Kei

さて、今週からはenechainでSREチームのマネージャーとして働いております！ 国を支えるエネルギーインフラの信頼性を高め、AI時代のSREの在り方を共に探求してくれる仲間を大募集します💪 ちなみにSRE以外も全方面募集してるので、ご興味ある方は気軽にDMください！！ herp.careers/v1/enechain/el…

昨日発生したBitwardenのnpmパッケージに対するマルウェア混入（ソフトウェアサプライチェーン攻撃）に関して、その概要と対応指針を整理しました。 パスワードマネージャに関連するパッケージ侵害であり、注意が必要です。確認の上、皆様の対応にお役立てください。 blog.flatt.tech/entry/bitwarde…

ブログ書きました： ［速報］Google Cloud、ローカルマシンにインストールできる大規模分散RDB「Spanner Omni」プレビュー公開 publickey1.jp/blog/26/google…

SpaceXAI and @cursor_ai are now working closely together to create the world’s best coding and knowledge work AI. The combination of Cursor’s leading product and distribution to expert software engineers with SpaceX’s million H100 equivalent Colossus training supercomputer will allow us to build the world’s most useful models. Cursor has also given SpaceX the right to acquire Cursor later this year for $60 billion or pay $10 billion for our work together.

#Datadog Bits AI SRE が Incident 発生中に調査を開始できるようになっているッ!! 神アップデート👼 これまでは Monitor で検知をトリガーとした起動のみ(Preview中のものは除く)で、調査依頼の壁がありました。 このアップデートで Slack / Web から任意のタイミングで調査依頼ができて、かつ柔軟な追加のコンテキストを与えることができるようになりました。 つまり Bits くんがチームと同じ会話の文脈 / 関連するテレメトリデータを踏まえてインシデントの調査 / 報告をしてくれて、完全なるチームメイトとして活躍できる存在へ進化したと感じています。 人と AI のサイロを破壊する Datadog の素晴らし過ぎるアップデート！🫶 #bits-ai-investigation" target="_blank" rel="nofollow noopener">docs.datadoghq.com/incident_respo…

We’re currently aware of an issue where some databases are not loading as expected. Our Engineering team is actively investigating and working to resolve this as quickly as possible

DevinのSession APIでPlaybookのID指定して呼び出せるの便利だな。既存のCIパイプラインにちょっとしたAIワークフローを組み込みたいときに、CIの設定側に長々とプロンプト書かなくてもいい。

Datadog TeamをGitHub Teamから取り込んで同期できる機能がしれっとリリースされてて歓喜の舞👯‍♂️ Bitsみたいな分かりやすく派手な機能ももちろん嬉しいけど、結構こういうマスタメンテ撲滅みたいな地味な機能こそ確実に面倒な仕事を減らしてくれて生産性が大きく改善されるのよね。いつも機能改善ありがとうございます🙏 #datadog

構成図だって少し事前情報与えればDevinにかなり精巧なものをポン出ししてもらえるし、ダッシュボードの構成とかも細部はBitsのセンスに委ねた方が、ぶっちゃけ大抵のエンジニアより綺麗なUIを組んでくれる(失礼)。 CUJとSLIだけ人の頭でじっくり考えましょう。

・アーキテクチャ構成図をMermaidで書く ・CUJ機能とSLIをリストアップする ・おおまかなダッシュボードの構成を定義する(概要 ▶︎ 依存関係 ▶︎ 詳細 みたいな) をやってBits Assistantに全てを投げ付けるとあら不思議、見事な監視ダッシュボードの完成です。SREは微調整だけやれば良くなりました😇 #datadog

東芝が本日発表した内容が、静かにとんでもないです。 「疑似量子コンピューター」の計算速度を従来比で最大100倍に高め、精度もほぼ100%に到達したと。 米国物理学会の査読付き学術誌「Physical Review Applied」に4月6日付で論文が掲載されています。 まず「疑似量子コンピューター」とは何かを説明します。 皆さんがニュースで見る「量子コンピューター」は、絶対零度近くまで冷やした特殊な装置の中で、量子力学という物理法則を直接使って計算するものです。 Google、IBM、各国政府が何千億円も投じて開発を競っています。 ところが2026年4月現在、Googleの最先端チップ「Willow」ですら105量子ビット。 暗号を解読するには50万量子ビットが必要と言われており、実用レベルにはまだ何年もかかります。 東芝のアプローチはまったく違います。 特殊な冷却装置も巨大設備も使いません。 市販の半導体チップ（FPGAやGPU）、つまり今そこにある普通のコンピューターの上で、量子コンピューターの「考え方」だけを数学的に再現して計算する。 これが「疑似量子」です。 では何が画期的なのか。 東芝は「シミュレーテッド分岐マシン（SBM）」という独自の計算機を2019年から進化させてきました。 今回の第3世代で注目すべきは「カオスの縁」という概念です。 計算が答えを探す過程で、動きが規則的な状態と、完全に無秩序な「カオス」状態があります。 そのちょうど境界、規則と混沌のギリギリの境目。ここを「カオスの縁」と呼びます。 東芝はこの境界領域を意図的に活用することで、計算が「間違った答え」に囚われる現象を回避し、正しい最適解にたどり着く確率を飛躍的に引き上げました。 開発を率いた後藤隼人シニアフェローの言葉が象徴的です。 「50年後の量子コンピューターでも難しい速度と精度を実現した」 この技術が解くのは「組合せ最適化問題」と呼ばれる種類の計算です。 膨大な選択肢の中から最も良い組み合わせを見つけ出す問題。 私たちの生活に直結する例を挙げます。 創薬。何百万通りの分子の組み合わせから、最も効く新薬候補を見つける。 物流。数千の配送先を回る最短ルートを瞬時に算出する。 金融。何千もの銘柄から最もリスクとリターンのバランスが良い投資配分を導き出す。 通常のコンピューターだと1年2カ月かかる計算を、約30分で処理できる。これが先行する第2世代の実績でした。 第3世代はそこからさらに100倍です。 実装は1〜2年以内を目指すとのこと。 つまりこれは「いつか届く夢の技術」ではなく、「もうすぐ産業の現場に入る実用技術」です。 世界中が巨額を投じて「本物の量子コンピューター」を追いかけている横で、東芝は既存のチップの上で動くソフトウェアの工夫だけで、実用面では先を行っている。 派手さはないけれど、これが日本の基礎研究の底力だと思います。 東芝、「疑似量子コンピューター」速度100倍に　創薬などに応用：日本経済新聞 nikkei.com/article/DGXZQO…

@3s_hv AIになった長島をどうぞっ

@keyskey15 AIになる 長島

なんかもう自分はSREなのかAIマネージャーなのか分からなくなるくらいひたすら全ての業務をAIエージェント化する人になりつつある。

Datadogの新機能のBits Assistant、どういうシーンで使うと実務でほんとに役立てられるか試してみてたのだけど、サービスを横断した監視ダッシュボードを開いた状態で全体的な傾向の分析とかさせると人がやるより遥かに網羅的なインサイトが得られてめっちゃいい。 自分はMonitor Notification Overviewみたいなプリセットのサービス横断ダッシュボードから割れ窓化してるアラートを特定させるのに使ってみてるけど、自分で目grep的なことをやるより遥かに効率的👁

AI同士で自己改善する手法が海外でバズってる。 GAN的な感じでAI同士で監視させると、自己改善をしてくれて、人間が修正するよりも精度が上がるとのこと。 普通に毎日Cronなどの定期実行でClaude. mdやスキルを見直させても近しいことができそう。 一応、初心者向けにわかりやすくまとめました👇 ━━━━━━━━━━━━━━━━━ 🔥 AutoAgentとは何か ━━━━━━━━━━━━━━━━━ 一言で言うと「AIがAIを育てるOSSライブラリ」 24時間の自律最適化だけで、2つのベンチマーク世界1位を達成。 他のエントリーはすべて人間が手動チューニングしたもの。 AutoAgentだけが自律的に到達した。 📊 スコア ・SpreadsheetBench：96.5%（1位） ・TerminalBench GPT-5スコア：55.1%（1位） ━━━━━━━━━━━━━━━━━ 🤔 まず「ハーネス」って何？ ━━━━━━━━━━━━━━━━━ AIエージェントは、モデルがあるだけでは動かない。 周りに「道具立て」が必要。 ハーネス＝AIが仕事をするための環境セット ・どんな指示を与えるか（システムプロンプト） ・どんな道具を使えるか（ツール） ・どんな順番で動くか（オーケストレーション） 例えるなら「新入社員（AI）に渡すマニュアル＋使える機材一式」 このハーネスの出来が悪いと、どんなに優秀なモデルでも結果が出ない。 そしてこれまでは全部、人間が手作業で調整していた。 → 専門家じゃないとできない → 1つのハーネスに何日もかかる → 企業には数百のワークフローがある → 詰む ━━━━━━━━━━━━━━━━━ ⚙️ AutoAgentの仕組み ━━━━━━━━━━━━━━━━━ 登場人物は2人のAI 🎓 メタエージェント（コーチ役） 　└ ハーネスを改良することが仕事 🏃 タスクエージェント（選手役） 　└ 実際の作業をこなすことが仕事 人間がやること： ・「何ができたら合格か」のゴールを定義するだけ ・program.md というファイルに方針を書くだけ あとはAIが24時間、以下を繰り返す： ① コーチがハーネスを書き換える ② 選手が実際のタスクをこなす ③ スコアを測る ④ 失敗の軌跡を読んで「なぜ失敗したか」を分析 ⑤ よければ採用、ダメなら元に戻す ⑥ ①に戻る これを数千の並列サンドボックスで同時実行する。 ━━━━━━━━━━━━━━━━━ 🧠 なぜAIのほうが上手く改良できるのか ━━━━━━━━━━━━━━━━━ 人間は自分の感覚でAIを設計してしまう。 でもAIは人間とは違う思考回路で動いている。 同じモデル同士（例：Claude×Claude）なら コーチは選手の「失敗パターン」を自分ごととして理解できる。 「ステップ14で迷子になったのは、こういう情報不足が原因だ」 → 的確な改善ができる これを「モデル共感」と呼ぶ。 人間よりもモデルのほうがモデルを理解するのが上手い。 ━━━━━━━━━━━━━━━━━ 💡 プログラムしていないのに出現した改善行動 ━━━━━━━━━━━━━━━━━ ・スポットチェック：小さな編集は単体タスクだけで検証して高速化 ・強制検証ループ：自己修正ターンをバジェットに組み込む ・自前テスト作成：タスクエージェントが自分でユニットテストを書く ・プログレッシブ開示：長いコンテキストはファイルに退避 ・サブエージェント生成：ドメインに応じて自律的に役割分担 設計していないのに、勝手に賢くなっていった。 ━━━━━━━━━━━━━━━━━ 📌 なぜこれが重要なのか ━━━━━━━━━━━━━━━━━ ・企業には自動化すべきワークフローが「数百」ある ・それぞれ異なるハーネスが必要 ・人間チームが数百のハーネスを手動調整するのは不可能 → AutoAgentはその問題を解く「エージェント群のインフラ」 「成功の定義さえ与えれば、ハーネスはメタエージェントが考える」 ━━━━━━━━━━━━━━━━━ ✅ まとめ ━━━━━━━━━━━━━━━━━ ・ハーネス設計という職人作業をAIが自動化できる時代に ・コーチ（メタ）と選手（タスク）を分けたことで両方が専門化 ・失敗の「軌跡（トレース）」を読ませることが改善の鍵 ・同じモデル同士のペアリングが最も効果的 「エージェントを設計する」仕事が、 近いうちに「エージェントに設計させる」に変わるかもしれない。 OSSで公開済みなので、気になる方はぜひ覗いてみてください。 github.com/kevinrgu/autoa…

最近の自分の働き方。 ゴールが見えきってる小さめの実装とかリポジトリ横断した調査タスクをDevinに複数投げつけて対応してもらってる間に、自分はCursorに籠って熟考したい仕事をやり、定例MTGの時間が近付くとNotionカスタムエージェントから会議用の報告内容をまとめておきましたよって通知を受け取り、中身ちょろっと整えてアジェンダに貼り付けて会議に臨む、みたいな感じに本格的になってきてて、チーム拡大はしたい一方でこのまま限界まで自分の生産性を高めたら一人でどこまでやれるのか限界に挑みたくなっているドMな自分もいる。

Computer use is now in Claude Code. Claude can open your apps, click through your UI, and test what it built, right from the CLI. Now in research preview on Pro and Max plans.

日本の上場企業の構造化された財務データAPIを提供しているEDINET DBです。 GitHubスター18,000超の金融AIエージェント「Dexter」が海外でかなり話題になっています。銘柄について聞くだけで、スクリーニングから財務分析、投資レポートの作成まで全部自動でやってくれるOSSです。 ただ米国株専用だったので、EDINET DB API + J-Quants APIに差し替えて日本市場版を作りました。有報・決算短信・財務データ・株価まで揃うので、日本株でも同じことができます。 OSSで公開しています。 github.com/edinetdb/dexte… どんなことができるかと、技術的な仕組みをスレッドで補足します。

AI駆動開発で品質を上げるために、 ・4つの図で整理する「sudoモデリング」 ・draw.io × AIでモデルを壁打ち・可視化 ・受入基準をAIで磨き込み、手戻りを減らす 「DDDと仕様駆動を一本のプロセスとして繋げる」方法についてお話ししました。 speakerdeck.com/littlehands/dd…

脆弱性レポートをSlackのRSSで受け取って、フィードの受信をトリガーにしてDevinに全製品のソースコード調査と修正PR作成までやらせるワークフローを組んでみたら見事に全自動脆弱性対応マシーンが爆誕した。これは流石に便利すぎてもう戻れない 😇

Introducing: Browser Use CLI 2.0 🔥 The most efficient browser automation CLI tool > 2x the speed, half the cost > Easily connect to running Chrome > Uses direct CDP Try it now 🔗↓