
全 1791 件 (Qiita で絞り込み) · 47 / 90 ページ


Claude Desktop アプリに内蔵される Claude Code のバージョンは CLI の Claude とは別管理で、PATH のバージョンと異なる場合がある。Get-Process claude コマンドで実際のアプリ版とエンジン版を確認でき、claude --version では PATH の単体 CLI のバージョンのみ表示されるため要注意。


Claude Code は CLI ベースの AI コーディングエージェント。ファイル操作・シェル実行・Web 検索を自律的に完結させ、IDE 補完型ツールと異なりバックグラウンド実行に対応。CLAUDE.md による指示の永続化、Hook システムによる自動化、MCP サーバー連携が実務での主要機能。npm インストール後、API キーまたはアカウント認証で利用可能。




Claude Code ユーザーが「CLAUDE.md は 200 行を超えるとコンテキスト消費増でパフォーマンス低下」という広まった経験則を検証。Claude 4.7 のコンテキストサイズ(100 万トークン)と prompt caching を考慮すると、251 行でも実害はほぼ測定不可。行数ではなく「毎ターン発火する内容か、特定タスク時のみか」で仕分けルールを置き換え、CLAUDE.md を 251 行から 114 行に削減(56% 削減)しつつ機能を維持。Skill description も同様に見直し 31% 削減。




Claude の全モデル(Fable 5、Mythos 5、Opus 4.8~4.5、Sonnet 5~4.5、Haiku 4.5)をリリース日、特徴、クレジット消費、応答速度、正確性で比較した表。用途別の選択ガイド付き(高精度・複雑タスク向けは Opus、バランス型は Sonnet、高速・低コスト向けは Haiku)。


Bun のプロジェクトは 64 並列の Claude Code エージェントを使い、言語に依存しない 6 万個以上のテストを「神託」として品質を保証した。しかし実行中に個々のエージェントが発見したバグや仕様は人間が手作業で仕様書に反映していたため、同じ罠に複数エージェントが何度もハマり API コスト増大を招いていた。本記事は、エージェントの「発見」を構造化ログで共有し、システム的に仕様書に昇格させるアーキテクチャを提案する。

Claude Code の .claude/commands/ に Markdown ファイルを置くことで、定型プロンプトを /review のようなカスタムコマンドに切り出せる。$ARGUMENTS で引数を受け取り、! でシェルコマンド実行結果を埋め込み、allowed-tools で権限設定する 3 つの機構を組み合わせることで、毎回の手作業指示を自動化できる。実装時には $ARGUMENTS のスペル固定・allowed-tools の :* 記法・サブディレクトリ名前空間の 3 つのハマりどころに注意が必要。

SESエンジニアが実務でClaude Codeを活用し、データ分析業務(CSV前処理、SQL最適化、Jupyter Notebook整理)を自動化した具体例と設定方法を公開。CLAUDE.mdの設定、Agentツールによる並列処理、hooks設定による監査ログの実装など、実際に毎日使っている設定・コマンド・パターンを詳述。

6月12日に輸出規制指令で全世界停止していた Claude Fable 5 が、7月1日に復旧。米商務省による規制解除の条件は改善版の安全分類器で報告回避手法を99%以上ブロックすること。停止発端は Amazon 研究者のセーフガード回避報告だった。復活後は利用条件が変わり、無料期間は消滅し 7月7日までは週次上限の50%まで、以降は従量のクレジット制に移行。

Claude Code のトークンコスト構造、Vatican での AI 活用など Anthropic 関連の複数ニュースをまとめた索引。詳細は英語記事として PaPoo に投稿されており、リンク先で確認可能。

Seeed SenseCAP Indicator D1(ESP32-S3 + タッチスクリーン)を改造し、Claude Code / Codex エージェントの状態をリアルタイムで可視化する物理ディスプレイを構築した事例。複数セッションの「考え中」「ツール実行中」「入力待ち」「完了」といった状態をアニメーション表示し、アイドル時にはローカル LLM が一言つぶやく「AI相棒」デバイス。フレームではなく意味的ステータスのみを送信する設計により帯域を最小化。

Claude Mythos による脆弱性発見数の増加は、従来の熟練セキュリティ研究者の「探索・再現」能力を Agent 基盤で大量並列化した結果と分析。発見件数が 10 倍になる一方、検証・修正・配布が追いつかない移行期のリスクや、発見件数・技術的重大度・社会的リスクを分けて考える必要性を指摘。