nobusukef

1.4K posts

nobusukef banner
nobusukef

nobusukef

@NouvelleCaledo7

🌺ニューカレドニア好き🌺スポーツ観戦、格ゲー好き🌈✨

Katılım Şubat 2021
3.5K Takip Edilen2.8K Takipçiler
nobusukef retweetledi
ガガロットAI
ガガロットAI@gagarotai200·
『Obsidian』×『Claude Code』 ガチで最強すぎる これで月々のコスト半減したw 長期開発では最強の組み合わせ ・会話ログ保存 ・仕様書をMarkdown化 ・Claude.mdでルール固定 ・必要な情報だけAIへ渡す ・Vault化して知識を再利用 これやるだけで、 毎回全文読み込み問題がかなり減る。 結果として ・無駄トークン削減 ・使用制限に到達しにくい ・コンテキスト崩壊しにくい ・長期開発が安定 ・MCP/CLI連携もしやすい AI時代って、 プロンプト力より コンテキスト管理力の差が デカくなってる。 特にObsidianは、 AI専用の外部記憶装置みたいに 使えるのが強い。
ガガロットAI tweet media
ガガロットAI@gagarotai200

x.com/i/article/2050…

日本語
3
3
61
6.2K
nobusukef retweetledi
ガガロットAI
ガガロットAI@gagarotai200·
Hermes Agentをただ使ってるのは論外 どうやって使ったら効果を最大化できるか 誰でも1ステップで効果が実感できる方法は                                                                                        普通の対話型LLMは、 質問するとすぐ答えてくれる。 これはめちゃくちゃ便利です。 ただ、実務で使おうとすると限界もあります。 たとえば、 ・毎回、背景や目的を説明し直す ・「もっと深く」「別案も」「調べて」と何度も往復する ・出てきた答えを人間が整理する ・資料化、実行、確認、修正は結局人間がやる ・気づいたら自分がAIのマネージャー役になっている Hermes Agentは、単に質問に答えさせるのではなく、 最初に目的・条件・資料・ゴールを渡して、 作業全体を動かす司令塔として使うのが強い。 たとえば、 「この投稿を作って」ではなく、 ・誰に向けた投稿なのか ・何を伝えたいのか ・どんなトーンにしたいのか ・参考資料はどれか ・最終的に何を作りたいのか ・どこまで自動で進めてほしいのか まで渡す。 するとHermes Agentは、 要件整理、タスク分解、調査、 文章作成、比較、レビュー、改善案出しまで、 一つの流れとして扱いやすくなる。 ここが普通の対話型LLMとの大きな違い。 Hermes Agentは、 最初に全体像を渡すことで、 複数のAIやツールをつなぎながら、 作業を前に進める前提で使える。 つまり、AIを相談相手として使うか、 実務を動かすチームとして使うかの違い。 これからのAI活用で重要なのは、 良いプロンプトを書くことだけではなく、 AIに仕事の流れそのものを設計させること。 AIに質問する人より、 AIに段取りを組ませて、 実行まで回せる人が強くなる。 Hermes Agentは、まさにそのための入口になる。
ガガロットAI tweet media
ガガロットAI@gagarotai200

x.com/i/article/2049…

日本語
0
3
14
2.4K
nobusukef
nobusukef@NouvelleCaledo7·
GWゆっくり研究しようかな✨️✨️
ガガロット@gagarot200

🦞Open Clawの10倍の勢いで 利用者が急増しているHermes Agent 「月1000万円」まで稼ぎたいと考えてるなら 絶対に今すぐ導入しろ                                                                                  記憶システムを読み解く OpenClawの何を改善したのか ChatGPT、Claude、Clawdbotの記憶システムについて書いてきた中で、ずっと気になっていた問いがある。 AIエージェントは実際、どうやって「記憶」しているのか。 Hermes Agentが特に面白いのは、今回はコードが全部公開されていた点だ。 挙動を推測するのではなく、コードを直接読める。 プロンプトの組み立て方、セッションの保存、記憶の整理、過去の会話の検索まで、実際の処理を追うことができた。 結論から言うと、Hermesの記憶は1つではなく、4つの層に分かれている。 ① MEMORY.md と USER.md に保存される、圧縮されたプロンプト記憶 ② SQLiteに蓄積された、検索可能な過去セッションのアーカイブ ③ スキルとして保存される、操作の手順記憶 ④ より深いユーザー理解のための、オプションのHonchoレイヤー 設計の軸はシンプルだ。 プロンプトはできるだけ変えずにキャッシュ効率を上げ、複雑な処理はツールに任せる。 ◆ Hermesがモデルに渡している情報 記憶の話に入る前に、Hermesがモデルに何を渡しているかを整理しておく。 システムプロンプトは、おおむね次の順で組み立てられる。 [0] エージェントの基本設定 [1] ツール使用のルール [2] Honcho連携(オプション) [3] 追加のシステムメッセージ [4] MEMORY.md のスナップショット(固定) [5] USER.md のスナップショット(固定) [6] スキルの一覧 [7] ルールファイル(AGENTS.md、SOUL.md など) [8] 日時とプラットフォーム情報 [9] 会話履歴 [10] 現在のユーザーメッセージ ここで重要なのは、Hermesがプロンプトキャッシングを強く意識して設計されている点だ。 プロンプトの先頭部分をできるだけ変えないことで、キャッシュを最大限に活かす。 毎回必要な情報はプロンプトに小さく埋め込む。 量が多いもの・古い履歴・たまにしか使わないものは外に出して、必要なときだけ検索する。 この考え方が、記憶アーキテクチャ全体の土台になっている。 ◆ 第1層:プロンプト記憶(MEMORY.md と USER.md) Hermesの常駐記憶は、2つのファイルだけだ。 MEMORY.md(上限2,200文字) 環境情報、ツールの癖、繰り返し起きたエラーへの対処法など USER.md(上限1,375文字) ユーザーの好み、コミュニケーションスタイル、基本情報など 合計しても約1,300トークン。かなり小さい。 これは意図的な設計だ。 セッション開始時にこの2ファイルを読み込んでプロンプトに固定し、セッション中は変えない。 途中で新しい記憶が書き込まれてもディスクに保存されるだけで、次のセッションが始まるまで反映されない。 保存する情報の基準も明確だ。 保存するもの:ユーザーの好み、環境の事実、エラーの修正方法、安定した仕様 保存しないもの:タスクの進捗、セッションの結果、一時的なToDoリスト MEMORY.md は「記録帳」ではなく「厳選されたメモ」として機能する。 ここがOpenClawとの最大の違いだ。 設計で特に気に入った点が3つある。 文字数制限を使っていること トークン計算がモデルに依存しなくなる。 区切りは § だけのシンプルなテキスト形式 複雑なDBや独自フォーマットが不要。 プロンプト内の記憶領域を意図的に小さく保っていること 全部を詰め込むのではなく、本当に価値の高い事実だけを置く。 memoryツールには add・replace・remove の3操作があり、部分文字列マッチングで動く。 IDを管理する必要はなく、一意に識別できる文字列を指定するだけでいい。 プロンプトインジェクションや認証情報の混入を防ぐスキャンも内部で走っている。 ◆ 第2層:過去セッションの検索(session_search) MEMORY.md が「常に手元に置くメモ」なら、session_search は「必要なときに引き出す記録棚」だ。 過去のセッションはすべてSQLiteに保存されていて、全文検索が使える。 モデルが過去の会話を参照したいとき、MEMORY.md を見るのではなくこのDBを検索する。 流れはこうだ。 過去メッセージを全文検索 → セッション単位でグループ化 → 一致度の高いものを読み込む → 補助モデルで要約 → 整理された内容をメインモデルに返す。 長い履歴をそのままプロンプトに流し込むよりも、コストも精度も現実的な設計だ。 ◆ 第3層:圧縮とメモリフラッシュ 会話が長くなりすぎたとき、Hermesは中盤部分を圧縮してスペースを確保する。 ただし圧縮すると情報が失われるリスクがある。 そこで圧縮の前に「メモリフラッシュ」を行う。 モデルに「このセッションは圧縮されます。残す価値のあるものを保存してください。優先すべきはユーザーの好み・修正提案・繰り返すパターンで、タスクの詳細ではありません」と伝えた上で、memoryツールだけを有効にした追加の呼び出しを行う。 モデルが必要と判断した情報は、圧縮される前にMEMORY.mdへ書き込まれる。 ◆ 第4層:スキル記憶 Hermesは事実だけでなく「やり方」も保存できる。 複雑な手順を発見したとき、厄介な問題を解決したとき、より良い方法を学んだとき、それを「スキル」として ~/.hermes/skills/ に保存する。 ただしすべてのスキルをプロンプトに詰め込むことはしない。 プロンプトに入るのはスキルの一覧だけで、必要なときに本体を読み込む。 ◆ 第5層:Honcho(オプション) ローカル記憶がHermes自身のノートだとすれば、Honchoはより複雑なユーザー像を構築するための層だ。 デバイスやプラットフォームをまたいで記憶をつなげられる。 工夫されているのはキャッシュとの両立だ。 最初のターンではHonchoの情報をシステムプロンプトに組み込み、それ以降はプロンプトを変えずにユーザーメッセージの後ろに追記する。 これでキャッシュを壊さずに最新の背景情報を参照できる。 ◆ HermesとOpenClawの違い OpenClawは記憶が「Markdownの記録帳」に近く、ログや長期ファイルが主な情報源になっている。 Hermesはプロンプト記憶を厳しく制限し、履歴はSQLiteに保存して必要なときだけ検索する。 Hermesはキャッシュ効率を最優先にしている。 システムプロンプトはすべての情報を置く場所ではない、という考え方だ。 ◆ まとめ Hermesが正しく実装したのは、主に3点だ。 ホット/コールドの分離 小さなプロンプト記憶が常駐情報を担い、たまに必要なものは検索で補う。 キャッシュ優先の設計 プロンプトを頻繁に変えると遅延とコストが増えることを前提にしている。 記憶の多層化 個人プロファイル・状況想起・操作スキル・深いユーザー理解を、それぞれ別の層で持つ。 Hermesの核心にある考え方はシンプルだ。 記憶はエージェントを使いやすくするためにある。プロンプトの安定性を犠牲にしてまで物知りにするためではない。 大切なのは、より多くを記憶することではなく、何を・どの層で・どのコストで記憶するかを見極めることだ。

日本語
0
1
7
1.3K
nobusukef retweetledi
ガガロット
ガガロット@gagarot200·
🦞Open Clawの10倍の勢いで 利用者が急増しているHermes Agent 「月1000万円」まで稼ぎたいと考えてるなら 絶対に今すぐ導入しろ                                                                                  記憶システムを読み解く OpenClawの何を改善したのか ChatGPT、Claude、Clawdbotの記憶システムについて書いてきた中で、ずっと気になっていた問いがある。 AIエージェントは実際、どうやって「記憶」しているのか。 Hermes Agentが特に面白いのは、今回はコードが全部公開されていた点だ。 挙動を推測するのではなく、コードを直接読める。 プロンプトの組み立て方、セッションの保存、記憶の整理、過去の会話の検索まで、実際の処理を追うことができた。 結論から言うと、Hermesの記憶は1つではなく、4つの層に分かれている。 ① MEMORY.md と USER.md に保存される、圧縮されたプロンプト記憶 ② SQLiteに蓄積された、検索可能な過去セッションのアーカイブ ③ スキルとして保存される、操作の手順記憶 ④ より深いユーザー理解のための、オプションのHonchoレイヤー 設計の軸はシンプルだ。 プロンプトはできるだけ変えずにキャッシュ効率を上げ、複雑な処理はツールに任せる。 ◆ Hermesがモデルに渡している情報 記憶の話に入る前に、Hermesがモデルに何を渡しているかを整理しておく。 システムプロンプトは、おおむね次の順で組み立てられる。 [0] エージェントの基本設定 [1] ツール使用のルール [2] Honcho連携(オプション) [3] 追加のシステムメッセージ [4] MEMORY.md のスナップショット(固定) [5] USER.md のスナップショット(固定) [6] スキルの一覧 [7] ルールファイル(AGENTS.md、SOUL.md など) [8] 日時とプラットフォーム情報 [9] 会話履歴 [10] 現在のユーザーメッセージ ここで重要なのは、Hermesがプロンプトキャッシングを強く意識して設計されている点だ。 プロンプトの先頭部分をできるだけ変えないことで、キャッシュを最大限に活かす。 毎回必要な情報はプロンプトに小さく埋め込む。 量が多いもの・古い履歴・たまにしか使わないものは外に出して、必要なときだけ検索する。 この考え方が、記憶アーキテクチャ全体の土台になっている。 ◆ 第1層:プロンプト記憶(MEMORY.md と USER.md) Hermesの常駐記憶は、2つのファイルだけだ。 MEMORY.md(上限2,200文字) 環境情報、ツールの癖、繰り返し起きたエラーへの対処法など USER.md(上限1,375文字) ユーザーの好み、コミュニケーションスタイル、基本情報など 合計しても約1,300トークン。かなり小さい。 これは意図的な設計だ。 セッション開始時にこの2ファイルを読み込んでプロンプトに固定し、セッション中は変えない。 途中で新しい記憶が書き込まれてもディスクに保存されるだけで、次のセッションが始まるまで反映されない。 保存する情報の基準も明確だ。 保存するもの:ユーザーの好み、環境の事実、エラーの修正方法、安定した仕様 保存しないもの:タスクの進捗、セッションの結果、一時的なToDoリスト MEMORY.md は「記録帳」ではなく「厳選されたメモ」として機能する。 ここがOpenClawとの最大の違いだ。 設計で特に気に入った点が3つある。 文字数制限を使っていること トークン計算がモデルに依存しなくなる。 区切りは § だけのシンプルなテキスト形式 複雑なDBや独自フォーマットが不要。 プロンプト内の記憶領域を意図的に小さく保っていること 全部を詰め込むのではなく、本当に価値の高い事実だけを置く。 memoryツールには add・replace・remove の3操作があり、部分文字列マッチングで動く。 IDを管理する必要はなく、一意に識別できる文字列を指定するだけでいい。 プロンプトインジェクションや認証情報の混入を防ぐスキャンも内部で走っている。 ◆ 第2層:過去セッションの検索(session_search) MEMORY.md が「常に手元に置くメモ」なら、session_search は「必要なときに引き出す記録棚」だ。 過去のセッションはすべてSQLiteに保存されていて、全文検索が使える。 モデルが過去の会話を参照したいとき、MEMORY.md を見るのではなくこのDBを検索する。 流れはこうだ。 過去メッセージを全文検索 → セッション単位でグループ化 → 一致度の高いものを読み込む → 補助モデルで要約 → 整理された内容をメインモデルに返す。 長い履歴をそのままプロンプトに流し込むよりも、コストも精度も現実的な設計だ。 ◆ 第3層:圧縮とメモリフラッシュ 会話が長くなりすぎたとき、Hermesは中盤部分を圧縮してスペースを確保する。 ただし圧縮すると情報が失われるリスクがある。 そこで圧縮の前に「メモリフラッシュ」を行う。 モデルに「このセッションは圧縮されます。残す価値のあるものを保存してください。優先すべきはユーザーの好み・修正提案・繰り返すパターンで、タスクの詳細ではありません」と伝えた上で、memoryツールだけを有効にした追加の呼び出しを行う。 モデルが必要と判断した情報は、圧縮される前にMEMORY.mdへ書き込まれる。 ◆ 第4層:スキル記憶 Hermesは事実だけでなく「やり方」も保存できる。 複雑な手順を発見したとき、厄介な問題を解決したとき、より良い方法を学んだとき、それを「スキル」として ~/.hermes/skills/ に保存する。 ただしすべてのスキルをプロンプトに詰め込むことはしない。 プロンプトに入るのはスキルの一覧だけで、必要なときに本体を読み込む。 ◆ 第5層:Honcho(オプション) ローカル記憶がHermes自身のノートだとすれば、Honchoはより複雑なユーザー像を構築するための層だ。 デバイスやプラットフォームをまたいで記憶をつなげられる。 工夫されているのはキャッシュとの両立だ。 最初のターンではHonchoの情報をシステムプロンプトに組み込み、それ以降はプロンプトを変えずにユーザーメッセージの後ろに追記する。 これでキャッシュを壊さずに最新の背景情報を参照できる。 ◆ HermesとOpenClawの違い OpenClawは記憶が「Markdownの記録帳」に近く、ログや長期ファイルが主な情報源になっている。 Hermesはプロンプト記憶を厳しく制限し、履歴はSQLiteに保存して必要なときだけ検索する。 Hermesはキャッシュ効率を最優先にしている。 システムプロンプトはすべての情報を置く場所ではない、という考え方だ。 ◆ まとめ Hermesが正しく実装したのは、主に3点だ。 ホット/コールドの分離 小さなプロンプト記憶が常駐情報を担い、たまに必要なものは検索で補う。 キャッシュ優先の設計 プロンプトを頻繁に変えると遅延とコストが増えることを前提にしている。 記憶の多層化 個人プロファイル・状況想起・操作スキル・深いユーザー理解を、それぞれ別の層で持つ。 Hermesの核心にある考え方はシンプルだ。 記憶はエージェントを使いやすくするためにある。プロンプトの安定性を犠牲にしてまで物知りにするためではない。 大切なのは、より多くを記憶することではなく、何を・どの層で・どのコストで記憶するかを見極めることだ。
ガガロット tweet media
ガガロットAI@gagarotai200

x.com/i/article/2049…

日本語
1
27
283
46.6K
nobusukef retweetledi
ガガロットAI
ガガロットAI@gagarotai200·
⚠️【超特別情報】 オラがいつも学んでる Youtubeチャンネルを特別に公開するw                                                                                                                  サイバーセキュリティ - NetworkChuck 人工知能 - Two Minute Papers Web開発 - The Net Ninja Pythonプログラミング - Corey Schafer DevOps - TechWorld with Nana クラウドコンピューティング - AWS Developers データ分析 - Luke Barousse デジタルマーケティング - Brian Dean UI/UXデザイン - Jesse Showalter ブロックチェーン開発 - Dapp University React開発 - JavaScript Mastery Javaプログラミング - Amigoscode ネットワーク - Jeremy's IT Lab 個人ブランディング - Dan Koe 絶対これみて勉強してほしい
ガガロットAI tweet mediaガガロットAI tweet mediaガガロットAI tweet mediaガガロットAI tweet media
日本語
5
2
25
2.5K
nobusukef
nobusukef@NouvelleCaledo7·
@gagarotai200 いつも有益な情報ありがとうございます🌈✨️
日本語
1
0
1
2.1K
ガガロットAI
ガガロットAI@gagarotai200·
【Claude ChatGPT Gemini終了w】 有料AIの時代を終わらせた 『Rowboat』の性能がやばすぎw 『Rowboat』【完全無料】 100% 自分のPCの中で動く
データを全部Anthropicなどに送らなくていい! プライバシーが守られる 声で話しかけられる(音声) どんなAI(LLM)でも使える
Claudeだけじゃなく、好きなAIに変えられる ノートアプリのObsidianと完全に連携
自分のメモや知識をAIがちゃんと覚えてくれる 勝手に調べてくれる(ウェブ検索+バックグラウンドで動くエージェント) 自動で知識グラフを作ってくれる 情報同士のつながりをAIが勝手に整理してくれる神機能 ツールも簡単に追加できる(MCPツール拡張)
ガガロットAI tweet media
日本語
7
38
593
57K
nobusukef retweetledi
エル
エル@Capitalnvest·
米国や英国が暗号通貨に本気になってるのに日本はなにやってるんだろ。 サナエトークンという下らない案件が足引っ張るわ 国の成長戦略からWeb3・暗号通貨が消えるわ もう知らない人が殆どだけど、2017年まで日本は本当に暗号通貨界の中心だった。 当時は取引高が世界1位だったり、 世界で初めて のレベルでビットコインが合法決済手段になったりと規制整備もめちゃくちゃ順調に進んでいた。 どうしてこうなってしまったんだ。 本当に悲しい。
日本語
81
217
2.3K
194.9K
nobusukef retweetledi
高市早苗
高市早苗@takaichi_sanae·
ピーター・ティール・パランティア・テクノロジーズ社会長@peterthielを官邸にお迎えし、日米の先端技術分野の現状及び展望等について、有意義な意見交換を行いました。 続いて、UAEのジャーベル特使の表敬を受けました。イランをめぐる情勢を踏まえ、UAEにおける被害にお見舞いを申し上げ、邦人保護や石油の安定供給を要請しました。また今回、日本・UAEの『包括的経済連携協定』が交渉妥結に至りました。この機会を捉え、様々な分野での協力を一層強化していきます。 その後、ドイツのメルツ首相 @bundeskanzler と先週以来2度目の電話会談を行い、メルツ首相から最近の訪中と訪米について説明をいただきました。また、世界のサプライチェーンに影響を及ぼす経済安全保障の問題について、日独両国が引き続き緊密に連携していくことを確認しました。
日本語
1.9K
2.3K
18.2K
3.1M
nobusukef retweetledi
高市早苗
高市早苗@takaichi_sanae·
SANAE TOKENという仮想通貨が発行され、一定の取引が行われていると伺いました。 名前のせいか、色々な誤解があるようですが、このトークンについては、私は全く存じ上げませんし、私の事務所側も、当該トークンがどのようなものなのかについて知らされておりません。本件について我々が何らかの承認を与えさせて頂いたこともございません。 国民の皆様が、誤認されることのないよう、申し上げることと致しました。
日本語
5.7K
31.6K
179.5K
72.2M
nobusukef retweetledi
BSCN
BSCN@BSCNews·
🚨BREAKING: FLARE NETWORKS & XAMAN WALLET LAUNCH ONE-CLICK DEFI FOR $XRP HOLDERS @FlareNetworks and @XamanWallet have introduced seamless one-click DeFi access enabling $XRP holders to deposit into yield-generating vaults in a single transaction, eliminating bridging complexity and custodial risk. The integration eliminates the multi-step process that typically requires bridging XRP to other chains, swapping for wrapped assets, and exposing users to smart contract risk across multiple platforms.
English
19
132
608
27.4K
nobusukef retweetledi
🟧Ultimae
🟧Ultimae@Ultimae_Crypto·
FOMO(チャンスを見逃す恐怖) 上がっている銘柄を買いたくなるのはなぜか まずFOMOの正体は「不安や恐怖」です。 不安、恐怖は我々が「脅威」を感じ取った時に発生します、、問題は「トレードチャンスを逃したこと」そのものではなく、それを脅威として感じ取ることにあります。 脅威を感じると、人はストレスモードに入ります。 このとき脳は「戦う」か「逃げる」かの戦闘/逃走反応を起動します。 緊急事態に備えるため、血流は思考を司る前頭葉から行動を司る運動野へ移動します。 前頭葉は冷静な判断や計画を行う場所ですが、血流が減るとその働きが弱まります。 代わりに、運動野や衝動的な行動を促す領域が活性化します。その結果、「考えるより先に動く」「すぐにポジションを取る」といった行動に出やすくなります。 重要なのは、FOMOの原因となる脅威を取り除くことです。 これがFOMOを防ぐ第一歩になります。 脅威を消すには、「恐怖に基づく動機」よりもさらに強い動機を持つことが効果的です。 その強い動機とは、成長するトレーダーが無意識に追い求めているもの、成長と学びへの欲求です。 もちろん、稼ぐことは素晴らしいことです。 しかし、「早くお金を稼ぎたい」という気持ちだけで動くと、判断が乱れ、FOMOに陥りやすくなります。 常に学び、常に成長しようとする姿勢を持ち続けることで、FOMOに振り回されない安定したトレードができるようになります。 応援しています。これを読んでいるあなたは、間違いなく素晴らしい投資家です。
日本語
0
39
550
36K
nobusukef retweetledi
Flare Japan Community🇯🇵☀️
Flare Japan Community🇯🇵☀️@flarejapangroup·
【日本語翻訳】 Flare DeFiのTVL(合計ロック額)が2億3600万ドルに達しました。 お尋ねになる前に言っておきますが、 この数字には借り入れとリキッドステーキングも含まれています。 これは単なる資金ではありません。確信の表れです。 開発者たちは開発を続け、ユーザーは定着しています。 そして、報酬はどうなっているかというと、私たちをここまで支えてくれたDeFiユーザーへの報酬は、今も続いています。 #FlareNetwork #FLR
Flare ☀️@FlareNetworks

Flare DeFi just hit $236M TVL Before you ask, it includes borrowing and liquid staking. That’s not just capital. That’s conviction. Builders are building. Users are sticking. And rewards? Still rewarding DeFi users that got us here.

日本語
0
3
25
1.3K
nobusukef retweetledi
eadorotarou
eadorotarou@eadorotarou·
うぉおおおおお! 1000人!!! 皆さんのおかげ!! これからも頑張るぞー💪🇯🇵
Flare Japan Community🇯🇵☀️@flarejapangroup

#FlareNetwork 🇯🇵 アカウント運営して約2ヶ月で1000名のフォロワーさんと繋がりました㊗️ありがとうございます! おかげさまでアンケート企画ができたり!公認アカウントになったり!!と想像以上の出来事がありました㊗️ 日本からフレアを盛り上げるべく引き続き発信頑張ります! FLRーーーー🚀🚀🚀

日本語
0
1
18
470
nobusukef retweetledi
eadorotarou
eadorotarou@eadorotarou·
みなさん、こんにちは!! @FlareNetworks 公式アンケートの 日本市場調査に参加しましたか? アンケートのみでもOK🙆‍♀️ 8000 FLR当たるかもです!! #FlareNetwork 知らない人でもアンケートに参加してください✊ 分からないことは引用元でコメントしてね🍻 #仮想通貨 #BTC #ETH #SOL #giveaway
Flare Japan Community🇯🇵☀️@flarejapangroup

【注目!!!】 公式の@FlareNetworks から日本コミュニティへのアンケート調査があります。 下記FlareNetwork公式からです。 是非参加してください! ------- 日本のコミュニティの皆様、こんにちは。 この度は、日本のユーザーの皆様をより深く理解するためのアンケート調査にご協力いただき、誠にありがとうございます。 本アンケートを通じて、フレアは日本における影響力をどのように高め、日本のコミュニティの皆様と共に成長していけるかを検討してまいります。 ご参加いただいた皆様への感謝の気持ちとして、抽選で10名の方に8,000 FLR、総額80,000 FLRを贈呈いたします。 ◻︎抽選への参加方法 ・アンケートの回答 ・@flarejapangroup のフォロー ・この投稿をいいね、リポスト アンケート期間 4/11〜4/20までの10日間 ◻︎当選者発表 アンケート期間終了後、約1週間を予定しております。 ◻︎アンケートはこちら flarecommunity.typeform.com/to/IaTHAWgX 改めて、皆様のご協力に心より感謝申し上げます。 FlareNetwork ------- #FlareNetwork #FLR

日本語
1
3
22
1.2K
nobusukef retweetledi
たこのり(Takonori)🇯🇵FlareJapanComm/cryptoブログ🦊
#FlareNetwork 🇯🇵 10名に8,000FLR(計80,000FLR!!)が当たる公式のアンケートです! コミュニティのみなさんのおかげで企画につながりました!! ぜひサクッとアンケートにお答えいただけたら嬉しいです! ※この結果が次に繋がると思いまして🤣
Flare Japan Community🇯🇵☀️@flarejapangroup

【注目!!!】 公式の@FlareNetworks から日本コミュニティへのアンケート調査があります。 下記FlareNetwork公式からです。 是非参加してください! ------- 日本のコミュニティの皆様、こんにちは。 この度は、日本のユーザーの皆様をより深く理解するためのアンケート調査にご協力いただき、誠にありがとうございます。 本アンケートを通じて、フレアは日本における影響力をどのように高め、日本のコミュニティの皆様と共に成長していけるかを検討してまいります。 ご参加いただいた皆様への感謝の気持ちとして、抽選で10名の方に8,000 FLR、総額80,000 FLRを贈呈いたします。 ◻︎抽選への参加方法 ・アンケートの回答 ・@flarejapangroup のフォロー ・この投稿をいいね、リポスト アンケート期間 4/11〜4/20までの10日間 ◻︎当選者発表 アンケート期間終了後、約1週間を予定しております。 ◻︎アンケートはこちら flarecommunity.typeform.com/to/IaTHAWgX 改めて、皆様のご協力に心より感謝申し上げます。 FlareNetwork ------- #FlareNetwork #FLR

日本語
2
11
21
3.1K