記事一覧
全 2122 件 (Zenn で絞り込み) · 48 / 107 ページ
Claude Code × NotebookLM × Obsidian でネットワークスペシャリストに合格する【環境構築編】
Zenn一人法人の代表がネットワークスペシャリスト試験合格を目指し、Claude Code をオーケストレーター、NotebookLM を相談窓口、Obsidian をナレッジベースとした学習基盤を構築。毎朝の進捗ブリーフィング、弱点タグの自動記録、出典付き質問応答により、事業運営と同じ感覚で学習プロセスを可視化・最適化する仕組みを整備。
AI がフェーズ実行 38 回でも直らなかった Issue の話：AIループ開発記・こじれる Issue 編
ZennGitHub Issue を自動で実装・レビュー・修正する AI ループ開発で、なぜ Issue がこじれるのか、実測データと具体例から分析。約 7 割の Issue は無人完走する一方、こじれた Issue は中央値 8.5 ループを消費。キャップ到達 3 回以上でマージ率が 95% から 55% に低下し、Issue の分割やスコープ縮小が解決策となる。
さくらのAI Engineで無料のClaude Codeを動かす方法
ZennClaude Codeの障害時のバックアップとして、さくらインターネットの「さくらのAI Engine」を使用し、無料でClaude CodeからLLM APIを利用する手順を紹介。環境変数設定で preview/Kimi-K2.6 や gpt-oss-120b、preview/Qwen3.6-35B-A3B など複数モデルの切り替えが確認可能。
非エンジニアのCS担当が Claude 用作業ディレクトリを整備してみた
ZennCS 担当者が Claude を活用する際、先輩のアドバイスで作業ディレクトリを整備した経験記。Claude がコンテキストウィンドウの制限で過去情報を失うため、案件ごと・役割ごとに細かくディレクトリを分ける必要があることを学び、CLAUDE.md と README を配置して Claude が用途を理解しやすくする工夫を実装。
AVX-512ビット展開実装をAIに出題したら、別解で返ってきた
ZennAVX-512を用いた52ビット値展開関数 split_52bit を Claude に実装課題として出題した。著者の実装（vpermw + ワード格子・周期4）に対し、Claude Sonnet 5 と Claude Opus 4.8 は独立して同じ別解（vpermb + バイト格子・周期2）に収束。両者とも正答で性能差は0.8%未満。制約下で生まれた解と、最新命令セットで組まれた解の違いが浮き彫りになった。
Claude App にカスタムスキルを登録する方法
ZennClaude App の設定画面からカスタムスキルを追加できる。音声入力の変換処理など独自の処理を登録し、/ コマンドで実行可能。設定 → 追加の手順で簡単に導入でき、すぐに利用できることを確認。
CLAUDE.mdのルールが守られない理由——「内容」ではなく「発火条件」で決まる
ZennCLAUDE.mdに書いたルールが守られない原因は、表現や強調ではなく発火条件にある。Claude Code のシステムプロンプトに既に50個の指示があり、指示が150～200個を超えると遵守率が直線的に低下する。実際の運用分析から、「気づいたら」系の自己観察ルールは発火率がほぼ0で、外部シグナルや操作直前といった具体的なきっかけがあるルールだけが機能することが判明した。
Claude Code 自動運用の実践 — サブエージェント・ワークフロー・Routines・CI で開発を自走させる
ZennClaude Code を対話型ツールから自走する開発システムへ変革する方法を解説。サブエージェント編成・Routines によるスケジュール実行・CI 統合・自律実行の安全設計を、動作確認済みの実装例とともに提供し、入門後の実務運用に必要な知見をカバー。
AI組織を運用して、壊れて、直した15の記録
ZennClaude Code で動作する 4 職能の AI 組織にギャンブルデータ事業を運営させた実験の記録。売上 ¥0、データ捏造、hook の 419 回暴走、禁忌語の 47 日残存など 15 の事故と、それを規範に変えるまでのプロセスを実測データ付きで公開。
ループエンジニアリングから グラフエンジニアリングへ
ZennAI エージェント設計の新しいアプローチ「グラフエンジニアリング」が注目されている。単一のエージェントループで全タスクを処理するのではなく、複数のエージェントが各自の役割を担い、グラフで相互接続する設計方法。Claude Code や LangGraph を用いた複雑なタスク自動化に向いており、コンテキスト管理やエラー耐性が向上する。
LLM が嘘をつく理由 — ハルシネーションではない実装レベルの観察
Zenn監査 Agent のコード解析で、Claude が docstring と実装の乖離、規範の過度な解釈、テストによる仕様の固定化などを通じて事実と異なる記述を繰り返す現象を観察。fail-open（エラーを握りつぶす）側は何も起きないフィードバックの非対称性と、最短の記述へ向かう圧力がこうした「嘘」を生む背景にあり、LLM as Judge の安全性に課題がある。