江藤@AIで1日を240時間にする男｜Radineer

AIが書いた文章を「明らかにAI」と感じさせる29パターンを検出して、人間らしさに書き戻すSkillがめっっちゃくちゃ使える。。。 よく見るこの手のSKillにおいて、何が新しいポイントか👇 普通の「AI文章を人間化する」サービスは、適当に語尾を崩したり、不自然な改行を入れたり、テンプレ的な処理をする。 Humanizerは違う。 Wikipediaの編集者コミュニティが蓄積してきた「AI執筆らしさの指標」を29パターン構造化してチェックリスト化している。 これは公共財に最も近い品質基準。 検出する代表パターンは以下。 ・有意性の過度な強調 — 「重要なことに」「特筆すべきは」など意味のないブースター ・AI特有の語彙 — 「最先端」「比類のない」「シームレスに」「こ革新する」系 ・em ダッシュの過用 — 「— 」を文章の節として乱用する癖 ・並列構造の過剰 — A、B、Cと3つ並べる構造に偏る傾向 ・汎用的な締め — 「結論として」「総じて」で逃げるパターン 設計判断として鋭いのは「複数段階の処理」を入れていること。 1. 初回リライト 2. 「これはまだ明らかにAI」監査パス 3. 第二次リライト 1パスで人間化を狙わない。 AI が自分の出力を「これはAIっぽい」と再診断する自己批評ループを設計に組み込んでいる。 さらに音声キャリブレーション機能がある。 ユーザーが自分の過去の執筆サンプルを渡すと、Humanizerがリズム・語彙選択・文の長さ分布を学習して「あなたの文体」に寄せた書き戻しをする。 汎用的な「人間っぽい文章」ではなく、特定の人物の文体に合わせる方向。 ビジネスでは、以下のケースで役立つはず。 ・コンテンツ事業者：AI下書きを公開前に通すだけで、「AI記事認定」のリスクを下げられる ・コンサル業務：クライアント名義の記事・LinkedIn投稿を量産する時、その人の文体に寄せる手間が消える ・X運用：自分の過去ポストを学習させたHumanizerに通すと、AI生成投稿が「自分の声」で出てくる ・SEO：「AI生成と判定された記事の検索順位ペナルティ」を構造的に回避する一手段 「AIが書いたかどうか」が読者にバレない時代の文章品質は、もはや個人の文体への近似精度で測られる。 Humanizerはそこに正面から挑んでいる。

14のSNSへの投稿を一元管理できるオープンソースのPostizが、Buffer / Hypefury / Twitter Hunterの代替として有用かも。。。　　　　　　　　　　　　　　　 Docker Hubで約300万ダウンロードを突破し、ホスト版もセルフホスト版も機能が完全に同じとなっている。 対応SNSは現時点で以下の14種類👇 ・X / Instagram / YouTube / TikTok / LinkedIn / Facebook ・Pinterest / Reddit / Threads / Bluesky / Mastodon ・Discord / Slack / Dribbble 何が異常か 普通のSaaS型スケジューラーは「ホスト版＞無料版」の機能差で課金させる。 Postizはこれをやらない。 「現時点でホスト版とセルフホスト版に機能差はない」とREADMEに明記。 OSSとしての約束を本気で守りに来ている。 主要SNSをほぼ全部カバーした上で、コミュニティ系（Discord・Slack）まで届いている。 機能が分厚い ・AI投稿スケジューリング — 1コンテンツを複数SNSに最適化して同時配信 ・分析機能 — 各SNSのパフォーマンスを統合ダッシュボードで把握 ・チームコラボ — 複数人で投稿レビュー・承認のワークフロー ・N8N / Make.com連携 — APIで自動化パイプラインに組み込める ・投稿の売買機能 — クリエイター間でテンプレートを取引 技術構成も実用本位。 NextJSフロント、NestJSバックエンド、Prisma + PostgreSQL、Temporalで投稿スケジュール処理を担保。 商用本番運用に耐える設計。 ビジネス的には以下のようなケースで使えるはず。 ・toBクライアントへのSNS運用代行：セルフホストして「クライアント専用環境」として納品できる。SaaSサブスクリプションをパススルーする構造ではなく、自社マージンを乗せられる ・1人事業者の効率化：14SNSに分散投稿する手作業がN8N経由で自動化できる ・AIエージェント連携：Claude CodeやHermesから直接Postiz APIを叩いて、生成→投稿のループを閉じる Buffer / Hypefuryに月数千円払い続けている事業者は、自社サーバーに移行するだけで年間数十万円の固定費が消える。

X・Instagram・TikTok・YouTubeを規定時間超えて開くと、猫が画面をジャックして強制休憩させるChrome拡張が大バズり中。。。　　　　　　　　　　　 「猫には敵わない」を意思力の代わりに使う設計が非常に秀逸、AIによるオーバーワークに悩む人にも意外とおすすめかも。 何が起きるか👇 設定はシンプル。 使用制限時間（デフォルト60分）と休憩時間（デフォルト5分）を決めるだけ。 SNSを開いて時間が来ると、画面いっぱいにかわいい猫が出現する。 カウントダウンが終わるまで操作できない。 タブを切り替えるとタイマーがリセットされる。 対応サイトは現状4つ。 ・X ・Instagram ・TikTok ・YouTube つまり「気づくと1時間溶けている」サイトを狙い撃ちにしている。 設計判断として鋭いのは「禁止」ではなく「強制休憩」にしたこと。 普通のサイトブロッカーは「アクセス遮断」で意思力に頼る。 これは違う。猫を出すだけ。 「自分の意思力でSNSを止める」のではなく「猫が出たら諦める」という新しい関係性を設計している。 罪悪感ではなくゲーム性で行動を変える。 以下のようなケースであれば、ビジネスでも活用できるかも。 ・1人事業者の集中力管理（特にX運用しながらリード獲得業務をする人） ・社内の業務時間中SNS時間の自然な抑制（強制力ではなく愛嬌で） ・AI 業務効率化を提案するクライアントへの「まず時間を取り戻す」第一歩として Radineer的に刺さるのは、X運用が本業のコンテンツ事業者ほど「気づいたら他人の投稿を見る側に回っている」という現象。 投稿してすぐ閉じる運用に強制的に戻すツールとして使える。 次に欲しいのはnote/Substack・YouTubeの動画閲覧時間など、「読み手として時間を溶かすメディア全般」への対応拡張。

海外で自律型QAエージェントを作っているチームの「実戦で得た学び」がめっっっちゃくちゃ実践的。　　　　　　　　　　　　　　　　　　　　　　　　　　 「エージェントにツールを投げて『QAやって』と言うだけ」では破綻する理由が具体的に書かれている。 特に、3つの本質的な学びが非常に重要👇 1. ステップベースアーキテクチャに切り替えた チャットボックスではなく「ステップエディタ」（プロンプトでステップ自動生成も可）。 エージェントには1ステップずつ与え、過去ステップの全文脈は持たせない。 コンテキスト削減はコストだけでなく速度と判断品質に直接影響。 テスト系LLMはコンテキストが多すぎると簡単なフローすら完了できなくなる。 2. ツールは自作しろ（特にビジョン系） ツール説明文の僅かな変更でエージェントの使い方が劇的に変わる。 完全制御のため独自ツール化。 最大のブレイクスルーはビジョンベースのツールでエッジケースを解決できるようになったこと。 Playwright MCPの汎用ツールでは届かない場所がある。 3. エージェントの靴を履け AI SDK devtools でエージェントの視点に入る。 「自分が大量の無関係情報に圧倒された状態でこのタスクを完了できるか？」と問う。 制約されたエージェントほど予測可能な結果を出す。 5つの実戦Takeawayは以下。 ・エージェントの靴を履く ・無関係情報を排除 ・評価で回帰を早期検出 ・ツールを自分でコントロール ・より制約されたエージェントほど予測可能 QAだけでなく「業務プロセスの自動化エージェント」を作るすべての場面に当てはまる。

「本番コードの99%をAIが書く」海外企業の共同創業者が、人間のQAチームを持たずに1日3〜8回本番デプロイする仕組みを全て公開中。。。　　　　　　　　　　　　　　　　　　　　　　　 このEvaluationとQAを同じループに統合した「自己治癒型エージェントハーネス」は、3つのコンポーネントで構成👇 1. Tri-judge panel（Anthropic/OpenAI/Google）が全本番応答を採点 非同期で発火、ユーザーレイテンシに1msも追加しない。 重要な設計としては、採点する前にJob 0のCategorical Routerが12ドメイン（coding/research/data analysis等）に分類し、ドメイン別ルーブリックで判定。 3ジャッジを別モデルファミリで走らせるのは self-preference bias を消すため。 コーディング応答とリサーチ応答は別の赤旗で評価される。 2. 6 Jobsエンジニアリングパイプラインが低スコアをLinearチケット→ドラフトPRに変換 Detect & Triage（9次元severity engine）→ Investigate（CloudWatch・DBレプリカを横断）→ Auto-Fix（1日PR最大3本、.envや.github触る差分は自動close）→ Verify（CloudWatchで6時間ゼロ発生をエビデンスに自動close）→ Re-grade → Report。 「スコアだけのダッシュボードは誰も見ない」が哲学。 3. The Bridge：AIゲート付きグレイアウトで本番ステージング 重大変更マージ時、10%のリアルトラフィックを新バージョンに流す。 スコアが0.15以上低下（p<0.05、最小200インタラクション）したら自動ロールバック→Linearチケット作成→Job 1に投入。 staging環境も人間承認も使わない。 参考にすべき教訓は以下の3つ - 軌跡ではなく成果を採点する。「不要に見えるツール呼び出し」を罰したら破綻した。AIは人間に奇妙に見える非線形解を見つける - モデルごとサンプリング。フラットサンプリングは支配的モデルしか見えなくなる（Sonnet 4.6が24倍のトラフィック） - Grader と Pipeline は両方作るか何も作らないか。片方だけは無価値 AIファースト企業の構造をそのまま公開している貴重な資料。 エンジニアリング体制設計の参考に。

Claude Coworkを「ファイル整理アシスタント」だと思っている人、必見！　　　　　　　　　　　　　　　 実際にテスト済みの40コマンドとワークフローのリストが公開されているので、絶対にブクマして。 Claude Coworkの本質はチャットボットではなく自律型OS、特に知らないと損する事例はこの3つ👇 1. /scheduleで自動運転に切り替える 「毎週月曜7時にGmailをスキャン → カレンダー要約 → /Weeklyにブリーフィング保存」が動く。 コンピュータが起動していてClaude Desktopが開いていればOK。 月曜朝の準備、月初の経費整理、隔週の競合スキャン、日次のinbox zero、これら全部「あなたが寝ている時間」に終わる構造を作れる。 2. /memoryと/doctorで挙動デバッグ Claudeの挙動が一貫しない時は、まず/memoryで現在ロードされているコンテキストファイルを確認、/doctorで接続アプリ・ロード済みSkill・権限の状態を見る。 これを知らずにプロンプトを書き直し続けるのが多くの人の最大の時間損失。 3. コネクタチェーンで複数SaaSを1プロンプトで貫通させる 「DriveのQ3スプレッドシートからデータを引いて → トレンド分析 → 上位3洞察を抽出 → チャート付き5枚PPTにして → /Presentationsに保存」が1プロンプトで通る。 Gmail→要約→Drive保存、Calendar→出席者リサーチ→ミーティングブリーフ、Slack→アクションアイテム抽出など、SaaS横断の運用が消費トークン1回で済む。 「タスクをバッチに束ねる」 「指示を具体的に書く」 「重い処理はオフピーク時間（夜・週末）にスケジュール」 「3ファイル以上触る作業は必ず/planを強制」 の4つのTipsを実行するだけでも消費トークンが体感半分になる。 toBクライアント支援で「業務OS導入」を売る時、この40個から3〜5個を選んでクライアントごとにカスタマイズして納品する構造で月額契約が回る。

10年のデザイン経験を持つ海外ユーザーが、自分のデザイン基準を1つのSkillに圧縮してオープンソース化したことが話題に。。。　　　　 AIに自由を与えるのではなく「美学を守るために制約をかける」設計思想。 中国ユーザー向けSkillではあるものの、日本人が設計する上でもこの3つは非常に本質的👇 1. AI が先に6つ質問する インストール後「雑誌風PPTを作って」と言うだけで、Claudeが先に6つ聞き返してくる。 オーディエンス、時間（15分なら10ページ、30分なら20ページ）、原料素材、画像、テーマ色、硬制約。 先に大綱とテーマ節奏表で合意してから書き始めることで、作者本人の手戻りが80%消えた。 2. ユーザーにhex指定を許可しない 5つのテーマ色プリセットからしか選べない。 :rootに6つのCSS変数しか露出していない。 「制約が厳しいほどスタイルが安定する。ユーザーに自由を与えるより美学を守る方が重要」とSKILL.mdに明記。 3. 連続3ページ同テーマはP0エラー hero/non-heroの交替、7:5・6:6・8:4の固定グリッド、フォント3階分業。 これらを「ハードルール」としてSkillに焼き込んでいる。 雑誌業界が100年蓄積したルールを、AIが逐次実行できる形でコード化した。 「リズムのないPPTはslideを積んだPDFでしかない」という一文がすべてを言い当てている。 自分の専門知識を「AIへの制約セット」として書き下せば、それ自体が事業資産になる。 コンサル業務をSkill化する設計手法として読める。

ChatGPT BusinessでGPT-5.4を立て、OpenCodeに繋ぎ、OmniRouteで複数アカウント自動切替する10分セットアップがかなり使える。。。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 日本であまり知られていない、設計の流れは以下の3層👇 1. Business workspaceで5シート確保 Business subscriptionは$25/seat/月、トライアル付き。 最大5人を招待でき、各メンバーがそれぞれ独立した日次・週次・月次クォータを持つ。 Gmail/iCloud/Protonでは特典が出ないので、ドメイン選択がポイント。 2. OpenCodeに繋いでターミナル/IDE/デスクトップで使う OpenCodeはオープンソースのコーディングエージェント。 Settings → Providers → OpenAI → Connectでブラウザ経由ログイン、これだけで全モデルが使える。 usage analyticsはchatgpt.com/codex/cloud/se…から可視化。 3. OmniRouteで複数プロファイル一元管理 OmniRouteはローカルダッシュボードで複数AIアカウントを束ねる。 あるアカウントの上限が来たら別アカウントに自動切替。 OpenCodeとClaude Codeのどちらからでも統一APIキーで叩ける。 npm install -g omniroute@3.5.3 だけで動く。 ビジネスにおいて、1人で複数のクライアント案件を回す時、コーディングが止まらないこと自体が納期短縮の最大要因になる。 月$25 × 数席で「Codexの上限を実質無制限化」できる構造はROIが極端に高い。 トライアル終了後の自動課金にだけ注意（不要なら期限前にキャンセル）。

実際にApp Storeの審査で10のアプリを通過させた海外ユーザーの「Vibeコーディングしたアプリが落ちる本当の理由」がめっっっっちゃくちゃ有益。　　　　　　　　　　　 AIツールが代わりにやってくれない部分を全部書き出してくれているので絶対にブクマして。 特に踏みやすい3つの落とし穴はこれ👇 1. プライバシーラベルの不一致 収集している全データを正確に申告。 プライバシーポリシーURLが404を返した瞬間に自動リジェクト。 バックエンドが何か収集していたら、迷ったら多めに申告する側に倒す。 2. レビュアー注釈フィールドを空欄で出す Appleレビュアーはアカウントを作れない。 ログインが必要なアプリで、デモ認証情報を提出しなかったら自動リジェクト。 デモアカウントにペイウォール解除済みで貼り付けるだけで、リジェクトの大半が消える。 3. アプリの「実用性」最低基準 単一スクリーンや、Webサイトの薄いラッパーは「機能が限定的すぎる」でリジェクトされる。 これは提出後に修正できない唯一のリジェクト理由で、アプリ自体の設計を見直さないと通らない。 12ステップの完全提出ウォークスルー（App Store Connectのレコード作成から「Submit to App Review」を押すまで）と、毎回90分で回すチェックリストが付いている。 Vibeコーディングで個人アプリ事業を作る人にも、toBで「AIで作ったアプリの提出代行」を提供する人にも、丸ごと使える。

「1人で年商10億円規模まで持っていった方法」を、ColdIQ創業者のAlex Vacca氏が全公開中。　　　　　　　　　　　　　　　　　　　　 30人の人間が必要だった売上を1人で出す具体的な手順書となっており、ガチで有益。。。 事業モデルは非常にシンプルですが、このモデルが今ハマる理由はこの3つ👇 1. アウトバウンドはまだ生きている 「AIでコールドメールは死んだ」と言う人は、2026年に1度もキャンペーンを回したことがない。 コールドアウトリーチは1995年から効き続けている。 30年動いた手法はこれからも動く。 「自分たちは上品だからアウトバウンドはやらない」と言ったエージェンシーは、Vacca氏が見てきた限り全員プラトーした。 例外なし。 小さな事業者が大手の流通網に対抗できる、ほぼ唯一の手段だから。 2. ボリュームではなく精度で勝つ 1万通送って0アポ vs 200通送って15アポ。 同じ業界で実際に起きる差。 効くのは送信数ではなく、ターゲットの正確さ・オファーの強さ・タイミング・コピーの精度。 「送信数」や「構築したエージェント数」を目標にした瞬間、それは見せかけの指標になる。 唯一の本物の指標は、月額契約の成約数。 3. 12週で形にする - 週1〜3：土台　誰を助けるか・何を提供するかを1文で書く。「〇〇業界に〇〇を△△で提供する」が言えなければ、まだ事業ではない - 週4〜6：構築と発射　ランディングページ1枚＋アウトバウンド開始。バックエンドの作り込みは後回し。最初は売上を作ることだけ - 週7〜9：初期実績　パイロット価格で3〜5社獲得 - 週10〜12：拡大　本契約価格に切り替え、獲得を仕組み化 価格の上げ方も段階的。 最初の3ヶ月は$2〜5K/月のパイロット価格。 ケーススタディが3〜5本溜まったら$5〜10K/月へ。 10ヶ月目以降は$10〜20K/月が射程に入る。 月$15K × 5社で年商$1Mに迫る。 最大の罠は「パイロット価格のまま、人を雇って案件数で稼ごうとすること」 マージンが崩れて、9ヶ月目には事業が嫌いになる。 価格を上げる前に人を増やすな、が鉄則。 そして締めの一言。 「ツールの堀はもう消えた。残るのはブランドだ。あなたの数字、あなたのケーススタディ、あなたのクライアント。地球上で自分しか語れない領域を作れ」 このモデルは日本のフラクショナルAIコンサル事業にもそのまま当てはまる。

ObsidianとClaude Codeでアイアンマンに出てくる「JARVIS」を作る完全ガイドが公開中。。。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 チャットボットでもメモアプリでもなく、書きながらアイデアを接続して次に書くべきものを差し出してくる第二の脳。 設計上の核心はこの3つ👇 1. フォルダはトピックではなく種類で切る 01-CAPTURES/の中をobservations、reactions、patterns、questions、numbersで分割する。 これが全体の中で一番重要なアーキテクチャ判断と書かれている。 トピックで切ると「AIコンテンツ戦略のメモ」と「注意の心理メカニズムのメモ」は永遠に出会わない。 種類で切るとどちらもpatternsフォルダに入って、Claude Codeが自動で接続を見つけてくる。 2. ブリーフは5フィールドで強制する ONE THING（1文の核心）、PROOF（具体的な数字や事例）、READER TRANSFORMATION（読者の変化）、3つのHOOK（ランク付き）、3つのCLOSER（ランク付き）。 「ONE THINGが1文で書けないならまだアイデアが熟していない」というプッシュバックを仕組みに入れている。 3. PUBLISHEDフィードバックでJARVISを学習させる 発信した後、04-PUBLISHED/に impressions、bookmarks、top_comment、what_workedをノート末尾に追記。 月1回「過去の投稿データから、bookmark/impression比率の高いトピック・フックフォーマット・まだ試していない3つの角度を出せ」と聞く。 これでJARVISが分析ダッシュボードを超え始める。 CLAUDE.md側に「Identity」「Vault Structure」「My Voice」「Hard Rules」「Your Primary Jobs」を具体的に書き込めば書き込むほど精度が上がる、というのも重要。 曖昧なCLAUDE.mdは曖昧な出力しか生まない。 このシステムをそのままコンテンツ事業者向けに納品する設計に転用できる。

ローカルSEO代理店14年の海外ユーザーが、Claude Cowork上にSEO監査システムを組んでChief of SEOとして稼働させている事例が有益すぎる。。。　　　 設計の核心は「ツールではなくシステムにする」こと。 最初に1つの巨大コンテキストプロンプトを流す。 具体的に重要と感じた3ポイントはこれ👇 1. 競合GBPカテゴリの差分監査 Map Pack上位3社のプライマリ＋セカンダリカテゴリを抽出 → 自分にないものをハイライト。 「セカンダリカテゴリを1個追加しただけで翌週新しい検索クエリで露出し始めた」が頻発する最速の勝ち筋。 2. レビュー速度の比較計算 星の数ではなく直近30/60/90日の新規レビュー数で競合と比較。 「上位競合に追いつくには月何件必要か」を別タブで自動計算させる。 これがそのまま6〜12ヶ月のレビュー戦略になる。 3. ChromeブラウザでAhrefs/SEMrush/Search Consoleを直接操作 Cowork ChromeエクステンションでログインしたタブをCoworkが直接操作する。 代理店が月数千ドル払って人間に手作業でやらせている分析を、数分で回せる。 「SEOコンサル月額10万円」を提供する時、納品物はレポートではなく「Coworkプロンプト集 + 永続コンテキスト」になる。 クライアントが自走できる仕組みを置いてくる方が信頼が積み重なる。

LLMが実行中に「この関数が足りない」と気づいたら、自分でヘルパー関数を書き足してタスクを継続するブラウザ自動化ハーネスがヤバい。。。　　　　　　　　　　　　　　　　　　　 その名も「Browser Harness」 何がヤバいか👇 普通のブラウザ自動化はPlaywright等のAPIをラップしてエージェントに渡す。 Browser Harnessは逆。 CDP（Chrome DevTools Protocol）にWebSocketで直接繋ぐだけ。 エージェントは生のChromeを叩きながら、必要なヘルパーを helpers.py に自分で書き足していく。 構成は3ファイルだけ ・run.py（約36行）：プリロード済みヘルパーでPython実行 ・helpers.py（約195行）：エージェントが自分で編集する道具箱 ・admin.py + daemon.py（約361行）：CDPウェブソケットへのブリッジ つまり、フレームワークもレシピもレールもない。 Chromeへの1本のウェブソケットだけ。 ここからが面白い設計判断 スキル（ドメイン知識）はユーザーではなく、エージェント自身が書く。 LinkedInの操作、Amazonの注文、経費申請をエージェントが実行する過程で、サイトのセレクタやフロー、エッジケースを domain-skills/ フォルダに自動的に蓄積していく。 次のタスクではその知識を再利用する。 つまりエージェントが使えば使うほど、そのドメインに特化した道具箱が育つ。 GitHub、LinkedIn、Amazon用のスキルが既にリポジトリに実例として置かれていて、PRで他のドメインも募集している。 想定ユースケース ・LinkedIn営業（プロフィール巡回、メッセージ送信） ・Amazon注文の自動化 ・経費申請の処理 ・社内システムの定型タスク 「最初から完璧なAPIを設計する」のではなく「エージェントに使わせて必要なものだけ書き足させる」アプローチ。 toBで業務自動化を考えるなら、汎用ツールよりこっちの設計思想のほうがハマる場面が多い。

PDFの本を渡すと、AIが1ページずつ読んで重要ポイントを抽出し、知識ベースを自動構築してくれるPythonスクリプトがマジで使える。。。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 その名も「AI Reads Books」 何ができるか👇 ・PDFを1ページずつ処理し、前後の文脈を保持しながら知識を抽出 ・指定間隔（例：10ページごと）で進捗レポートをMarkdownで生成 ・抽出した知識はJSON形式で永続保存 ・途中で止めても、既存データから処理を再開可能 ・目次や索引など不要なページは自動スキップ 使い方はシンプル ```bash git clone リポジトリ pip install -r requirements.txt python read_books.py ``` PDF_NAME定数を編集して対象ファイルを指定するだけ。 「本を丸ごとAIに突っ込む」のではなく「1ページずつ読ませる」設計がポイント。 コンテキストウィンドウの制限を回避しつつ、ページ間の文脈を保持する。 長い本でも途中で精度が落ちない。 使い道として考えられるのは ・技術書や専門書の要点を自動抽出して社内ナレッジ化 ・研修資料の読み込みと要約の自動化 ・大量の論文やレポートのスクリーニング 300ページの本を人間が読んで要約すると数日。 このスクリプトなら数時間で構造化された知識ベースが手に入る。

「いい感じにやって」を、各AIツールに最適化されたプロンプトに変換するClaude Codeスキルがめちゃくちゃ有益。。。　　　　　　　　　　　　 その名も「Prompt Master」 何をしてくれるのか👇 曖昧な指示を入力すると、対象のAIツールを自動判別し、そのツール専用の形式に最適化されたプロンプトを生成する。 対応ツールは30以上。 Claude、ChatGPT、Midjourney、Cursor、GitHub Copilot、Gemini等。 内部でやっていること ・入力から9つの要素（タスク、入力、出力、制約、文脈、対象者、記憶、成功基準、例）を自動抽出 ・35個の非効率パターン（曖昧表現、文脈不足、スコープ未定義等）を検出して修正 ・RTF、CO-STAR、Chain of Thought等の12テンプレートからタスクに最適なものを自動選択 使い方はこう [code] 「CursorでAuthモジュールをリファクタリングするプロンプトを書いて」 「Midjourneyで雨の中の侍のプロンプトを生成して」 「GPT-4oで書いたプロンプトを改善して」 [/code] 面白い設計判断として、Tree of Thoughtなどハルシネーションを招きやすい手法は意図的に除外し、安全な5技法（ロール割当、Few-Shot、XMLタグ、グラウンディング、Chain of Thought）だけに絞っている。 「長いプロンプト」ではなく「無駄のない正確なプロンプト」を目指す設計思想。 プロンプトエンジニアリングの学習教材としても価値がある。

Corey Hainesのマーケティングスキルがv1.9.0に到達したけど、かなり使えるレベルに。。。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 今回の追加で「コンテンツ戦略を考える→画像を作る→動画を作る→投稿する」がClaude Codeの中で全部完結するようになった。 新スキル2つ👇 `/image` — マーケティング向けAI画像生成。Gemini、Flux、Ideogram、DALL-E、Midjourneyに対応。ブログのヒーロー画像、SNSグラフィック、製品モックアップをコマンド一発で生成。 `/video` — AIビデオ制作。HeyGen・Synthesiaのアバター、Veo・Runway・Kling・Pikaの生成、Hyperframes・Remotionのパイプライン。編集から配布まで対応。 地味に大きいのが `/social-content` の強化。 TikTok、Reels、Shortsのフレームワークにフックとスクリプトのテンプレートが付いた。 ショートフォーム動画の企画がスキル内で完結する。 v1.6.0の時点では戦略スキル+ツール統合（SparkToro、Gong等）だった。 半年でコンテンツ制作の実行レイヤーまで来た。進化のスピードが速い。 [code] npx skills add coreyhaines31/marketingskills [/code] マーケターがClaude Codeを使うなら、最初に入れるスキルパックの筆頭候補。

Claudeが接続できるアプリが200以上になったけど、めっっっっちゃ使えるのでは。。。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 今回追加されたのは仕事ツールではなく日常アプリ👇 AllTrails、Instacart、Audible、Booking.com、Tripadvisor、Spotify、Uber、Uber Eats、Resy、StubHub、Taskrabbit、Thumbtack、Viator、Intuit TurboTax、Intuit Credit Karma。 何が変わるか。 「週末にハイキングしたい」と言えばAllTrailsが犬OKで短めのトレイルを出す。 「今夜ディナー予約したい」と言えばResyが候補を出す。 「その食材買いたい」と言えばInstacartがカートに入れる。 全部1つの会話の中で完結する。 使い方で注目すべきは複数アプリの横断。 例えばPMがAmplitudeからデータを引き、Canvaでスライドに変換し、Asanaにリンクを投稿する。 会話を離れずに3つのアプリをまたいで作業が完了する。 これが実際のユーザーの使い方として報告されている。 コネクタの提示方法も変わった。 会話の文脈からClaudeが適切なアプリを自動提案する。 2つ以上該当する場合は両方表示してユーザーが選ぶ。 ビジネスモデルの設計も明確 ・広告フリー — 有料プレースメントなし ・データ分離 — コネクタのデータはモデル学習に使われない ・ユーザー制御 — 購入や予約前に必ず確認を取る toB向けにAIアシスタントを提案する際の参考になる。 「社内ツールをAIで横断操作する」将来像の、消費者向け先行事例として見ておくべき。

「どの心理メカニズムをどの順番で活性化するか」を設計したスクリプトでのリールが4日で310万再生を達成した事例。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 その認知バイアス設計の全容がめっちゃくちゃ有益。。。 自分が特に使えると思った3つ👇 1. 時制で感情状態を操作する 「疲れ果てて何も効かない」（現在形）→ 視聴者を痛みの内側に置く 「疲れ果てていた」（過去形）→ 痛みを外から眺めさせる たった1語の時制変更で、視聴者が解決策を評価する心理状態が変わる。 2. 冒頭2秒の制御された不完全さ フォーカスシフト、環境音、カメラの微動。 制作エラーに見えない程度の不完全さが定位反応を発火させ、親指を止める。 Seedance 2.0の「手持ちカメラ感」プロンプトがこれを自然に生成する。 3. クイズファネルのコミットメント一貫性 5つの質問に答えると、推奨画面を拒否するには自分の回答を否定する必要がある。 一貫性バイアスがそれを阻止する。 面白いのは、これらを個別に使うのではなくスタックする設計。 冒頭でノベルティ+定位反応、フックで情報ギャップ+FOMO、痛みセクションで共感ギャップ+損失回避+内集団バイアス。 各セクションで複数のバイアスが同時に発火する。 脚本設計の解像度が段違い。

OpenRouter公式が「Hermesエージェントに自分自身のスキルを作らせる」ガイドを出したけど、めっっっちゃ使える。。。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 やっていることは単純だが設計思想が神👇 1. OpenRouterのllms.txt（LLM向けドキュメントインデックス）をHermesに読ませる 2. Hermesが自分でOpenRouterスキルを生成する 3. 以降のセッションでは、そのスキルが最新ドキュメントに自動ルーティングする 最大のポイントは「ハルシネーションの構造的な排除」。 モデルID、価格、SDK挙動のような変化しやすい情報をスキルにハードコードしない。 代わりに「どのドキュメントを見るべきか」の判断フレームワークだけを持たせる。 情報が変わってもスキルは壊れない。 このパターンはOpenRouterに限らない。 llms.txtを提供するサービスなら何にでも使える。 Stripe、Supabase、Cloudflare — どれもドキュメント参照型スキルに変換できる。 HermesはスキルをGit管理された永続ファイルとして保存するので、セッションをまたいで学習が蓄積される。 Claude Codeのスキルと同じ思想。 エージェントに「教える」のではなく「調べ方を教える」。 この設計の違いが長期運用で効いてくる。

TikTokスライドショーを1日30~50本自動投稿しているパイプラインの全工程がコード付きで公開されているので、絶対にブクマして。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 自分が最も唸ったのは画像コストの設計👇 全7枚をAI生成すると1デッキ$0.70-1.00。 月30本で$900。 これをスライド1だけAI生成、残り6枚はPinterestから調達するハイブリッドに変えると$0.15/デッキ。 月$135。 85%削減。 しかもPinterestの画像は人間がキュレーション済みなので、視覚品質はむしろ上がるケースが多い。 パイプラインの全体像 1. GPT-5.5でバイラルフォーマットをJSON構造に分解 2. ChatGPT Images 2.0でフック画像を生成 3. Pinterest画像にSharp+Canvasでテキストオーバーレイ 4. BullMQ+Redisでキューイング 5. Postiz（OSS）でTikTok/Instagram/YouTubeに自動投稿 もう1つ重要なのは「コピーするのは構造であってコンテンツではない」という原則。 フック→ペイオフ→CTAの骨格は自由にコピーできる。 ビジュアル言語は適応する。 コンテンツは自分のオリジナル。 Node.jsのcompositorコードもqueue.jsもそのまま動く状態で公開されている。 再現性が高い。