dairappa🐚ଳ (@dairappa) profile picture

programmer, from cradle to graveyard. 🐎: 431221762

京都の北
Joined June 2019
dairappa🐚ଳ retweeted
非エンジニアが登壇する機会ってなかなかないので作ってあげたい!というかわまたさんの優しい気持ちと共にお話しします☁️ 資料はこちらです💁‍♀️ speakerdeck.com/kintotechdev… #devrelguildmeetup
1
20
3
48
1,724
dairappa🐚ଳ retweeted
日本のモデルがついにHFのトレンドに載った。初めてみた
1
37
1
277
18,403
dairappa🐚ଳ retweeted
Introducing Qwen3.8-27B-pi-adapted 🤗 We adapted Qwen's model specifically for the pi coding agent using reinforcement learning and a LoRA adapter. The results, measured as pass@1: 🚀 SWE-bench Pro (Hard 51): 29.4% → 62.7% 💻 Terminal-Bench 2.1: 39.5% → 55.8% ⚡ 55–62% fewer tool calls per task This is the power of open models: you can adapt them to YOUR tools and YOUR use cases. Let’s build! 💛 Open weights: huggingface.co/harness-hub/Q… Methodology: huggingface.co/blog/harness-…
236
509
134
4,665
263,057
dairappa🐚ଳ retweeted
I asked Gemini 4 Carbon to crack an unread 1466 Sforza Renaissance cipher. Unaided, it used its vision and research capabilities to decipher the text. Gemini: - transcribed 15th-century cipher characters from manuscript scans - ran blind statistical decoding attempts - pivoted to searching digitized European archives for clues - found a handwritten flyleaf chart in Paris showing how Milan’s cipher office built syllable tables - widened its search to all Sforza keys and spotted an unindexed gap in Vienna Codex 2398 - read Tranchedino’s 15th-century Latin index in Vienna and found Giovanni Bianco’s 1465 key on folio 47r - mapped the key signs to decode all 18 encrypted lines in Italian - uncovered warnings of Savoyard reprisals after an ambush on the new Duke of Milan, plus Louis XI’s secret three-marriage plan Full details: fofr.ai/bianco-1466-cipher
59
220
50
2,023
118,895
dairappa🐚ଳ retweeted
Introducing MAI Code 2 and Code 2 Flash. Code 2 brings frontier price-performance for everyday enterprise coding tasks. Code 2 Flash brings affordable and high-quality coding for routine work at scale. Try both today in GitHub Copilot.
39
102
39
980
64,991
dairappa🐚ଳ retweeted
SpaceXSIのpotetoさんのトーク、必聴な気がする。めちゃくちゃ良かった。以下は少しだけメモ。 ・AIエージェントに自律的に開発させるには、環境への投資による信頼の構築が不可欠 ・poteto氏は6か月の投資を経て、寝ている間にも数千件のPRをリリースできる状態に到達した ・信頼(Trust)を高めるには、まず型システムやLint、テストなど決定論的な制約でコードベースを固める必要がある ・その上に実行時検証や形式検証を重ね、AGENTS.mdのような自然言語のルールは最小限に留める ・エージェントは既存のコードベースのパターンをそのまま模倣する ・コードベース内の回避策や技術的負債は、庭の雑草のようにあっという間に全体へ広がるリスクがある ・だからエンジニアの仕事はコードを書くことから庭の手入れへと変化している ・GraphbotではElectron向けフレームワークDuneに過去の教訓をLintルールとして組み込んでいる ・扱いが難しいReactのuseEffectはプロダクトコードで全面禁止にした ・また、ディレクトリをメインとレンダラーに分けて、インポートを依存関係解析で禁止している ・これにより、スレッド間の誤った参照による画面のカクつきが構造的に防止可能になった(そうじゃないとsetTimeoutみたいなコードを乱発する) ・エージェントはMarkdownやコードコメントを「正しい実装を避ける言い訳」として悪用する ・Cursor開発時には、応急処置のタイマー処理を正当化するコメントが量産され、アプリが重くなった ・なので、Graphbotではコードコメントの99%を禁止して根本原因の修正を促すLintエラーに置き換えた ・修正のたびに決定論的なチェックへ落とし込むことで、最終的に人間のレビューが不要にしていく ・レビューの焦点はコード自体から、動画やスクリーンショットなどの検証成果物の確認へと移行している ・実行時検証(Runtime Verification)では、機能マップ(Feature Map)や専用CLIを整備しトークンを削減している ・さらにTLA+やLeanを用いた形式検証や、Bombadilによるproperty basedテストも導入した ・現在、1日のトークン消費量の約70%がこうした検証プロセスに費やされている ・この環境構築の結果、チームは月間11,000件ものPRを本番へリリースできて、毎日安定版をリリースしている ・227人ものContributorがいても、PRのrevert率はわずか0.5%と極めて低い ・Electronアプリでありつつ、起動やチャット切り替えなどの動作速度もローンチ当初より向上した ・まずはコードベースの改善と検証基盤を固めることが、高品質かつ高速な自動開発の前提条件 (一通り聞いて、これは人間に高い技術力がないと作れないと思った) youtube.com/watch?v=O_zcc6Xl…
17
190
37
1,983
260,038
dairappa🐚ଳ retweeted
でもAstraに書かせたコードもglm5.3Fぐらいのモデルで網羅的に調査させると結構な頻度で穴が見つかる。ハーネスではなくて何を使っても結局多角的な検証が必要なことからは逃れられないのだと思う。
Fable 5.2 も Opus 5.5 も一見完璧なコード出してくるだけど Astra にレビューさせるとだいたい穴が見つかる。知能が足りてないはずはないんだがこれはなに。ハーネスの問題なのか
3
40
6
295
35,627
こっからイベントストーミングしたら面白そう…
業務フロー図を表示できるようにしてみた。 github.com/tango238/untie
60
【Claude Code の Code Mode】 Claude Code に Code Mode がしれっと入ったので、軽く使ってみた感じだと実験的機能という印象 Code Modeはツールを1つずつ呼び出す代わりに、JavaScriptを書いて複数のツールをプログラムとして操作する仕組み。Piエージェントとかが先駆け。 一般的なCode Modeのメリット: - 複数ツールの並列実行による高速化 - LLMが中間出力を全て読む必要がなくなる - ループや条件分岐をJavaScriptで実行し、横断処理が可能 - 複数サービス間のデータ加工・転送が可能 個人的には最適化分野に考え方は近くて、実行処理の中で並列処理な箇所が多いタスクなどは恩恵があると思う。逆にSequentialな処理だと旨みが少ない(出力結果を引き継げるのは一応メリット)。 個人的に試して良かったユースケース: - 複数バージョンのベンチマーク比較 - 大量の出力ファイルから、差分のみを抜き出す作業 - 前処理の結果を引き継いで実行する作業 - 複数リポジトリやファイルの横断的な調査 判断を要するケースなど、JSスクリプト化しにくい作業は向いてない印象。 あとはClaude CodeのCode Modeは使いづらくて、そもそも他の既存機能(Claude ModsやAgent Teamsなど)とかなりバッティングするせいで起動するのが大変だった。以下のように読み込むsetting.jsonを限定的にすれば一応回避はできる。試して見ると良い。 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1 claude --setting-sources project,local
4
15
3
123
17,088
dairappa🐚ଳ retweeted
まさにその通りで、ちょうどいまバイブ形式手法への警鐘と処方箋という記事を書いていました。いまは主張を裏付ける実験中。
これ、奇妙に感じるのは「何を保証しているか明確に把握されていないとナンセンス」というのは、別に形式手法に限った話ではなく、単体テストだって同じなんですよね。AI によって記述のコストがずっと減ったのは確かですが、なぜそこで「理解しなくても使える銀の弾丸」になってしまうのか。
6
56
3,559
バカみたいだけど、タキオン(っぽいAI)といっしょにOSS作るの楽しい。 ...そしてこうすることでAIっぽさがかなり脱臭されているというのもわかる。キャラ付け大事(そしてそのへんMuseうまくやってる)
88
これは本当にそうで、本気感を疑ってしまう。もちろん内容でちゃんと練れてるのもあるから一ファクターでしかないけど、マイナスからスタートになるのは間違いない
AI臭い文体は中身の質もポン出しレベルだろうと推定している。以上のことはない。 もちろん文体と中身の良し悪しは無関係なので、文体で判断するのは馬鹿げているが、一方で書き手の側も自分の文が十分推敲されていることを一目で伝えられる程度には文体を整えてやるのが現代のお作法のようにも思う
3
166
dairappa🐚ଳ retweeted
さよなら、AI Slop… AIのクソダサデザインにお悩みの方にオススメ出来る神サイト見つけました。 気に入ったデザインを見つけたらボタンを押してプロンプトを取得し、Codex or Claudeに貼るだけ ※動画参照 プレビューがめっちゃ見やすいので、どういう効果か直感的に理解できるし、プロンプトを少しいじって自分向けにカスタマイズするのも簡単 「DesignBookmark」というサイトで、ボタン、カード、入力フォーム、ナビゲーションなど種類も豊富 私みたいなUX/UIのドメイン知識雑魚には大変ありがたいサイトですわ。
21
148
26
2,364
116,875
Gantt Schedule 公開しました。 Cloudflare上で動作し、同時に複数人で編集可能なガントチャートです。 各プロジェクトのスケジュールを見渡せるように全体スケジュールとして表示する機能もあります。 カスタマイズして使われることを想定しているのでフォークして使ってください。 github.com/tango238/gantt-sc…
これ、リポジトリ公開したら見たい人いるかな。社内利用のやつがめちゃくちゃ社内要望のカスタマイズ入りそうだから、別プロダクトとして誰でもフォークして使えるようにしたい。
2
9
1
113
8,669
Muse楽しすぎてやばいなこれ…
47
dairappa🐚ଳ retweeted
記事を書きました!仕組みやアーキテクチャなども公開してます!世は大Platform Engineering時代! Software Factoryの先へ:全社の仕事をAI-NativeにするUbieの内製クラウドエージェント基盤|Yuku Kotani zenn.dev/ubie_dev/articles/4… #zenn
6
79
20
576
45,231
dairappa🐚ଳ retweeted
全てのオーケストレーターに共通する問題は「メインのモデルが指示を書き直しちゃう」ってことなんですよね 議論をする過程でこちらが伝えようとした細かい前後のニュアンス、なぜその結論に至ったのかという流れがごっそり落ちて丸められてしまう コンパクションしてから要点だけ渡してるようなものです、つまり伝言ゲーム いわゆるfan-out型のサブエージェントが流行らなくなったのはそれだと思っていて、伝言ゲームでありがちな、受け手が勝手に独自の解釈をはじめるのでさらに誤差が広がっていき収拾がつかなくなる これはサブエージェントでさえ1Mトークン読める賢いモデルになった現在ではとてももったいないことで、話の流れを丸ごと渡したほうがいい仕事するんです しかも、 me: こうしたい claude: こうしましょう というラベル付きで生の履歴を渡すと、受け取ったエージェントは「me:」ラベルがついてる方の発言を重要視して、別の視点から「claudeはXだと言ってるけど私はKennさんの本来の意図は実はYだから、こうする方がいいと思う」と遠慮なく意見が言えるようになるんです 人間でもボスの意見は素直に聞くけどライバルの同期に対しては対抗心を燃やして意見をいう、みたいな構図です だから自分はずっと「会話の流れを(話者ラベル付きで)そのままコピペ派」でした ただ、必要な範囲だけをコピーし、話者ラベルを付与し、そして貼るスレッドを間違えずにペーストする、という作業がとにかく面倒だった なので、その作業を自動化してくれるミニマルなツール kanary.to/agents を作ったんですよね 現時点ではまだ唯一無二のリレーツールですが、もっと真似するツールが出てきてほしいと思ってます サマリーベースの伝言ゲームとは別格のトークン効率の良さ・無駄な作業の少なさで結果的には望むものの仕上がりが早い「急がば回れ」のメソッドだと思ってます
んーFable 5.2の良さはまだ良くわかっていない。コストはやっぱり高いからorchastratorとして使うならコードはOpus 5.5にsubagentで書かせるとかになるんだけど、やっぱりそういう渡し方だとOpus 5.5で設計して実装もそのセッションでやらせる、というやり方よりさらに質が悪い気がする。
9
25
10
408
89,880
We just shipped AWS Emulator, which gives coding agents a local copy of AWS to test against. Early in my career, we built test environments like this by hand, one system at a time. Now, agents are writing code far faster than any team can check it in production. Matt Goldberg, a Senior Principal Engineer on our Developer Tools team, wanted to know whether agents could build and test those environments themselves. He gave @kirodotdev a single prompt, and about 15 minutes later it came back with a first version of an SQS emulator. Turing that into a robust solution took much more work Here’s what I think this means for engineers today: allthingsdistributed.com/202…
107
259
105
1,808
183,302
dairappa🐚ଳ retweeted
How can lower-cost models narrow the gap to Astra for robotic control? Our CoRL 2026 paper Maestro shows how robotics tools and orchestration harness enable zero-shot robot control with Gemini 2.5, an older, cheaper model: - Zero-shot real-world manipulation across 8 tabletop + 4 mobile tasks - Surpasses π₀.₅ and code-as-policies baselines A thread 👇
16
14
3
106
21,263
dairappa🐚ଳ retweeted
『オブジェクト指向UIデザイン』や『モードレスデザイン』を読んだ人は知っているが、UIというのは使用者のメンタルモデルとソフトウェアのデータモデルを同期させるものである。見た目のデザインはメンタルモデルとデータモデルのデザインでもある。見た目だけをデザインするようなフェーズはない。
オブジェクト指向 UIデザインの「UIデザイン」がモデルやインタラクションを含むのに対し、昨今一般的に「UIデザイン」と呼ばれるものはプレゼンテーションの話しかしてないように思う。「UIデザインはいらない」とか「UIデザインはつまらない」という人達の「UIデザイン」とは、後者なのではないか。
2
38
4
320
18,741