youtube版(スライド付き) 関連リンク Boris Cherny氏がシェアした、CLAUDE.mdを理解する本記事は、Anthropic社のスタッフエンジニアであるBoris Cherny氏が提唱した、AIコーディングエージェント「Claude Code」を最大限に活用するための設定ファイル「CLAUDE.md」の設計思想を解説したものです。このファイルは、プロジェクトのルートディレクトリに配置することで、AIに対して「チームのルール」や「作業の進め方」を伝える「外部メモリ」として機能します。新人エンジニアの方にとっても、AIを単なるチャット相手ではなく、頼れる「自律的なチームメンバー」として教育するための最高のガイドとなります。主な要点は以下の通りです：「Planモード」による思考の分離: 複雑なタスク（3ステップ以上の作業や設計判断）では、AIがいきなりコードを書き始めるのを防ぎ、まずは具体的な「計画」を立てさせます。人間とAIが実装方針に合意してから作業を開始することで、意図しないコードの書き換えや手戻りを最小限に抑えます。「サブエージェント」によるコンテキスト管理: AIが一度に保持できる記憶容量（コンテキストウィンドウ）には限りがあります。リサーチや並列分析などの重いタスクは、別のAIインスタンス（サブエージェント）に切り出して分担させることで、メインの作業環境をクリーンに保ち、思考の精度を維持します。「自己改善ループ」の構築: 人間がAIのミスを修正した際、その教訓をtasks/lessons.mdというファイルにパターンとして記録させます。これをAIに随時参照させることで、セッションをまたいでも同じ失敗を繰り返さない「成長するAI」を実現します。品質担保の徹底と自律的なバグ修正: テストやログによる動作証明ができるまで「完了」と見なさない厳格なルールを設けます。また、バグ報告に対しては、人間に指示を仰ぐのではなく、AI自らがログを確認して自律的に解決（Zero context switching）することを目指します。コア原則（シンプル・根本解決・最小影響）: 過剰な設計を避け、一時しのぎではない根本的な原因解決を行い、必要な箇所だけを変更するという、シニアエンジニア基準の品質をAIに求めます。これらの指針をCLAUDE.mdに定義することで、AIの自律性を引き出し、開発チーム全体の生産性を劇的に向上させることが可能になります。引用元: https://qiita.com/uno_ha07/items/5820d195510861b5be71 入社前から自分の仕事を奪うセキュリティレビューAIエージェントを作った本記事は、Sansan株式会社のプロダクトセキュリティグループでインターンを経験した学生が、セキュリティ設計レビューを自動化するAIエージェント「Hayami」を開発した事例を紹介しています。 1. セキュリティ設計レビューの課題セキュリティ設計レビューとは、開発者が実装に入る前に設計書を確認し、セキュリティ上の懸念を洗い出す工程（シフトレフト）です。Sansanでは、160項目を超える社内ガイドラインとの照合を少人数で対応しており、以下の課題を抱えていました。網羅性の担保: 膨大なガイドラインを全ての案件で手動チェックするのは限界がある。生産性のボトルネック: 開発側のスピードがAI活用で加速する中、レビューが遅延すると組織全体の生産性を下げてしまう。 2. なぜ独自開発か（AWS Security Agentとの比較）既存の「AWS Security Agent」も検討されましたが、以下の理由から独自開発の「Hayami」が採用されました。カスタマイズ性: 頻繁に更新される160以上の社内ガイドラインを、既存ツールに適応させ続ける運用コストが高い。ワークフローの統合: Slackをベースとした既存の依頼フローや、レビュー対象の判定基準といった独自の運用に柔軟に組み込む必要があった。 3. AIエージェント「Hayami」の実力 Hayamiは、Slackから設計書とガイドラインを読み込み、LLM（大規模言語モデル）を用いて分析結果を出力します。高い精度: ベンチマーク測定の結果、社内ガイドラインへの適合率は95.8%に達し、セキュリティで最も回避すべき「抜け漏れ」は0%を記録しました。リードタイム削減: 初動のレビューコメントをAIが代行することで、レビュー終了までの時間を最大18.76営業時間短縮できる見込みが立ちました。 4. 新人エンジニアへの教訓：AI時代こそ「ドキュメント力」開発を通じて得られた重要な知見として、「AIのパフォーマンスは設計書の質に比例する」という点があります。見出しが適切に使われ、周辺情報が整理された「人間にとっても読みやすい設計書」ほど、AIも正確に内容を理解できます。また、AIへの指示（プロンプト）の元となったのは、チーム内に蓄積されていたPlaybookや学習リソースでした。過去の暗黙知を言語化し、構造化しておくことが、高度な自動化を実現するための鍵となります。 5. 今後の展望今後は「経験と直感」に基づく熟練者の思考プロセスも言語化してAIに組み込むことや、さらに上流の要件定義フェーズからの関与（より徹底したシフトレフト）を目指しています。「AIに自分の仕事を奪わせる」ことで、人間はより高度で本質的な課題解決に注力できるという、ポジティブなエンジニアリングのあり方を示しています。引用元: https://buildersbox.corp-sansan.com/entry/2026/02/26/100000_jp 商用利用可能な同時双方向日本語音声対話モデル「LLM-jp-Moshi-v1」の公開 - 国立情報学研究所 / National Institute of Informatics 国立情報学研究所（NII）の大規模言語モデル研究開発センター（LLMC）が、日本語に特化した革新的な音声対話AIモデル「LLM-jp-Moshi-v1」を公開しました。このニュースは、日本のAI開発シーンにおいて非常に重要なマイルストーンとなります。 1. 何がすごいのか？：世界初の「商用利用可能な同時双方向」日本語モデルこれまで、人間のようにスムーズに会話できる音声AIの多くは、研究目的に限定されていたり、海外製で日本語が苦手だったりすることが一般的でした。今回公開されたモデルは、「商用利用可能（Apache 2.0ライセンス）」であり、かつ「同時双方向（Full-duplex）」の対話ができる日本語モデルとして世界初の存在です。 2. 「同時双方向（Full-duplex）」がもたらす自然さ新人エンジニアの方にとって馴染み深い「ChatGPT」などの音声モードは、ユーザーが話し終わってからAIが考え始める「交互対話」が主流です。対して、本モデルが実現する「同時双方向」は、相手の声を逐次入力として受け取りながら、同時に音声を出力します。これにより、以下のことが可能になります。自然な相槌: 相手が話している最中に「うんうん」と反応する。割り込みへの対応: 話している途中で遮られても、人間のように反応を変える。絶妙な間合い: 会話の流れを読んだタイミングで返答する。 3. 技術的構成と学習データモデル規模: 約70億パラメータ（7B）。ベース技術: フランスのKyutai Labsが開発した「Moshi」のアーキテクチャを採用。学習データ: 約69,000時間のポッドキャストデータ（J-CHAT）での事前学習に加え、独自に収集した約1,000時間のZoom雑談データでファインチューニングを実施。計算基盤: 産総研が提供するAI橋渡しクラウド「ABCI 3.0」を活用。単なるテキストの翻訳ではなく、日本語特有の「雑談の空気感」を学習している点が大きな特徴です。 4. 活用の期待とエンジニアへのメリット本モデルはHugging Faceで公開されており、誰でもダウンロードして試すことができます。コールセンターの自動応答や、リアルタイム性が求められるカウンセリング、ゲーム内でのキャラクターとの対話など、幅広い社会実装が期待されています。「透明性・再現性」を重視して公開されているため、中身の仕組みを学びたい新人エンジニアにとっても、最高の学習・開発リソースとなるでしょう。日本語音声AIの未来を切り拓く、非常にエキサイティングな公開です。引用元: https://www.nii.ac.jp/news/release/2026/0225.html さくらインターネット、生成AI向け推論API基盤「さくらのAI Engine」にて「音声合成（TTS）API」を提供開始さくらインターネットさくらインターネットは、推論API基盤「さくらのAI Engine」にて「音声合成（TTS）API」の提供を開始しました。実行エンジンにVOICEVOXを採用し、「ずんだもん」などの人気モデルによる音声生成が可能です。OpenAIのAPIと互換性があるため、既存システムへの組み込みも容易です。音声入力から合成までの一連の処理が国内基盤で完結するため、セキュアな対話型AI開発がより身近になりました。引用元: https://www.sakura.ad.jp/corporate/information/newsreleases/2026/02/26/1968223682/ お便り投稿フォーム VOICEVOX:ずんだもん

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.

Transcript

Related