コーディングエージェントに「コード専用の検索エンジン」を持たせる、という発想のAPIが公開されました。一般的な検索と違い、公式ドキュメントだけを対象にしているのがポイントです。 タイトル: Context7 Search: A Grounding API for Coding Agents URL: 📝 概要 1回のGETリクエストで質問を送るだけで、Context7が適切なライブラリを自動選択し最適なコード片を返す新しいSearch APIです。 ❗ 解決する課題 一般的な検索エンジンはコード検索時に古い情報や不正確な情報が混ざりやすく、従来のContext7も1ライブラリずつしか検索できない制約がありました。 ⚙️ 方法論 公式ドキュメント・製品サイト・APIリファレンスなど一次情報源のみを対象にし、インデックス化前にマルウェアやプロンプトインジェクションをスキャン。各結果にライブラリIDとソースURLを付与して出典を明示します。 🔧 ユースケース 「Next.jsのルートハンドラーからOpenAIレスポンスをストリーミングするには?」のような1つの質問で、複数ライブラリのコード片をまとめて取得可能。IDEプラグインやコードレビューボットへの組み込みも想定されています。 💰 料金 Freeプランは月1,000コールまで、Proプランはユーザーあたり月5,000コールまで、それ以降は1,000コールあたり10ドルです。 #AIエージェント# #開発者ツール#

コーディングエージェントの「ハーネス」って、計画機能もツール設計も文脈管理も、実はモデルの強さ次第で最適解が真逆になるんです。176通りの実験でそれを丁寧に検証した論文です。 タイトル: An Empirical Study of Harness Design for Coding Agents URL: 🧠 注目ポイント1: 文脈管理は資源が少ないほど効く 32kトークンのウィンドウでは、文脈管理ありと管理なしでSWE-Benchの成功率差が35.7ポイントにも達しました。しかも複雑なリコール機構はほぼ使われず、精度にも寄与しないことが判明しています。 📋 注目ポイント2: 計画機能の効果はモデルの強さで真逆になる 弱いモデル（30B）は計画を与えると成功率が+11.6ポイント向上しました。編集を試さず終了してしまう割合も69%から28%に激減しています。逆に強いモデル（550B）は計画なしでも十分で、計画を入れるとコストが約30%下がりました。 🔧 注目ポイント3: ツール設計もモデル・タスク次第 弱いモデルは専用ツール一式が必要ですが、強いモデルはbashコマンドだけの方が高性能かつ低コストになるケースが目立ちました。同じモデルでもタスクの種類によって最適解が逆転することもあります。 自分たちのモデルとタスクに合わせて、ハーネスの各要素を個別にチューニングする発想が大事だと実感しました。 #コーディングエージェント# #LLM#

コーディングエージェントがチームのコラボレーションを阻害されている、という分析。 ・AIエージェントは人間同士の協働を促進する新しいチームメイトとして期待されている ・ただ、2,361のGitHubリポジトリと25,264件のPRを分析した結果、実態は逆であることがわかった ・70%のプロジェクトにおいて、エージェントを活用しているコントリビューターは2割未満 ・さらに、エージェントが生成したPRの79%は、同じ開発者が単独でレビューと修正を行っている ・ツールの導入によってプロセスが個人化し、かえって開発者が孤立している ・同僚の代わりにAIに相談する開発者が増えた ・こうなると、経験の浅いジュニアエンジニアは、AIの提案の誤りに気づけないリスクが増えてくる ・組織はAIによる生産性向上を個人の責任にせず、チーム全体で取り組むのが良い ・デイリースタンドアップやQ&Aチャンネルなど、ノウハウを共有する場が重要になる ・今後はコードレビューよりも、設計やリスク評価など上流工程での知識共有が主軸になるだろう

コーディングエージェントが普及して、「手で速く書ける人が一番強い」という前提が崩れてきた。AIツールを使いこなす求人は1年で約340%増、一方で純粋な実装職は減少傾向。これからは「自分で書く力」より「エージェントを束ねる力」が効いてくる。

コーディングエージェントは「どのモデルが賢いか」で選ばれがちだけど、それだと半分しか見てない。同じClaude Opusでも、ある器では77%、別の器では93%とスコアが激変した実測がある。モデルじゃなく、それを動かす器の差で結果が変わるんだ。

コーディングエージェントは1タスクで数十回もAPIを叩くので、誰にも気づかれず週に数千ドル溶かしてしまう——LangChainがこの「支出の予測不能性」を社内でどう潰したかの話です💸 鍵は予算管理をオブザーバビリティと同じ場所に統合することでした。 タイトル: How LangChain Made Coding Agent Spend Predictable URL: 💸 概要 LangSmithに統合した「LLM Gateway」で、全社のモデル支出を分単位で俯瞰し、予算を中央集権的に管理する仕組みです。外付けプロキシではなく、既存のトレース・評価・ユーザー管理と同じ基盤の上に乗せた点が特徴です。 ❓ 解決する課題 モデル利用が一部チームから全社に拡大し、プレミアムモデルの値上げも重なってコストが急増。 ・コーディングエージェントは1タスクで数十回のAPI呼び出しを発生させます ・個々の開発者が気づかぬうちに週数千ドルを使い、月末まで誰も気づけませんでした 💡 方法論と提案手法 予算を多階層で設定できます。 ・組織／ワークスペース／ユーザー／APIキーの単位で上限を設定 ・月次・週次・日次・時間単位の既定ウィンドウを全従業員に適用し、高負荷プロジェクトには例外を許可 ・Claude Code・Codex・LangChain Deep Agents経由のエージェントをカバー ・MDMで配布し各自のセットアップを不要に ・実行はトレースされユーザーとAPIキーに紐づき、超過時は該当トレースを評価データで診断できます 🌍 ユースケース チーム単位で上限を設定しつつ、サプライズ請求の不安なくエージェント利用を許可できます。月末の請求ショックを、リアルタイム監視に置き換えるのが実用的な価値です。 📊 教訓と成果 ・モデル価格は静的な表ではすぐ陳腐化するため、キャッシュやティア差を含め動的に扱う必要がありました ・CursorやClaude DesktopはきれいにルーティングできずGateway捕捉分と提供側設定の差分を計測して補正 ・ハードリミットだけでは業務が止まるため、早期警告アラートと監査可能な増額申請に進化 ・社内展開以降、LLMコストは予算内に収まっています #コーディングエージェント# #LLMOps#

【バイブコーディングにどハマりして思ったこと】 長いです！ 本業がシステム屋なもんで、ゴリゴリ自分の作業をシステム化するためにCodexを使っているのですが、「あ、これ個人クリエイターに必要な視点かも」と思ったので呟きます。 SeedanceやらMinimaxやら、どんどんレベルの高い動画モデルが出現することで、 大量に出回るAI slopが「30点」から「60-70点」になっていると感じています。 自分が交流させていただいている、尊敬できるクリエイターさんは200点とか、500点とか、1000点の動画を出されています。(へっぽこクリエイターの自分が採点するのもおこがましいですが) ただ、このご時世では「30点の動画が100個出回る時代」から「60-70点の動画が1000個出回る時代」になっているんですよね。 個人クリエイターさんの現状は、おひとりだと「1000点の動画を10個出す」が人力だけだとどうしても限界になって来ている気がします。 ここで生き残り、より多くの方々に見てもらうには「1000000点の動画をコンテストに出して多くの人に見てもらう」と、「1000点の動画を作る思想や仕組みを配り、インフルエンサーになる」という道が現状はあると思っています。 でも、システム屋としては、もうひとつの道があると思うんですよね。 それが、「1000点の動画を100個出す」です。 単純計算で測れる世界ではないですが、少なくとも合計値ではAI slopを上回れます。 そのためにすべきことは、企業がやっていることと同じこと。 「効率化できることを徹底的にシステム化して効率化し、自分にしか出来ないことに割くリソースを増やす」なんです。 幸いにもバイブコーディングの進歩によって、システムの開発そのものは容易になってきています。 自分しか使わないシステムなら、運用も保守もそこまでこだわる必要はありません。 現在のCodexの使い方の主流は「高度な知能とMCPを活かしてプリビズを作る」「ゲームなどを作って自作品のIPを広げる」になっている印象ですが、 「既存の作業を効率化して、いいものをたくさん作れるようになる」にトークンを割くのもひとつの選択肢です、というご提案でした。

バイブコーディングで制作したプロンプト生成・管理ツールで新作ショートを制作しました！ 生成、編集には #Capcut# を使用し、Seedance2.0で生成しています。 2.0もまだまだやれる！ 微グロ・微ホラー注意です。 タイトルは「BEHIMOTH」となります！ #capcutcpp# @capcutapp @capcutapp_jp #AIVideo# #AIAnime# #AIArt#

AIコーディングツールの指数関数的なコスト増をいかにコントロールしていくかについてのdatabricks記事。（一部引き算して読む感じ） ・AIコーディングツールは生産性を劇的に向上させる ・しかし、それに伴ってコストも指数関数的に増大している ・放置すれば、AIによる恩恵がコストで相殺される ・そのため、最高性能ではなく、コスパに優れた効率性フロンティアの追求が必要になっていく ・具体的な対策の筆頭は、より安価で効率的なモデルへの移行 ・特定のモデルへの依存を防ぐため、メタハーネスを導入して柔軟性を確保する ・また、タスクの難易度に応じて安価なモデルと高性能モデルを動的にルーティングする手法も有効 ・予算管理において、利用上限でアクセスを完全に遮断するのは悪手 ・これは、最も生産性の高い開発者の足を引っ張ってしまうため ・代わりにコストを可視化し、閾値を超えたら安価なモデルへダウンシフトさせる仕組みが望ましい ・さらに、不要なコンテキストを削ってトークン消費を抑えることも大事に ・また、プロンプトキャッシングを活用することで、コストを大幅に削減できる （で、Unity AI Gateway というプロダクトの宣伝になるので、以下は略）