#zennpage 3/10

AI要約Microsoft が公開した Skill Recorder は、PC操作を録画してAIが手順・意図・自動化候補を構造化するツールで、従来のヒアリング依存の業務可視化を大きく変える可能性がある。

AI SUMMARYMicrosoft's Skill Recorder captures PC operations on video and uses AI to extract workflows and automation candidates, offering a data-driven alternative to traditional interview-based process documentation.

AI要約Claude CodeやOpenAI Codex CLIなど6つのAIコーディングCLIを比較し、CLAUDE.mdやhooksといった設定資産を他ツールへ移植する際の読み替え方法と共通設計を解説した実践的調査記事。

AI SUMMARYA practical comparison of six AI coding CLIs—including Claude Code and OpenAI Codex CLI—examining how to migrate configuration assets like CLAUDE.md and hooks across tools to maintain consistent repository behavior regardless of which agent is used.

AI要約MiniMax H3をGoogle ColabのA100で実際に動かした検証記事。VRAMではなくディスク容量とRAMがボトルネックになるという、見落とされがちな落とし穴を実測ベースで記録している。

AI SUMMARYA hands-on report of running MiniMax H3 (Hailuo 3.0) on a Colab A100 reveals that disk space and RAM—not VRAM—are the real bottlenecks, offering practical guidance for anyone attempting local deployment.

AI要約Claude Codeを活用した開発で「人間は図と意図を持ち、コードはAIが読む」という分業スタイルを確立し、Mermaidによるテキスト図解とモジュール分割がその鍵になると解説している。

AI SUMMARYThe author describes a workflow where humans focus on intent and diagrams while AI reads and manages code, using Mermaid text diagrams and module separation to enable clear human-AI collaboration with Claude Code.

AI要約GitHub Copilot のカスタムエージェントを統括役1体＋専門エージェント3体に分割し、自作 MCP サーバー経由で外部 SaaS を操作するナレッジベース更新ワークフローの設計と実装をまとめた記事です。

AI SUMMARYThis article details a multi-agent architecture for GitHub Copilot where one orchestrator delegates to three specialist agents, each connecting to external SaaS via a custom-built MCP server to automate help-center article updates.

AI要約RCTの実証研究により、AIへの丸投げは学習効果を下げるが、対話・検証を伴う高関与な使い方では非使用群と同等以上の成績が得られることが示された。

AI SUMMARYRandomized controlled trials show that passively delegating to AI reduces learning, while actively engaging with it through dialogue and verification yields outcomes on par with or better than not using AI at all.

AI要約AIエージェントが日常的にコードを書く時代に合わせ、正典の一元化・段階的開示・操作リポジトリと世界知識リポジトリの分離という3原則に基づいたリポジトリ設計方針を提案している。

AI SUMMARYThis article proposes three design principles for AI-era repositories: a single source of truth with thin per-tool pointer files, progressive disclosure of context, and separating the operational repo from the knowledge-base repo.

AI要約mizchi氏提唱の「empirical-prompt-tuning」手法をGitHub Copilot環境で実践し、正規表現生成Skillを意図的に劣化させてからテスト駆動で反復改善することで、勘頼りでないプロンプト品質向上の方法論を実証した記録。

AI SUMMARYThis article documents applying mizchi's empirical-prompt-tuning methodology in GitHub Copilot to iteratively improve a regex-builder Skill, showing that test-driven prompt refinement yields more reliable quality gains than intuition-based tweaking.

AI要約従業員番号やメールアドレスを使うサービスでは登録・ログイントラブルが頻発するが、個人情報をLLMに送らずにCS対応を自動化するエージェントの設計手法を解説している。

AI SUMMARYThis article explains how to build a CS support agent that automates repetitive account-verification inquiries without exposing personal information to the LLM, reducing manual CS workload.

AI要約WindowsアプリEmpowiaでSlack会話をローカルにバックアップし、MCPサーバーとして公開することで、管理者権限やクラウド不要でClaude DesktopやCursorから過去ログを検索できる構成を解説している。

AI SUMMARYThis article explains how to back up Slack conversations locally using the Windows app Empowia, then expose that archive as an MCP server so Claude Desktop or Cursor can search past logs without cloud uploads or Slack admin privileges.

AI要約2026年7月30日にパブリックプレビューとなったGitHubのスタックPR機能を3層構成で検証。squashマージ後も上位PRのベースが自動で切り替わり、`gh stack sync`で線形履歴が復元されることを確認した。

AI SUMMARYA hands-on trial of GitHub's stacked PR feature (public preview July 2026) with three layers confirmed that squash-merging a base PR automatically retargets upper PRs, and `gh stack sync` restores linear history on top of the squash commit.

AI要約AIエージェントのオーケストレーション専用言語「Katari」v0.1.xが開発中で、メール監視・カレンダー連携・Web監視・タスク管理などをこなすDiscord Botの実装例を通じてその実用性が紹介されている。

AI SUMMARYKatari, a custom language (v0.1.x) designed for AI agent orchestration, is demonstrated building a Discord Bot that handles email monitoring, calendar sync, web watching, task management, and image editing tools.

AI要約v0・Lovable・Cursor・Claude Code・Supabase・Cloudflare Pages を組み合わせ、7日間で SaaS MVP を構築した実践記録。各ツールの役割分担と詰まりやすいポイントを日次で整理している。

AI SUMMARYA hands-on 7-day build log showing how to ship a SaaS MVP by combining v0, Lovable, Cursor, Claude Code, Supabase, and Cloudflare Pages, with day-by-day notes on blockers and solutions.

AI要約普段Claude Codeを使う著者が初めてCursorを試したところ、3回のプロンプトでブラウザ動作の3Dシューティングゲームが完成し、その実力に驚いた体験とCursor担当者への取材をまとめた記事。

AI SUMMARYA Claude Code power user tried Cursor for the first time and built a browser-based 3D shooter in just three prompts, then interviewed a Cursor insider to understand where Cursor outshines Claude Code.

AI要約Cursor における「プラグイン」という言葉は VS Code 拡張・MCP・Marketplace Plugin の三層が混在しており、本記事はその違いを整理しつつ実際に複数の Plugin を試した結果とおすすめをまとめている。

AI SUMMARYThe term "plugin" in Cursor conflates VS Code extensions, MCP servers, and Marketplace-distributed Plugin packages; this article clarifies each layer and shares practical findings from hands-on testing of several Cursor Marketplace Plugins.

AI要約新試験 GH-600 に合格した筆者が、SDLCへのエージェント組み込みやCI/CD連携など試験ドメインごとの出題傾向と準備方法を解説しています。

AI SUMMARYA firsthand account of passing the GH-600: GitHub Agentic AI Developer exam, covering domain-by-domain topics such as integrating agents into the SDLC, auditing agent behavior, and CI/CD pipeline automation.

AI要約複数のAIエージェントが同時にPlaywright MCPでブラウザを操作する際の衝突を、HTTPサーバーモードとmcp-remoteを組み合わせた構成で解消する方法を解説した記事。コピペ可能な設定ファイルと起動スクリプトも提供されている。

AI SUMMARYThis article explains how to eliminate browser conflicts when multiple AI agents (Claude Code, Kiro, Cursor, etc.) run Playwright MCP concurrently, using an HTTP server mode combined with mcp-remote and ready-to-use config files.

AI要約Claude Opus 5 やGPT-5.6など自律性の高いモデルでは過剰な自己省察が問題になりやすく、.github/copilot-instructions.md に適切な指示を追記することで動作を安定させられる。

AI SUMMARYHigh-autonomy models like Claude Opus 5 and GPT-5.6 in GitHub Copilot can over-reflect, and adding targeted instructions to .github/copilot-instructions.md after running /init helps stabilize their behavior.

AI要約弥生が Cursor を組織全体に導入して約1年、個人の体感だけでなく生産性を定量的に測定した取り組みと知見を Cursor Meetup Sapporo で発表した。

AI SUMMARYYayoi shared one year of org-wide Cursor adoption at Cursor Meetup Sapporo, focusing on how the team measured productivity beyond individual impressions.

AI要約業務での生成AI利用時に「この内容をクラウドへ送ってよいか」を人間が毎回判断する負担を解消するため、入力内容を自動評価してローカルLLMとクラウドAIへ振り分けるLLMルーティングの内部動作を解説した記事。

AI SUMMARYThis article explains how LLM routing works internally—automatically classifying user input and directing it to either a local LLM or a cloud AI—removing the burden of manual privacy judgment each time sensitive content is involved.

AI要約Minecraft上で制度を与えずに32体のLLMエージェントを6時間動かした実験で24件の殺害が発生し、多エージェント設計における再現性の高い3つの失敗パターンが明らかになった。

AI SUMMARYA 6-hour Minecraft experiment running 32 institution-free LLM agents resulted in 24 killings among villagers, revealing three reproducible failure patterns critical for multi-agent system designers.

AI要約AI駆動開発という言葉が指す内容は人によって異なるため、現場で見られるパターンを体系的に整理し、どの層の話をしているかを揃えることを目的とした記事。

AI SUMMARYThis article maps the various AI-driven development patterns seen in practice today, aiming to clarify which layer each pattern operates on so teams can have more aligned discussions.

AI要約M1 Max 64GBでQwen3.5-9B Q4量子化モデルを実測したところ、短い日本語回答に対して数千トークンの過剰出力が発生し、「GPT-4超え」の主張は実環境では検証困難であることが示された。

AI SUMMARYHands-on testing of Qwen3.5-9B (Q4, 6.6 GB) on an M1 Max revealed that a 131-character Japanese answer ballooned to 3,936 tokens, exposing a significant verbosity issue and making the widely-circulated "beats GPT-4" claim impossible to verify under real conditions.

AI要約Ollama 0.30.8にMLXバックエンドが統合されたが、バイナリ解析とログ突合の結果、通常の`ollama pull`で取得するGGUFモデルはMLXランナーを経由しないことが判明した。速度改善の恩恵を受けるにはモデル形式の確認が必要となる。

AI SUMMARYOllama 0.30.8 ships with an integrated MLX runner for Apple Silicon, but hands-on investigation on an M1 Max 64GB showed that standard GGUF models pulled via `ollama pull` do not go through the MLX path, meaning users cannot assume a speed gain without verifying the active backend.

AI要約RTX 4070でQwen 35Bをローカル動作させ、7項目の質問で GPT-4と比較採点した結果、3領域では明確に優位に立てることが判明した。「賢いモデルほど汎用的」という常識とは別に、ローカルLLMが実用的に刺さる用途が存在することを示している。

AI SUMMARYA hands-on benchmark pitting locally-run Qwen 35B against GPT-4 across seven questions found that the open model wins in exactly three domains, challenging the assumption that local LLMs are purely for experimentation and highlighting specific practical use cases for consumer-grade GPUs.

AI要約vLLMでMTP speculative decodingとprefix cachingを併用すると、キャッシュヒット率が半減しTTFTが悪化するバグが報告されており、二つの最適化を単純に組み合わせても期待通りの速度向上が得られない理由を解説している。

AI SUMMARYCombining MTP speculative decoding with prefix caching in vLLM can halve cache hit rates and significantly worsen TTFT, exposing a real bug where two optimizations interfere rather than multiply each other's benefits.

AI要約Apple M3 Ultra・512GB搭載のMac Studio 1台でKimi K3を動かすため441GBに枝刈りし、Kimi Code CLIと組み合わせてSWE-Lancerの実タスク8本中5本・$3,500相当を達成した。

AI SUMMARYA developer pruned Kimi K3 down to 441 GB and ran it on a single Mac Studio (Apple M3 Ultra, 512 GB), achieving 5/8 correct on real SWE-Lancer tasks worth $3,500 using Kimi Code CLI as the harness.

AI要約Apple M5 Pro 48GBでの実測値と公開一次ソースを組み合わせ、6GB〜大容量までのVRAM階級ごとに最適なローカルLLMモデルをQwen3.5シリーズ中心にまとめたベンチマーク記事。

AI SUMMARYA practical benchmark guide selecting the best local LLM per VRAM tier (6 GB and up), combining direct measurements on Apple M5 Pro 48 GB with cited third-party data, with Qwen3.5 models dominating the lower tiers.