場所

ファイル	スコープ
`~/.claude/CLAUDE.md`	全プロジェクト共通（個人設定）
`プロジェクトルート/CLAUDE.md`	そのプロジェクト限定（チーム共有・Git 管理）

Boris Cherny のセットアップ（スレッド1）

1. 並列セッション

Boris はターミナルで 5 つの Claude を同時に並列実行している。さらに claude.ai/code 上でも 5〜10 個を並行稼働させ、システム通知で完了を監視する。

# git-lrc — コミット時に AI が無料でコードレビューしてくれるツール

Fri, 27 Feb 2026 00:00:00 +0000

git-lrc — コミット時に AI が無料でコードレビューしてくれるツール

リポジトリ: HexmosTech/git-lrc 紹介ポスト: commte

これは何か

git-lrc は、git commit のタイミングで自動的に AI コードレビューが走るツール。Git フックとして動作し、コミット前の差分を AI（Google Gemini）に分析させ、バグやセキュリティ問題をブラウザ上の UI でインラインコメントとして表示してくれる。

しかも Gemini の無料枠を使うので完全無料。

なぜこれが作られたのか

AI エージェント時代の新しい問題

Claude Code や Cursor などの AI コーディングエージェントは、コードを高速に生成する。しかし同時に、黙ってロジックを削除したり、挙動を変えたり、バグを混入させることもある — しかもユーザーに何も言わずに。

問題に気づくのは、たいてい本番環境にデプロイした後。

既存のコードレビューの限界

PR レビュー: チームメンバーの時間を消費する。AI 生成コードの量が増えるとレビューが追いつかない
手動チェック: 大量の差分を毎回目視確認するのは非現実的
CI/CD のテスト: テストがカバーしていない箇所の論理変更は検出できない

git-lrc のアプローチ

「コミット」という全開発者が必ず通るポイントにフックすることで、レビュー漏れをほぼゼロにする。エディタや AI ツールキットが何であっても、Git は共通基盤。コミットは必須操作なので、スタックに関係なくレビューが走る。

どう動くのか

セットアップ（約1分、1回だけ）

1
2
3
4
5


# インストール（Mac / Linux）
curl -fsSL https://hexmos.com/lrc-install.sh | sudo bash

# 初期設定（ブラウザで API キーを取得）
git lrc setup

必要なのは2つ:

# 三菱UFJ銀行におけるエンタープライズAI駆動開発のリアル

Fri, 27 Feb 2026 00:00:00 +0000

三菱UFJ銀行におけるエンタープライズAI駆動開発のリアル

三菱UFJインフォメーションテクノロジー（MUIT）R&D部尾根田倫太郎氏の講演まとめ出典: SpeakerDeck

エンタープライズAI駆動開発とは

AI駆動開発とは、AIコーディングエージェントを前提とした開発方式のこと。従来の人海戦術的な開発と異なり、自然言語での指示により複数のソースコードが短時間で自動生成される。

三菱UFJ銀行（MUFG）では、この手法を金融システムの内製開発に適用する取り組みを進めている。

エンタープライズ特有の条件

一般的なAI駆動開発と異なり、銀行システムには以下の制約がある。

数十万〜数百万行規模のシステム
数十〜数百人規模のチーム
Excel方眼紙での設計書作成が標準
インターネット非接続環境での開発

主要ツールとして Cline または Claude Code を採用している。

Agent Skills — AIへの「教科書」

Agent Skills は、AIコーディングエージェントに教科書として機能するマークダウンファイルとして定義されている。2025年12月に Agentic AI Foundation により標準規格化された。

従来は「人への教育」が中心だったが、今後はAIエージェントへの教育へシフトするという発想の転換が示された。

Agent Skills とは何か

Agent Skills は、AIエージェントに新しい能力や専門知識を与えるための、フォルダ単位でパッケージ化された手順書・スクリプト・リソースの集合体である。エージェントが必要に応じてスキルを発見・読み込み、タスクをより正確かつ効率的にこなせるようにする仕組み。

公式サイト: agentskills.io

なぜ Agent Skills が必要か

AIエージェントは汎用的な能力は高いが、特定の企業・チーム・ドメイン固有のコンテキストを持っていない。Agent Skills はこのギャップを埋める。

対象	メリット
スキル作成者	一度作れば複数のエージェント製品で横断的に利用可能
エージェント開発者	Skills 対応するだけでエンドユーザーが機能拡張できる
企業・チーム	組織の知識をバージョン管理可能なパッケージとして蓄積

SKILL.md の基本構造

Agent Skills の実体は、SKILL.md というマークダウンファイルを含むフォルダ。YAMLフロントマターでメタデータを定義し、本文に手順を記述する。

skill-name/
├── SKILL.md # 必須: メタデータ + 手順
├── scripts/ # 任意: 実行可能スクリプト
├── references/ # 任意: 補足ドキュメント
└── assets/ # 任意: テンプレート、画像等

SKILL.md の例:

Agent Plugins for AWS — AI コーディングエージェントに AWS の専門知識を装着する

Fri, 27 Feb 2026 00:00:00 +0000

Agent Plugins for AWS — AI コーディングエージェントに AWS の専門知識を装着する

紹介ポスト: moritalous 公式ブログ: Introducing Agent Plugins for AWS | AWS Developer Tools Blog リポジトリ: awslabs/agent-plugins

はじめに

2026年2月、AWS は Agent Plugins for AWS をオープンソースで公開した。Claude Code や Cursor といった AI コーディングエージェントに AWS の専門知識を「スキル」として装着するプラグインライブラリである。

これは単なる CLI ラッパーではない。AI エージェントがアーキテクチャ設計 → コスト見積もり → IaC 生成 → デプロイまでを一貫して実行できる「AWS ドメイン能力層」を追加するもの。

従来: 開発者が AWS ドキュメントを読み → 設計を考え → CDK/CFn を書き → デプロイ
今後: 「deploy to AWS」と言うだけ → AI が全工程を実行（人間は確認・承認のみ）

Agent Plugin とは何か

プラグインの構成要素

Agent Plugin は4つの部品を1つのパッケージにまとめたもの。

Claude Code に重大な脆弱性 — リポジトリを開くだけで任意コード実行の恐れ

Thu, 26 Feb 2026 00:00:00 +0000

Claude Code に重大な脆弱性 — 「リポジトリを開くだけ」で任意コード実行の恐れ

セキュリティ企業 Check Point が、Anthropic の AI コーディング支援ツール Claude Code に複数の重大な脆弱性を発見したと報告しました。細工されたリポジトリを開くだけで不正なコマンドが実行される恐れがあり、AI 開発ツールの信頼モデルに一石を投じる内容です。

何が起きたのか

Claude Code には Hooks（ツール実行前後にシェルコマンドを自動実行する仕組み）、MCP サーバー（外部ツール連携）、環境変数の読み込みといった設定機構があります。これらが悪用されることで、未信頼のディレクトリで Claude Code を起動した際に、任意のシェルコマンド実行や Anthropic API キーの流出が可能となることが判明しました。

つまり、攻撃者が悪意ある設定ファイルを仕込んだ Git リポジトリを用意し、開発者がそれを git clone して Claude Code を起動するだけで攻撃が成立します。

報告された脆弱性

CVE-2025-59536（CVSS 8.7 / High）— コードインジェクション

ツールの初期化時に自動実行を許すコードインジェクションの脆弱性です。Hooks や MCP サーバーの設定を悪用し、Claude Code が起動した瞬間に攻撃者のコマンドが実行されます。リモートコード実行（RCE）に直結する、最も深刻な問題です。

CVE-2026-21852（CVSS 5.3 / Medium）— 情報漏えい

プロジェクト読み込み時に環境変数の値が外部に漏洩する可能性がある脆弱性です。Anthropic API キーなどの機密情報が窃取されると、攻撃者がそのアカウントで API を不正利用できてしまいます。

その他の脆弱性

上記 2 件以外にも、同等の深刻度を持つ欠陥が確認されています。

なぜ危険なのか — 設定ファイルが攻撃経路になる

従来のセキュリティモデルでは「コードを実行しなければ安全」という前提がありました。しかし今回の脆弱性では、設定ファイル自体が攻撃経路となります。

設定機構	通常の用途	悪用方法
Hooks	ツール実行前後にシェルコマンドを自動実行	悪意あるコマンドを起動時に自動実行
MCP サーバー	外部ツールとの連携設定	偽サーバーを指定しデータを外部送信
環境変数	API キーなどの機密情報管理	設定ファイル経由で値を外部に流出

開発者が日常的に行う「リポジトリを clone して開発環境を立ち上げる」という行為自体がリスクになるという点で、VS Code の .vscode/ 設定を悪用する攻撃と同種のパターンです。ただし AI ツールはファイルシステムへの広範なアクセス権とシェルコマンドの実行権を持つため、影響はより深刻になりえます。

cmux — AIコーディングエージェント時代のターミナル紹介

Thu, 26 Feb 2026 00:00:00 +0000

cmux — AIコーディングエージェント時代のターミナル

cmux とは？

cmux は、AIコーディングエージェントとの並行作業に最適化された macOS ネイティブのターミナルアプリ です。Ghostty の描画エンジン (libghostty) をベースに、Swift + AppKit でゼロから構築されています。

Electron ではなくネイティブ実装なので、起動は高速、メモリ消費も少なく、GPU アクセラレーションによる滑らかな描画が特徴です。

“The terminal built for AI coding agents”

公式サイト: https://cmux.dev
GitHub: https://github.com/manaflow-ai/cmux (AGPL-3.0)

なぜ cmux が必要なのか？

Claude Code、Codex、Gemini CLI、Aider、Goose など、ターミナルベースの AI エージェントを日常的に使う開発者が増えています。しかし従来のターミナルや tmux では、複数のエージェントセッションを並行管理するのが大変でした。

「どのタブでどのエージェントが動いてるか分からない」
「エージェントが質問してるのに気づかなかった」
「開発サーバーの確認のためにブラウザとターミナルを行き来するのが面倒」

cmux はこれらの課題を解決するために設計されています。

主な機能

1. 縦タブ（バーティカルタブ）でワークスペースを一覧管理

左サイドバーに縦並びのタブが表示され、各ワークスペースの状態が一目で分かります：

Git ブランチ名
リンク済み PR のステータスと番号
作業ディレクトリ
リッスン中のポート番号
最新の通知テキスト

Firefox の縦タブに馴染みがある方なら、その便利さは想像がつくはず。タスクごとにワークスペースを作り、Cmd+1〜8 で瞬時に切り替えられます。

2. 通知リング — エージェントが注意を求めたら光る

AIエージェントが応答を待っている時、ペインに 青い通知リング が表示されます。サイドバーのタブにも未読バッジが付くので、複数エージェントを走らせていても「見逃し」がありません。

Cmd+Shift+U で最新の未読通知にジャンプ
Cmd+I で通知パネルを開いて一覧確認
OSC 9/99/777 エスケープシーケンスを自動検知
CLI からも送信可能: cmux notify --title "完了" --body "ビルド成功"

3. インアプリブラウザ — ターミナルの横にブラウザを並べる

WebKit ベースのブラウザがアプリ内に統合されています。ターミナルペインの隣にブラウザを分割表示して、開発サーバーのプレビューや PR の確認がワンストップで完結します。

Vibe Coding 2.0 — 「何を作らないか」を知る 18 のルール

Thu, 26 Feb 2026 00:00:00 +0000

Vibe Coding 2.0 — 「何を作らないか」を知る 18 のルール

Vibe Coding とは（前提知識）

Vibe Coding は、Andrej Karpathy（OpenAI 共同創設者）が 2025 年初頭に提唱した概念で、「コードの細部を手で書く」のではなく、AI に自然言語で指示してコードを生成させ、“ノリ（vibe）“で開発を進める スタイルを指します。Cursor や Claude Code などの AI コーディングツールの普及とともに広まりました。

MVP とは

MVP（Minimum Viable Product / 実用最小限の製品） とは、顧客に価値を提供できる最小限の機能だけを備えた製品のことです。完璧な製品を作り込んでからリリースするのではなく、核となる機能だけを素早く形にして市場に投入し、実際のユーザーからフィードバックを得ながら改善していくアプローチを指します。

目的: アイデアが市場に受け入れられるかを、最小のコストと時間で検証する
考え方: 「完成品」ではなく「検証のための道具」。100 点を目指すのではなく、60 点で出して学ぶ
例: 動画配信サービスなら、レコメンド機能や検索機能を後回しにして、まず「動画を再生できる」だけのアプリをリリースする

Vibe Coding 2.0 の文脈では、AI ツールを活用して MVP を高速にシップ（出荷）する ことが繰り返し強調されています。以下のルール群は、すべて「いかに早く MVP を世に出すか」を軸に設計されています。

Vibe Coding 2.0 とは

Harshil Tomar 氏が X で投稿した 「Vibe Coding 2.0: 18 Rules to be the Top 1% builder」 は、Vibe Coding の「次のフェーズ」を定義したものです。

コードレビューは CLAUDE.md / skills に書け — 同じ指摘を繰り返すな

Thu, 26 Feb 2026 00:00:00 +0000

コードレビューは CLAUDE.md / skills に書け — 同じ指摘を繰り返すな

基本情報

発表者: 戸塚翔太（Tech Lead / EM、スタートアップ開発責任者）
イベント: 「一歩踏み込む Claude Code 活用 LT 会」（Findy 主催、2026年2月22日）
スライド: Speaker Deck

問題提起

「人間に対してレビューするの、もうやめませんか？」

コードレビューにおいて以下のような無駄が繰り返されている:

問題	具体例
同じ指摘の繰り返し	変数名の命名規則、コーディングスタイルへの指摘が毎回発生
修正ラリー	「指摘修正しました」→ 再レビュー → 再指摘の往復
アーキテクチャ的な問題	根本的な設計の問題が PR 段階で発覚する

これらはレビュアーの時間を奪い、開発速度のボトルネックになっている。

解決策: 使い捨てコメントをナレッジに変える

核心のアイデアは 「レビューで出た指摘を、PR のコメントとして消費するのではなく、CLAUDE.md や skills に書き込んでナレッジとして蓄積する」 こと。

従来: レビュー指摘 → PR コメント → 修正 → 忘れられる → また同じ指摘
提案: レビュー指摘 → CLAUDE.md / skills に追記 → 以降 Claude が自動で遵守

CLAUDE.md に書くもの

コーディング規約（命名規則、ディレクトリ構成）
アーキテクチャ上のルール（「この層でこの処理はしない」等）
プロジェクト固有のパターン

skills に書くもの

レビュー観点をスキルとして定義
Claude Code が PR 作成前にセルフチェックできるようにする

自動化の仕組み

2 つの適用方法が紹介されている:

Claude Code + tmux で GitHub Issue/PR をウィンドウ単位で管理する tmux-focus スキル

Tue, 24 Feb 2026 00:00:00 +0000

name: tmux-focus description: “tmux ウィンドウの Issue/PR 切替: /tmux-focus [-w|-r] ”

tmux-focus スキル

現在の tmux ウィンドウの Issue/PR を切り替えるスキル。

使い方

`/tmux-focus <number>` — Issue モード

Bash で以下を実行:

1

~/.claude/skills/tmux-focus/scripts/tmux-issue-change.sh <number>

ウィンドウ名を issue-<number> に変更し、対応する GitHub Issue をブラウザで開く。

`/tmux-focus -w <number>` — PR worktree モード

gh pr view <number> で PR であることを確認する。PR でなければエラーメッセージを表示して終了。
Bash で以下を実行:
1

~/.claude/skills/tmux-focus/scripts/tmux-issue-change.sh --pr <number>
ウィンドウ名を pr-<number> に変更し、ブラウザで PR を開く。
EnterWorktree ツールで worktree を作成する。
worktree 内で以下を実行:
1

gh pr checkout <number>

`/tmux-focus -r <number>` — PR レビューモード

gh pr view <number> で PR であることを確認する。PR でなければエラーメッセージを表示して終了。
Bash で以下を実行:
1

~/.claude/skills/tmux-focus/scripts/tmux-issue-change.sh --pr <number>
ウィンドウ名を pr-<number> に変更し、ブラウザで PR を開く。
worktree 内でなければ EnterWorktree ツールで worktree を作成する。
worktree 内で以下を実行:
1

gh pr checkout <number>
PR のコード差分をレビュー開始する（gh pr diff <number> で差分を取得し、変更内容を分析）。

スクリプトが存在しない場合

~/.claude/skills/tmux-focus/scripts/tmux-issue-change.sh が存在しない場合は、以下の内容で作成して chmod +x する。

業務フローの設計にPowerPointではなくBPMNを使うべき理由 — Claude Code時代の詳細設計

Mon, 16 Feb 2026 00:00:00 +0000

業務フローの設計にPowerPointではなくBPMNを使うべき理由 — Claude Code時代の詳細設計

はじめに

業務システムの設計でSwim Lane（スイムレーン）形式の業務フローを書くとき、多くの現場ではPowerPointやFigmaが使われています。見た目は整えやすく、関係者への説明資料としてはよくできています。

しかし、この「人間が読むための図」を設計の源泉にしてしまうと、あと工程で大きなコストが発生します。特に、Claude CodeのようなAIエージェントを開発に活用する場合、設計成果物のフォーマット選択が開発効率を決定的に左右します。

本記事では、実際にPowerPointのスライドからBPMN 2.0に変換した経験をもとに、BPMNを採用する利点を解説します。

PowerPointの業務フローが抱える問題

PowerPointのスライドに描かれた業務フローは、本質的に「画像」です。

PowerPoint (.pptx)
├── 図形の座標とスタイル情報
├── テキストボックスの文字列
└── グループ化とレイヤー

これは人間が見るには十分ですが、次のような問題があります。

構造情報がない: 「この矢印がどのタスクからどのタスクへ向かっているか」をプログラムが読み取れない
アクターの定義が曖昧: レーンの境界が図形の配置で表現されているだけで、意味的な紐付けがない
分岐条件が自然言語: ゲートウェイの条件が図中のテキストに埋め込まれ、機械的に検証できない
フロー間の接続が不明確: 複数スライドにまたがるフローの接続点（「次のフローへ」）が視覚的な慣習に依存

BPMN 2.0とは

BPMN（Business Process Model and Notation） は、業務プロセスを図式化するための国際標準記法です。OMG（Object Management Group）が策定し、ISO 19510として国際標準化されています。現行バージョンはBPMN 2.0.2です。

BPMNの最大の特徴は、人間が理解できるフロー図と機械が処理できるXMLが一つのファイルに同居している点です。プールとレーン（Swim Lane）でアクターを表現し、タスク・ゲートウェイ・イベントでプロセスの流れを記述します。

BPMN 2.0がもたらす構造化

BPMN 2.0はXML形式で、見た目と意味の両方を持つフォーマットです。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


<bpmn:process id="Process_1" isExecutable="false">
 <bpmn:laneSet id="LaneSet_1">
 <bpmn:lane id="Lane_reception" name="太平受付担当">
 <bpmn:flowNodeRef>r1</bpmn:flowNodeRef>
 <bpmn:flowNodeRef>r2</bpmn:flowNodeRef>
 </bpmn:lane>
 <bpmn:lane id="Lane_system" name="システム" />
 </bpmn:laneSet>

 <bpmn:task id="r1" name="修理内容の特定" />
 <bpmn:exclusiveGateway id="d2" name="保証範囲?" />
 <bpmn:sequenceFlow sourceRef="r1" targetRef="d2" />
</bpmn:process>

この構造から、以下がプログラム的に読み取れます。

Claude Code スキルで CloudWatch エラーレポートの Issue トリアージを自動化する

Thu, 12 Feb 2026 00:00:00 +0000

Claude Code スキルで CloudWatch エラーレポートの Issue トリアージを自動化する

背景

本番環境の ECS コンテナで発生したエラーは、CloudWatch Logs → Lambda → GitHub Issue という流れで自動起票される仕組みを運用しています。

タイトルは [prod][myapp] errors detected、ラベルは CloudWatchLog で統一されており、1つの Issue に複数のエラーブロックがまとまって届きます。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


## Error Report - 2026-02-12 01:32:28 UTC

- **Environment**: prod
- **Log Group**: `/ecs/myapp-prod-ecs`
- **Error Blocks**: 3

### [1] 2026-02-12 01:32:26 UTC - `application`
（スタックトレース）

### [2] 2026-02-12 01:45:10 UTC - `application`
（スタックトレース）

### [3] 2026-02-12 02:01:33 UTC - `application`
（スタックトレース）

この Issue をそのまま放置すると、異なるエラーが混在したまま溜まっていきます。手作業で分類・個別 Issue 化するのは地味に面倒で、後回しにしがちでした。

iPhone から GitHub Issue を書くだけで Mac の Claude Code が自動実行される仕組みを作った — Self-hosted Runner + Claude Code CLI セットアップガイド

Wed, 11 Feb 2026 00:00:00 +0000

iPhone から GitHub Issue を書くだけで Mac の Claude Code が自動実行される仕組みを作った

TL;DR

GitHub Self-hosted Runner + Claude Code CLI を組み合わせて、iPhone で Issue を作成 → Mac 上の Claude Code が自動で調査・コード修正・PR 作成まで行う仕組みを構築した。2ステージ承認フロー付きで、/claude で調査、/approve で実行という安全な運用が可能。

モチベーション

普段 Mac の前にいないときでも、iPhone からコードの調査や修正を指示したい。GitHub Issue に書くだけで Claude Code が自動的に動いてくれれば、移動中でもコードレビューや修正依頼ができる。

完成した仕組み

iPhone GitHub Mac (self-hosted runner)
│ │ │
├─ Issue 作成 ────────────→│ │
│ (claude ラベル付与) │── ワークフロー起動 ─────→│
│ │ ├─ claude -p (読み取り専用)
│ │←── 調査結果コメント ──────┤
│ │ + 承認待ちラベル │
│ │ │
├─ /approve コメント ──────→│ │
│ │── ワークフロー起動 ─────→│
│ │ ├─ claude -p (書き込み許可)
│ │←── 実行結果 + PR ────────┤
│ │ - 承認待ちラベル │

トリガー一覧

操作	条件	動作
`claude` ラベル付き Issue 起票	起票者がリポジトリオーナー	Stage 1: 読み取り専用で調査
`/claude` コメント	コメント者がリポジトリオーナー	Stage 1: 読み取り専用で調査
`/claude --execute` コメント	コメント者がリポジトリオーナー	Stage 1 スキップ、直接実行
`/approve` コメント	コメント者がリポジトリオーナー + `承認待ち` ラベル	Stage 2: 計画に基づき実行

必要なもの

macOS マシン (Apple Silicon / Intel)
Claude Code CLI がインストール済み (npm install -g @anthropic-ai/claude-code)
Claude Max/Pro プラン (OAuth トークン) または Anthropic API キー
GitHub CLI (gh)

セットアップ手順

1. Self-hosted Runner のインストール

GitHub の個人アカウントでは Runner はリポジトリ単位の登録になる。同一マシンに複数の Runner を並置できる。

Ghostty + Claude Code 連携ガイド

Wed, 04 Feb 2026 00:00:00 +0000

Ghostty + Claude Code 連携ガイド

GhosttyとClaude Codeの組み合わせは、多くの開発者が推奨する構成です。主なポイントをまとめます。

すぐに使える機能

Shift+Enter がネイティブ対応

Ghosttyでは Shift+Enter による改行入力がそのまま動作します。他のターミナルでは /terminal-setup で設定が必要ですが、Ghosttyでは不要です。

GPU アクセラレーション

Claude Codeの出力が大量になっても、GPUレンダリングのおかげでスムーズにスクロール・表示されます。VS Codeのターミナルでは大量テキストのペースト時にフリーズすることがありますが、Ghosttyではその問題がありません。

Claude Code on hdknr blog

Claude Code

コンテキスト圧縮

claw-code-local — Claude Code風のAIコーディングエージェントをローカルLLMで動かす

Anthropic Conway とは — 24時間稼働する常駐型AIエージェントの全貌

Claude Code 開発で機能が静かにデグレードする — 出力品質テストで防ぐ方法

Claude Code のコンテキスト圧縮戦略 — ソースコードから見える5つのアプローチ

Claude Code + Self-hosted Runner: 「Auto mode is unavailable for your plan」エラーの原因と対処

症状

原因

1. OAuth トークンの期限切れ（副次的問題）

2. Opus の auto mode 制限（真の原因）

Claude Code の sensitive file チェックを回避する — git worktree の配置場所を .claude/ の外に移す

問題：.claude/ 配下は sensitive file 扱い

背景：ブログ記事作成の自動化ワークフロー

Claude Code のソースコードが npm のソースマップから全公開された件

Claude Code を Ollama でローカル無料実行する方法

AI社員40人を作って1ヶ月で全部やめた話 — 壊れない設計のために知っておくべきこと

Claude Code + Celery: LLMが決定論的処理を動的に委譲するオーケストレーション

Claude Codeベストプラクティス疲れに終止符 — claude-code-best-practiceリポジトリ一本で運用する方法

ベストプラクティス疲れという問題

claude-code-best-practiceリポジトリとは

導入手順

Step 1: リポジトリをクローン

Step 2: Claude Codeにプロジェクト固有のベストプラクティスを提案させる

startup hookで常に最新化する

「値は計算されていた。ただ届いていなかっただけ」— LLMエージェントプロンプトのハードコード問題

AI疲れへのアンサー: Claude Code のハーネス機能は本当に必要か

Claude Code で Laravel→Django 全自動移行をやってみた（1/3）計画編

Claude Code で Laravel→Django 全自動移行をやってみた（2/3）自動化基盤編

Claude Code で Laravel→Django 全自動移行をやってみた（3/3）実行結果・教訓編

Claude Code の Auto Mode から見える AGI への道筋

Agent Plugins for AWS: Claude Code から AWS アーキテクチャ設計・デプロイまで一気通貫

Agent Plugins for AWS とは

deploy-on-aws プラグイン

Claude Code へのインストール

Claude Code: dangerously-skip-permissions をやめて auto mode に移行する

Claude Codeで「専門家チーム」を構築する：カスタムエージェントとCoworkの活用法

NotebookLM と Claude Code の発想の違い

方法1: カスタムエージェント（.claude/agents/）

カスタムエージェントの仕組み

エージェント定義ファイルの書き方

Claude Subconscious：Claude Code にセッション横断の記憶力を与える Letta AI のオープンソースツール

Claude Subconscious とは

仕組み

インストール方法

Renoise：Claude Code + Seedance 2.0 で動画広告制作を100倍スケールさせるAIツール

Renoise とは

Seedance 2.0 について

主な機能

Claude Code との連携

Claude Code Agent Teams: セッション間でメッセージをやり取りできるマルチエージェント機能

Agent Teams とは

サブエージェントとの違い

SendMessage によるエージェント間通信

有効化と使い方

Claude Codeで東証の株取引を半自動化する【ペーパートレードで-19万円編】

8連敗からの始まり

AIが書いたコードは「動く」。だが「正しく動く」とは限らない

放置すれば資金が溶けるバグ

8連敗して止まらない

ポジションサイズが制御されていない

損切りしても枠が空かない

暴落の朝に無防備にエントリーする

50銘柄を超えると価格が取れなくなる

「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

全候補がQTY=0で1件もエントリーできない

戦略の成績評価が壊れている

ポジション管理がデータ不整合

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

キャッシュが空で30分タイムアウト

時計が9時間ずれている

Slack通知が全部失敗している

Claude Codeをメインのデザインツールに：Tailwind CSSデザイナーSteve Schogerの1時間解説動画

Steve Schoger とは

動画の内容

ワークフロー

技術スタック

問題：`.claude/` 配下は sensitive file 扱い

方法1: カスタムエージェント（`.claude/agents/`）