Yuichi Ito / G☁️

【拡散希望】Python製の作図ライブラリ drawlib をリリースしました。「イラストレーション as コード」をテーマに、技術ドキュメントや書籍に使うようなイラストを簡潔なコードで作成します。詳細は記事にて。 紹介記事 note.com/yuichi110/n/n4… 公式ドキュメント(英語) drawlib.com/docs/v0_2/

この手の話は皆思い当たる節があるんだなと思いつつ、個人的には「荷物にAirTagを付けて場所がわかっていても取り返せることはない」事実に絶望したんだよね。窃盗は自力救済が禁止されていて警察が動かなければそこで終わり。このレベルで突き放されるなら日本では窃盗は泣き寝入りする犯罪ということ

エンジニアだけ使い方が異常

最近发现了一个特别有意思的用法。我把 GPT 和 DeepSeek V4 Pro 当高级工程师用，负责写 SOP、写 CI/CD 流程、设计方案。然后把这些东西一股脑丢给 Hermes Agent 里的 Minimax M3 去执行。 正常情况下，ChatGPT 一个小时能搞定，DeepSeek 两个小时也差不多了。M3 呢？已经干了一上午，四个小时过去了，还在和 CI 测试死磕。日志刷得飞快，错误改了一轮又一轮，就是过不了。 但神奇的是，我居然没有生气，反而越来越期待。 因为我突然意识到，M3 最有价值的地方可能不是干活，而是验收文档。 如果 GPT 写的 SOP，DeepSeek 写的流程，最后连 M3 这种级别的“小白员工”都能一步一步照着执行成功，那说明这个文档是真的写明白了。反过来，如果 M3 卡住了，大概率不是它一个人的问题，而是流程里还有默认知识、隐藏前提和作者自己都没意识到的经验依赖。 以前测试用户手册，要找新人。 现在测试用户手册，直接找最笨的 Agent。 某种意义上说，M3 已经从生产工具变成了质检工具。 它就像公司刚入职的新同事。能力可能一般，效率可能不高，但凡是文档里写得不清楚的地方，它一定能精准踩坑给你看。 AI 时代最好的测试工程师，未必是最聪明的模型。 有时候恰恰是最笨的那个。

回転のアニメーション作る時、移動量を円の回転の横軸くらいにするといい感じになる気がする #ドット絵 #pixelart

アニメ『フールナイト』 Netflixにて2026年世界独占配信決定！ ティザー予告編公開 原作：安田佳澄 ◆神谷トーシロー：内山昂輝 ◆蓬莱ヨミコ：寿 美菜子 冬と夜ばかりになった 遥か未来の地球。 死期が近い人間に種を埋め込み、 植物へと変える技術 「転花」に依存する社会を築く。 #フールナイト #foolnight_anime

トランザクションじゃなくて、ログインログアウトを繰り返す際のbcryptのハッシュ処理がボトルネックだった。パスワード周りの処理をプラガブルに変えて、テスト時はもっと弱い高速な処理を注入したらだいぶ削れた。

社内版の Antigravity に「俺のトランザクションのコード遅いんだけど、プロファイリング解析して」と依頼し、おまけでtop画面を貼り付けたら「あなたのコードが使いきれずに余っている 60%のアイドルしているプロセッシングパワーで解析して報告します」と、すげー煽られたww

そもそも資格いっぱい持ってても仕事できるか分からんからな。 私は新卒2年目でCCIEとRHCEとVCAPとJava Gold あたりを持ってたが、所詮新卒2年目の仕事ぶりで、金さえ払えばすぐに代わりが見つかるレベルだったと思う。 給料が上がるのは市場に滅多にいないレベルになってから。

@hige_canada まだ売っているか分からないので、電話をされてみてはと思います。

@yuichi110 ありがとうございます！ 注文販売であればダメ元で会期中に行ってみます！

エリックカール展ですごくいい買い物した。「箸をもったあおむし」の複製原画38000円。

DuckDB Internals: Why is DuckDB Fast? | Greybeam greybeam.ai/blog/duckdb-in…

@hige_canada 会場の物販コーナーで注文販売(注文されてから作成されて配送)オンリーのようですね。東京のイベントで買いました。 他にも色々な絵が売っていましたよ。

@yuichi110 公式に情報なかったのですが数量限定販売だったか分かりますでしょうか？

未経験で資格持ってても、チートを疑う人が多そうな気がします。 新しい領域にチャレンジしてくれて、それが未経験でもいいんです。ただ、別領域でマスタークラスじゃないと再現性が低そうだと私なら判断します。

奇跡の展開！ 1．「山で仕事するぞ！」と購入したStarlink Miniが朝届く　 2．宿でネットワーク障害発生 3．いきなりStarlink実戦投入 4．何も問題なく宿の運用！ 5．フロントスタッフがお客さまを受け付けている裏で、ゆっくりトラブルシューティング 6．ネットワーク障害を改善し、本来の回線に戻す わりと大トラブルにもかかわらず、お客さん目線では、なにもなかったように回避できた。 Starlinkすげー

リモートワークは東京ではそこそこ定着してきているが、大阪ではまったく定着できなかった模様。2020年に12％だった東京圏は25年に14％と増えたが、2020年に11％だった大阪圏は、25年に3％とコロナ禍前の状況に戻った。↓

西尾維新×出水ぽすかの最強タッグが贈る！ 荒木飛呂彦の初連載作『魔少年ビーティー』のその後を描く、 『魔老紳士ビーティー』 大好評発売中！

営業活動をする際に、客層に適する服装で伺ったりするよね。 また、カジュアルな関わりでも、着心地は別にユニクロでも構わないけど、ラルフローレンやラコステの小さなワンポイントがある服を着て、私は信頼できますよ、と表明するよね。 成金の派手さも私は好きじゃないが同じ部類だと思う。

超金持ちは地味で成金は派手という話だけど、「派手だからこそ成金になれた」という生存戦略があると思うのですよ。 超富裕層というのは生まれながらにリッチな場合が多いので競争にさらされていないが、成金は熾烈な這い上がるための競争を勝ち抜くために派手さを使っている気がしますね。

スタックの誤謬、いい記事だったので全文訳します！ —— なぜ大企業は失敗し続けるのか：スタックの誤謬 Stack Fallacy（スタックの誤謬）は、非常に多くの企業が新しい市場を獲得しようと試みては派手に失敗する原因となってきた。データベース企業がアプリは簡単だと考えたり、VM企業がビッグデータは簡単だと考えたりするのを目にしたとき——彼らはスタックの誤謬に陥っているのだ。 スタックの誤謬とは、自分の層の一つ上の層を作るのは些細なことだという誤った思い込みである。 数学者はしばしば、自然界全体を数学的な言葉で記述できると信じている。ゆえに、物理学はすべて応用数学にすぎない。そしてそれが延々と続いていく。 スタックの誤謬——「ただのアプリでしょ」 ビジネスの世界にも、同様の幻想が存在する。データベース企業は、SaaSアプリは「ただのデータベースアプリ」だと信じている——これが、この新市場で簡単に作って、競争して、勝てるという誤った自信を彼らに与える。歴史が示してきたように、AmazonはクラウドのIaaS市場を支配し続けている。一方で、その素材となる下層の技術を作る技術ベンダーたちは競争に苦戦している。VMwareはAWSに勝つには程遠い。AWSのすべてが、VMwareの中核的な強みである仮想マシン技術の上で動いているにもかかわらず、だ。OracleはCRM SaaSでSalesforceに勝てずにいる。OracleはSalesforceを単なるホスト型のデータベースアプリだと見なしているにもかかわらず、である。それどころか、Salesforceは彼らのデータベース上で動いているのだ！ Appleはスタックを垂直に下へと統合することには成功し続けている——チップやプログラミング言語などを作っている——が、ここでもまたスタックを上へ登って、ああいった単純なアプリ、たとえば写真共有アプリや地図のようなものを作るのは非常に難しいとわかった。 歴史はこうした例で満ちている。IBMは、自社のPCというハードウェア層を動かすソフトウェア層を大したものではないと考え、MicrosoftにあっさりとOS市場を握らせてしまった。 90年代、ラリー・エリソンはSAPがプロセス自動化ソフトウェア（ERP）を売って途方もない額の金を稼ぐのを目にした——彼にとって、ERPは一連のテーブルとワークフローにすぎなかった——そこで彼は何億ドルも費やしてその市場を獲りにいったが、結果はまちまちだった。最終的にOracleはPeoplesoftとSiebelを買収することで、アプリ市場に金で参入した。 なぜ我々は繰り返しスタックの誤謬に引っかかるのか？ スタックの誤謬は人間の本性の産物だ——我々は自分が知っているものを（過剰に）高く評価する。具体的に言えば、あなたが大手データベース企業で働いていると想像してほしい——そしてCEOがこう尋ねる——うちはIntelやSAPと競争できるか、と。リレーショナルデータベースのソフトウェアを作れるからといってコンピュータチップを作れると想像する人はほとんどいないだろう。だが、一つ上の層の構成要素に馴染みがあるために、ERPアプリなら作れると信じてしまいやすい。なにしろ、テーブルとワークフローなら知っているのだから。 成功のボトルネックは、しばしばツールに関する知識ではなく、顧客のニーズに対する理解の欠如である。 データベースエンジニアは、サプライチェーンソフトウェアの顧客が何を望み、何を必要としているかをほとんど何も知らない。そのために人を雇うことはできるが、それは中核的な強みではない。 意外なことに、スタックを上へ向かって革新するよりも、下へ向かって革新するほうがはるかに簡単なのだ。 その理由は、自分自身が下層の自然な顧客だからである。Appleは、理想的な未来のマイクロプロセッサに自分が何を求めているかを知っていた。それを作るのに必要なスキルは持っていなかったが、顧客としてのニーズはよく理解されていた。技術的なスキルは買ったり獲得したりできるが、市場ニーズの深い理解をただ買ってくることは非常に難しい。 したがって、Appleが半導体チップを作るほうが、Apple Mapsを作るよりも楽だったのは何の驚きでもない。 Google、Facebook、WhatsApp Googleはここでの絶好の例だ。Googleは我々のメールのグラフを握り、我々の興味関心のデータ（検索）を握っていた。それでもなお、「作るのは些細なこと」に見えるアプリ——ソーシャルネットワーク——で成功するのは非常に難しいとわかった。 実際のところ、これこそがスタックの誤謬の完璧な皮肉である。スタックの上のほうにあるものは作れる。ただ、何を作るべきかが明確でないことが多いのだ。 プロダクトマネジメントとは、何を作るべきかを知る技術である。 スタックの誤謬は、企業がなぜ明白なこと——あまりに手の届くところにあって、確実に作れそうなこと——で失敗し続けるのかについての洞察を与えてくれる。その答えはこうかもしれない。「何を」は「どうやって」よりも100倍重要なのだ、と。 anshublog.medium.com/why-big-compan…

Mini SSD、ちっせー！！ micro SDカードくらいのサイズだけど、データの読み書き速度はガチSSD。 Biwin本社にて、初対面で興奮。

2027年までにAIエージェントでコーディングを行うチームの65％が、IDEが必要不可欠だとは考えなくなる。ガートナーの予想 － Publickey publickey1.jp/blog/26/2027ai…