クオ

内容は保証しないぞ

１００万円年間ピッタリを狙いやすいのは、三井住友ゴールドか。 サブスク含めた固定費で狙いやすいな。

せっかく出来たので貼っておこう

PayPayゴールドは PayPayステップの条件に決済回数があるから 固定費だけで狙うのが難しいのが上手いことやっとるな。

なるほど。 改悪後のPayPayゴールドはPayPayステップを毎月達成出来る程度の使用量にするのが良いのね。 他のカード探さなきゃ。

F1'i neden izlediğini hatırladığın o video

@kiainoitoyan 公式Xが数年前とノリが違っててね なんか嫌いになった

@QLyun35332 クオさんがアスロック諦めただと

もうASrockはいいや。

特にXの口調

なんかここ暫く嫌なんだよね

ド素人だって、運転士なんて関係なくブレーキかける仕組みがあればいいと一瞬で思う話。 なぜその程度のものがないのかと言うと、柔軟性のない法律が原因なんだろうなと思う。 運転士が緊急停止信号見落とす…無線も聞きもらし（読売新聞オンライン） #Yahooニュース approach.yahoo.co.jp/r/QUyHCH?src=h…

Hello from Code with Claude!

We’ve agreed to a partnership with @SpaceX that will substantially increase our compute capacity. This, along with our other recent compute deals, means that we’ve been able to increase our usage limits for Claude Code and the Claude API.

Effective today, we are: 1) Doubling Claude Code’s 5-hour rate limits for Pro, Max, and Team plans; 2) Removing the peak hours limit reduction on Claude Code for Pro and Max plans; and 3) Substantially raising our API rate limits for Opus models.

LiveTRを使うとこんな感じで、 日本語訳で動画を見れるのである。 ちゃんと読んでくれるのだ。 日本語訳とか字幕がない動画あるからね。 AI関係の講演とか。 booth.pm/ja/items/81349…

One of the hardest parts of AI coding is not just whether the model is smart enough. Long-running sessions get bloated with context. Lessons from past failures disappear in the next session. The AI often has tools available, but fails to notice when it should use them. When these problems stack up, even powerful tools like Claude Code and Codex can become unstable over the course of real work. So instead of trying to make the model itself smarter, I’m building an external control layer that helps AI coding agents stay on track. There are currently three pieces: Throughline A tool for preserving the flow of long-running work across sessions. It keeps the important thread of the task while offloading heavy tool I/O and unnecessary details. Caveat A tool for remembering traps, environment-specific gotchas, and project-specific lessons. It stores them as Markdown and reminds the AI when a similar situation appears again. Spotter A tool that audits missed tool usage. When the AI should have searched, tested, checked docs, used MCP, opened a browser, or asked a reviewer agent—but didn’t—Spotter can point that out from a separate layer. In my mind, this is not just “memory for AI.” It is a three-layer structure: Throughline = preserving working context Caveat = recalling past traps Spotter = auditing present decision mistakes I started from Claude Code, but I’m now working on Codex support as well. If AI agents are going to work more autonomously, model capability alone will not be enough. We also need systems around the model that decide what to remember, when to recall it, and how to audit the agent while it works. That is the experiment I’m building. Throughline github.com/kitepon-rgb/Th… Caveat github.com/kitepon-rgb/Ca… Spotter github.com/kitepon-rgb/Sp… #ClaudeCode #Codex #AICoding #AIEngineering #DeveloperTools #OpenSource #MCP #AgenticAI #AIAgents

AIコーディングを使っていて、一番きついのは「モデルが賢いかどうか」だけではないと思っています。 長時間作業すると文脈が肥大化する。 過去に踏んだ罠を、次のセッションでは忘れる。 使えるツールがあるのに、AIがそれを使うべき場面だと気づかない。 このあたりが積み重なると、Claude CodeやCodexはかなり強いのに、作業全体としてはだんだん不安定になります。 そこで、AIそのものを賢くするのではなく、AIが破綻しにくくなるための外部制御レイヤーを作っています。 今作っているのは3つです。 Throughline 長時間作業で肥大化した文脈を整理し、次セッションへ必要な作業の流れだけを渡すツール。 tool I/Oのような重い情報は退避しつつ、作業の筋を継承することを狙っています。 Caveat 一度踏んだ罠、環境依存の注意点、リポジトリ固有の地雷をMarkdownで記録し、次に似た作業をするときAIに思い出させるツール。 「また同じ罠を踏む」を減らすための仕組みです。 Spotter AIが使うべきツールを使い忘れたとき、横から監査して指摘するツール。 検索、テスト、MCP、ブラウザ確認、レビューなどを使うべき場面で、メインAIとは別レイヤーから気づかせることを狙っています。 自分の中では、これは単なる「AIの記憶」ではなく、 Throughline = 作業文脈の継承 Caveat = 過去の罠の想起 Spotter = 現在の判断ミスの監査 という3層構造です。 最初はClaude Code中心でしたが、今はCodexにも対応させる作業を進めています。 AIエージェントが自走するなら、モデル単体の性能だけでなく、外側でどう記憶し、どう思い出させ、どう監査するかが重要になるはず。 そのための実験です。 #ClaudeCode #Codex #AICoding #AIEngineering #DeveloperTools #OpenSource #MCP #AgenticAI #AIAgents Throughline github.com/kitepon-rgb/Th… Caveat github.com/kitepon-rgb/Ca… Spotter github.com/kitepon-rgb/Sp…