Claude を使い、科学データとコードから 106 個の OLED 壁紙を生成 - 画像生成なし

AWS のサンプルアプリケーション「Generative AI Use Cases」を Amazon Linux 2023 上にデプロイする手順をまとめた記事。Bedrock で Claude Sonnet 4.5 と Stable Image Core を有効化し、EC2 に Node.js、AWS CDK をインストール後、モデル設定を変更してリソース構築する。2026年10月時点の最新情報に基づき、つまずきやすい点を解説。

ClaudeとChatGPTに天気データ抽出機能の設計を依頼したところ、データ構造（dataclass vs dict）とファイル構成が異なる成果物が生成された。原因は依頼文の「将来の用途」と「シンプルに」という相反する要件の優先度が明示されておらず、Claude は将来の拡張性を、ChatGPT は現在の最小性を重視したため。AI同士のレビューでは設計方針の相違は埋まらず、要件の優先度を明確に記述することの重要性を示唆している。

AIは情報不足でも推測で答えを埋めるため、誤った回答が正確に見える落とし穴がある。「質問していい」「判断できないと言っていい」と明示的に許可するプロンプトテクニックで、AIに仮定を明確化させ、不足している前提条件を可視化できる。プロンプトを組み込む場所や「質問が多すぎる」といった失敗ケースも紹介。

値引き後に同じ利益を維持するために必要な販売数を Python で計算する方法を紹介。限界利益の概念を使い、単価引き下げに対して必要なボリュームを定量化し、根拠のない値引き判断を避ける。Claude に相談する際に「必要数」と「実現可能性」を分けて提示することで、相談の質を高める。