ゆったり資産形成しているWEBエンジニア。PLやPdMとしてプロダクトとチームビルディングを見ています。 AIやエンジニアリングを活かした不労所得・錬金術を模索中💰
東京
Joined June 2016
- Tweets4.8K
- Following454
- Followers1K
- Likes165
Pinned Tweet
まとめ
【完全ロードマップ】私が20代で資産1,500万円を達成した「稼ぐ・貯める・守る・増やす」全戦略｜そのは @闘病&資産形成 note.com/sonoha966/n/n4b41d4…
Googleにこんな機能が増えてた。
ボタン置いてもあんまり使われなさそ〜。
nejimakinikki.hatenablog.com…
Anthropicのコードレビューの自動化。ちゃんと読みたい
claude.dev/blog/solving-code…
Amazon Q、前に触ったときは痒いところに手が届かんなあって感じだったけど、今日は良い感じのアウトプットだった。
Q側が触れるツールが無数あるからこそ、これを使ってこうやって調査してね、まで指定してあげないといけないのかも。
これまでも単発の可視化ならできてたけど、別のBIツールに引き継げるってことは定点観察も可能？それは便利。
news.mynavi.jp/techplus/arti…
タスク分解や線表は、ひとに説明するという意義の他に、「自分たちがそのプロジェクトを上手くやれている状態をイメージできるようにする」という大事な役割がある
qiita.com/shirakurak/items/e…
ザ・モデル名前だけ知ってたけど、目的意識の共有と隣接KPIも追う設計を意識しないと、破綻する雰囲気ある。
あとSFAのポジショントークかもというのも確かに。
youtu.be/z_P-0eUSdts?si=OtEo…
主体性、当事者意識、思いやり、みたいなワードは抽象的すぎるので、行動まで落とし込んだ方が良い。
また、抽象から具体が浮かばないときに、「わかりません」と言いやすい環境も大事。
bookplus.nikkei.com/atcl/col…
エージェントコーディングも、Jevでコスト削減できる？？
teapaw.org/0xMovez/status/2102049…
Jev Founder, Diogo Amogo, just released 12-page PDF on building a Jev Harness for coding agents
this is a 10-step blueprint on how to make your coding agents 200× faster and 400× cheaper:
step 1 → meet Jev: the LLM writes, the harness executes, Jev decides what each turn sees, where it routes and whether it runs
step 2 → ask the question that breaks every agent: how would you design one if LLMs had no KV cache?
step 3 → stop routing blind: Opus → Sonnet → Opus costs 6.19 vs 4.15 for pure Opus, because handing back reprocesses the whole context
step 4 → follow the tokens: reading and searching take 56.2% of tool turns and 46.5% of tokens. Writing code is under 10%
step 5 → score every chunk per query: hide, short summary, long summary or full. Compress after the question, not before
step 6 → disclose tools in tiers: one-line snippets for 100s of tools, schema on demand, docs for one-off queries. Batteries stop costing context
step 7 → load instructions by condition: touching *.tsx loads the style guide, billing/ loads its gotchas file, and compaction can't erase either
step 8 → route by trust, not just difficulty: secrets and infra stay on first-party frontier models, public docs go to the cheapest one
step 9 → share one retrieval pass: cross-model review, eval generation, ELI5 explainers and live progress pages all run read-only in the background
step 10 → gate every command: programmable allow / ask / deny policies that read a script before it runs, not just its name
Send this PDF and the article below to your Claude Code or Codex instance and start shipping 200× faster.
Readers added context they thought people might want to know
The post wrongly identifies "Diogo Amogo" as Jev founder; TypeSafe AI (Jev's developer) was founded by Diogo Almeida. The shared PDF is independently compiled and explicitly disclaims any affiliation with or endorsement by TypeSafe.
typesafe.ai/team
typesafe.ai/blog/introduci…
drive.google.com/file/d/17h982x…
pbs.twimg.com/media/HSv6c7rX…
こんな使い方もできる
Jevはアイデア勝ちかもしれない
teapaw.org/iam_zachi/status/21006…
I think I just cooked something 🔥
jev(): a PostgreSQL extension that searches your whole database in natural language. No index, no embeddings, just one function.
WHERE jev(people, 'could work from home')
or
WHERE jev(people, 'name sounds european')
129 rows judged in ~1s for $0.0009. Second run: 6ms from cache.
Jev、こういう使い方もできるんだな
teapaw.org/riku720720/status/2100…
新規プロダクトの立ち上げやイノベーションを起こそうとするなら、痛みを伴う不確実性の高い仮説検証を繰り返す必要がある。(※一度の検証で確信するのはアンチパターン)
speakerdeck.com/tumada/jia-s…
完全なひとつのループではなく、分割したループの節目に人間の判断を挟むイメージか。
zenn.dev/sprix_it/articles/d…
モデルがシンプルすぎというのはあるが、こういう頭の使い方はしていきたい。
diamond.jp/articles/-/398456
AIコーディングではコスト下げるために、「強いモデルを指示役、弱いモデルを作業役」が一般化してたけど、その反証になったりする？
そしてこれがAIだけでなく人間にも言えそうなのが考えもの。
teapaw.org/ai_database/status/210…
AIのチームに「上司AI」を置いてダメ出しさせるようにすると、部下AIは反論せずレポートを水増しするようになったとの報告。成果物の質は下がり、コストは1.5倍に。
研究者らは「上司役は答え合わせができるときには価値があるが、感想しか言えないときには足かせになる」とまとめています。
実験では、調査・分析・執筆・チェック・管理の5体のAIにレポートを書かせ、管理役に「やり直し」を命じる権限を持たせたチームと、意見だけ言えるチームを比べました。
結果、上司のいないチームの方が「役に立つ」「読みやすい」ともに高評価でコストも低かったそうです。
興味深いのは、上司が一度も口を出さなかったケースでは差がなかった点です。
害になったのは上司の存在ではなく、ダメ出しそのもの。
上司AIに命じられた部下AIは分析を考え直さず、「〜かもしれない」を足してお茶を濁す、人間の忖度のようなふるまいをしていました。
