MiniMAX H3 × モーショングラフィック リリックMV ────── モーグラは2Dベタ塗と相性いい。 2Dベタ塗の画像生成はSeedream 5 proが得意。 ────── Sousaku AI ならどっちも使えるし、なんならH3が9/30まで50%オフで使えてお得よ #SousakuAI# [PR]

【朝から『明鏡』買って読んだら衝撃だった】 2023年4月に会社員を休み、フリーランスになって1年目のころ。右も左も分からぬ私が、初めて1件10万円ぐらいの大きな案件をいただいたのが、イケハヤさん @IHayato が運営するクリプトニンジャでのお仕事でした。 クリプトニンジャとLLACで活動してたらご縁がつながって、AIらぼが立ち上がり。翌年にはイケハヤさんと大阪リアルセミナーで対談させてもらって。 あのときの対談では「最高で会社員の月収の6倍」ってお話させてもらったのですが、気が付けば年収ベースで会社員の6倍になりました。 === なんで税金が払えなかった絶望フリーランスだった私が、なんとかここまで生き残れたか。 それが1mmずつ「マーケティング」を勉強したからなんですよね。 イケハヤさんが立ち上げた「明鏡」コミュニティにもすぐ入らせてもらって、ビデオポッドキャストの方向性やコンテンツ販売のアイディアをいただいて、自分の発信の影響力や売上の伸ばし方を学んできました。 ついこの間の2月、新しいBrainはClaude codeにしようかなーと思ってたけど、イケハヤさんの配信を聞いて「そうか今ならAntigravityなのか！」と方向性を切り替え→一撃150万円の売上になったり。 そんな最前線でずっとマーケットを切り拓いてるイケハヤさんのマーケティング教材の集大成『明鏡』が本日発売なんですね。 事前登録してたんですけど実はすでに販売中で、もう読めるなら読みたいなと思って買いました。 おそらく最速公開レビューかな？読んだ感想をお届けします！たぶん、迷ってる人もいると思うので。読んでみて。 === もちろんこの数十分で読み切れるような内容ではないのですが、ざっと読んだだけでも圧倒的です。すごい（語彙力） 言うなら「マーケティングという広大な世界を旅するための地図」ですね。 しかも観光スポット（リストマーケティングやローンチ）だけじゃなく、地元民しか知らない路地裏（トークン）まで載ってる。 さらにたくさんの写真（図解）付きで解説してくれているから、難しい概念の言葉や動きもわかりやすい。 そもそも「この世界の地形（マーケティングの全体像）はいったいどうなっているのか」という原理原則から話してくれているから、具体の話がすんなり頭に入る。 個人的にはコミュニティを運営しているので ・コミュニティとはという言葉の定義づけ ・必要な5つの要素 あたりは朝から3回熟読してます。 購入する前はWeb3関連の話が多いと初心者さんには難しいかなーと思っていたのですが、印象としては ・リストマーケティング ・ローンチの流れ ・企画の立て方 あたりの比重も高く、前述の通り「マーケティングとは」の話がものすごい分かりやすいので、初心者さんにもいいですね！ というよりもはや今回の超長期的『明鏡』マーケティングの裏側が読めるだけで、この価格のもとは取れてます。衝撃。ここを教えるだけで普通だと50万以上はする😇 === もういますぐ読みたい～という方は早く買っちゃったほうがいいですね。で、すぐにアフィリエイトで紹介しちゃう方がいいです。 おそらく2,000人以上の人が12時以降に紹介し始めるので、絶対埋もれます。 こういうのは先に紹介したもの勝ちですねっていう感覚も、イケハヤさんの配信聞いてたらなんとなく身につくようになりました。 すぐに買えるように、リプ欄に載せておきますね。無料部分だけでも圧倒的…私もこういう教材が出せる人間になりたい。今日からまた精進します。

【悲報】企業「AIでもう事務職いらん。営業か工場か田舎支社に異動して。嫌なら辞めろ」 → パナソニックHDは1万人削減、みずほは5000人分削減

AI の進化によって、開発はもう AI が簡単に行えるようになりました。要件を決めておけば、ほぼほぼ手放しで開発できるというのが現状です。 しかし、運用が意外と難しいということが最近分かり始めました。 ここでの「運用」とは、AI が自律的に判断してシステムを正常稼働させ続けること、と考えています。これの実現が非常に難しく、開発の延長でポン出しのまま動かしていると、普通にエラーが出てシステムが落ちたりします。そのため、エラーの原因分析や修正を行う必要があります。 AI はこの運用に関しては、まだそこまで自律的に行うことができません。そのため、人間が「どういったエラーだったら、どういうことをして、どのように対応するか」ということをきめ細かく指示していく必要があります。 さらに、その指示がちゃんと通っているかを監視する必要もあります。私がやっている範囲では、ここは現状 AI ではなく人間が担当すべきところです。 つまり： 1. AI がシステムを監視する 2. 人間がその AI を監視する（運用の監視） といった仕組みを構築する必要があり、これが今、意外と難しいなと思っているところです。

🔄Loop Engineeringとはなにか？ もう「AIにプロンプトを打つ」作業は終わりにしませんか？これからは、エージェントを自律的に回す仕組みそのものを設計する時代です。AIコーディングのパラダイムシフトの正体に迫ります。 💡 1. プロンプトからシステム設計への転換 従来のAIコーディング（AI-assisted Coding）は、人間がループの「中心」にいました。 👨‍💻 これまでのアプローチ: 人間がコンテキストを考え、プロンプトを打ち、AIの出力を読み、手元でテストを実行し、エラーが出たら再度プロンプトを打つ。AIは「高機能な関数」や「道具」であり、制御の主体は常に人間です。 🔄 ループエンジニアリング: 人間はループの「外側」に出て、システム全体のデザイナー（作者）になります。仕事の検知、AIへのコンテキスト注入、出力の自動テスト、進捗の記録、次のステップの判断という一連のライフサイクルを小さなプログラムに実行させます。 ここで重要なのは、AIモデルがシステムにおける「サブルーチン（部品）」へと降格し、代わりに環境（テストスイートやリポジトリの状態）からのフィードバックをループ処理する構造へ進化したという点です。 ⚙️ 2. ループを駆動する5つのコアコンポーネント＋1つの記憶 抽象的な概念を動くシステムに落とし込むため、ループは以下のコンポーネントに分解されて設計されます。 ① ⚡ 自動化（Automations） ループの心臓部であり、発火トリガーと停止条件を定義します。 ツール（Claude CodeやCodexなど）では、単に定期実行する /loop だけでなく、明確な終了条件（例：「すべてのテストがパスするまで」）を満たすまでAIを回し続ける /goal コマンドなどがこれに該当します。条件が達成されるか、ハードストップ（予算や上限回数）に達するまで回り続けます。 ② 🌳 ワークツリー（Worktrees） 複数のAIエージェントが並列で動く場合、同じディレクトリで作業するとファイルの衝突（コンフリクト）が発生します。これを防ぐため、Gitの worktree 機能を使い、エージェントごとに独立した作業ディレクトリとブランチを隔離して自動生成します。機械的な衝突を回避し、並列性を担保する基盤です。 ③ 🧠 スキル（Skills） リポジトリのルールやコンテキストをカプセル化したものです。 通常、AIは実行ごとに前回の文脈を忘れますが、SKILL.md のようなファイルに「このプロジェクトのビルド手順」「命名規則」「過去の障害から得た注意点」を明文化しておくことで、AIは毎実行時にそれを読み込み、プロジェクト固有のシニアエンジニアのような振る舞いを固定化できます。 ④ 🔌 プラグイン／コネクタ（Connectors） filesystem（ローカルファイル）しか見えないAIを、本物の開発環境につなぐ架け橋です。 Model Context Protocol（MCP）などをベースに、GitHub（PR作成やIssue取得）、Linear/Jira（チケット更新）、Slack（人間への通知）、Sentry（エラーログの取得）と接続します。これにより、AIが「修正案を出す」だけでなく「Issueを読んで、コードを直し、PRを送り、Slackに報告する」というエンドツーエンドの行動が可能になります。 ⑤ 🤖 サブエージェント（Sub-agents） 役割を分担された独立したAIインスタンスです。「コードを書く役割（Maker）」と「コードを検証・レビューする役割（Checker）」を完全に分離します。 ➕ 💾 記憶：状態ファイル（State File） 地味ですが、ループの成否を分ける最も重要な要素です。STATE.md やJSONファイル、あるいは外部のチケット管理システムに「現在どのブランチが進行中で、何が完了し、次に何をすべきか」を永続化します。「エージェントは忘れるが、リポジトリは忘れない」という原則に従い、昨日の続きを今日のループが再開できるようにします。 🕰️ 3. なぜ「ただのcron（定期実行）」ではないのか？ 懐疑派から「1975年に発明されたcronジョブのリブランド（名前の付け替え）に過ぎないのではないか」という指摘があります。これは半分正解で、半分は間違いです。 スケジュールやトリガーのレイヤーは確かにcronそのものです。しかし、従来のcronは「固定されたスクリプトを機械的に実行するだけ」でした。 ループエンジニアリングが異なるのは、ループの真ん中に「状況を動的に判断する意思決定者（LLM）」がいる点です。 テストが落ちたとき、どのファイルをどう修正すべきか、コンテキストをどう組み立て直すかという分岐は、ハードコードされた if/else ではなく、AIの推論によって動的に決定されます。工学的な面白さは、この「崖から落ちるかもしれない不確実な意思決定者」の周りを、いかに硬牢な自動テストやガードレールで固めるかというシステムデザインにあります。 ⚠️ 4. コストと運用リスクの現実 熱狂的な議論で無視されがちなのが、経済性とセキュリティの現実です。 💸 膨大なトークン消費（コスト） コード生成自体は安価になりましたが、ループを回すと「コンテキストの再読み込み」「リトライの繰り返し」「探索パターンの実行」により、トークン消費量が爆発的に増加します。 実際に、米Uberではエンジニア1人あたり月1,500ドルの上限を設けたにもかかわらず、年間のAI予算をわずか4ヶ月で使い切った事例があります。「最大反復回数」「金額上限」「進捗ゼロ検知による強制終了」の3つのガードレール（ハードストップ）の設計が不可欠です。 🛡️ 攻撃面の拡大（セキュリティ） 無人で動くループは、無人で動く攻撃面（アタックサフェース）になります。AIコーディングツールに起因するCVE（脆弱性）が多数確認されており、コマンドインジェクションやSSRF、XSSのリスクがあります。また、外部から取り込んだ「スキル」の説明文がプロンプトインジェクションの経路になり、デバッグログ経由で認証情報（資格情報）が漏洩するケースも監査で報告されています。 🧩 理解の負債（Comprehension Debt） AIが高速でコードを書き、テストが通ってマージされ続けると、リポジトリ内のコードベースと「人間の理解度」の距離がどんどん離れていきます。これを「理解の負債」と呼びます。最も高くつくのはトークンの請求書ではなく、「チームの誰も読んだことがなく、構造を理解していないシステム」をある日突然人間がデバッグしなければならなくなるコストです。 🛠️ 5. 実践：4条件テストと最小実用ループ（MVL）の構築 ループエンジニアリングを実務に導入する際は、厳格な仕分けとステップが必要です。 📋 導入のための4条件テスト 1. タスクが繰り返されるか？（週1回未満なら、手動プロンプトや使い捨てスクリプトの方が早い） 2. 検証が完全に自動化されているか？（テスト、型チェック、Linter、ビルドが悪い出力を100%機械的に弾けるか。これがないと人間がレビューの椅子に縛り付けられる） 3. トークン予算が無駄を吸収できるか？（従量課金で予算に余裕がない場合は無謀） 4. エージェントが環境を操作する道具を持っているか？（ログ確認や再現環境など） 🚀 最小実用ループ（MVL）から始める手順 最初から複雑なマルチエージェントを組むとシステムは確実に崩壊します。以下の順番でボトムアップに構築します。 1. 手動実行の確実化: 1回の手動プロンプトと環境操作で、タスクが完全に完了することを確認する。 2. スキルの文書化: その際のコンテキストや制約を SKILL.md にまとめる。 3. ループのラップとゲート配置: AIが書いたものを自動テスト（ゲート）にかけ、失敗したらAIに戻すという1サイクルを組む。 4. スケジューリング: 最後にそれをcronやイベントトリガーで自動化する。 🎯 レバレッジの支点は「コードを書くこと」から「コードを書く仕組みを定義し、検証すること」へ移動しました。人間は、AIが自分の宿題を甘く採点しないよう、冷徹な「検証ゲート」を設計するエンジニアであり続ける必要があります。

AI動画はもう大体わかったので、 次はAIマンガ。ぶっちゃけ、こっちの方がムズイ。 AI漫画を作るポイントは 「実際のマンガの制作フローをちゃんと組ませること」が重要。 ネームが命。 まじで命。 今回はこのネームをAstraに「描かせた」。 【生成フロー】 ⓪Astraにストーリーを練らせる ➀左：Astraでネームを「描かせる」 ②中央：Astraにラフ画を生成させる （ここは37レイヤーのレイヤー構造） ③右：筆入れ。清書の生成。 ②は自作漫画レイヤーツールをClaude codeで開発。 ⓪に応じて➀は自在に描き変わり、 ②をレイヤー別にすることで、全パーツの位置などを完全コントロール（Astraにさせてるが、手動でも動かせるように設計）できるから、③の調整が非常に楽。 ストーリーさえ壁打ちできれば、清書までが一気通貫できるスキル、フロー、システム構築できました😉