ASUSクリエイター向けブランド ProArt の2-in-1タブレットProArt PZ14が新登場✨ タブレットとしてもノートPCとしても、シリーズ初オンデバイスAIと省電力に優れるSnapdragon® X2 Eliteを搭載🧠 3K 有機EL、感度の高いASUS Pen付属で、どこでもアイデアをそのまま形に🖊 👉

# Claude Codeの機能と実践的な使い方 🤖 ログや検索結果でメイン会話を汚したくない。そんなとき、専用のコンテキストで作業して要約だけ返すサブエージェントが役立ちます。読み取り専用のレビュアーや調査役を切り出せます。 📌 タイトルと機能のURL タイトル: サブエージェント URL: 📝 概要 サブエージェントは特定タスクを担当する専用AIアシスタントです。独自のコンテキストウィンドウ、固有のシステムプロンプト、ツールアクセス、権限を持ち、独立して動いて結果の概要だけをメイン会話に返します。詳細な出力をメインから隔離でき、ツール制限でできることを絞れます。 🔧 機能の説明 ・組み込みサブエージェントとしてExplore（Haikuの読み取り専用・コードベース探索）、Plan（プランモードの調査役）、general-purpose（探索と変更の両方を行う複雑タスク向け）があります。 ・カスタムサブエージェントはYAMLフロントマター付きMarkdownで定義します。必須は name と description のみです。 ・主なフィールドは tools（許可ツール）、disallowedTools（拒否ツール）、model（sonnet/opus/haiku/inherit）、permissionMode、skills、memory などです。 ・description をもとにClaudeが委譲を判断します。「use proactively」などの語を入れると積極的に委譲されます。 ・サブエージェントは他のサブエージェントを生成できません（無限ネスト防止）。 🛠 実践的な使い方 ・/agents コマンドでタブ付きUIを開き、ガイド付きまたはClaude生成でサブエージェントを作成・編集・削除できます（推奨）。 ・保存先でスコープが決まります。プロジェクト用は .claude/agents/ 、全プロジェクト用は ~/.claude/agents/ です。前者はバージョン管理でチーム共有に向きます。 ・明示的に呼ぶには自然言語（「test-runnerサブエージェントで〜」）、@メンション、またはセッション全体を claude --agent code-reviewer で実行する方法があります。 ・読み取り専用レビュアーなら tools: Read, Grep, Glob, Bash のように絞ります。 ・memory: project を設定すると、会話をまたいで知見を蓄積する永続メモリを持てます。 🎯 ユースケース ・コードを変更しないコードレビュアーや、長い調査を担う読み取り専用の調査役を定義する。 ・テスト実行やログ処理など大量出力を生む作業を隔離し、失敗テストの概要だけを返させる。 ・独立した複数モジュールの調査を、別々のサブエージェントで並行実行する。 ・安価で高速なHaikuにタスクをルーティングしてコストを抑える。 ⚠️ 注意点 ・サブエージェントは毎回新しいコンテキストで開始し、会話履歴や既読ファイルは引き継ぎません。立ち上げに時間がかかる場合があります。 ・多数のサブエージェントが詳細な結果を返すと、かえってメインのコンテキストを消費します。 ・ディスク上のファイルを直接編集した場合、読み込みにはセッション再起動が必要です（/agents経由なら即時反映）。 ・bypassPermissions は権限チェックを飛ばすため慎重に使ってください。 #ClaudeCode# #DevTools#

🤖 スマホを操作するGUIエージェントは、短いタスクは得意でも、長く多段なタスクになると急に弱くなります。理由はシンプルで、行動とスクショの履歴をただ積み上げるとコンテキストが爆発し、アプリをまたいだ大事な情報が薄まってしまうからです。 そこでこの研究が出した発想が、文脈の管理を「受け身に貯める」のではなく「自分で選ぶ行動」に格上げするというものです。エージェントはUI操作を選ぶのと同じように、履歴やUI状態を“折りたたむ”行動も選べます。維持するのは3つの構造化フィールド——折りたたんだ行動履歴、折りたたんだUI状態、直近のステップ記録——で、全体の流れと足元の詳細を両立させます。これが Context-as-Action フレームワーク、MemGUI-Agent です。 🎯 学習にはアノテーション済み2,956軌跡のMemGUI-3Kを使い、8BのMemGUI-8B-SFTをSFTで訓練。結果、MemGUI-Benchでオープンデータの8Bとして最高性能を達成し、学習分布外のMobileWorldにも汎化しました。何を残し何を畳むかをエージェント自身に決めさせる設計は、コンテキスト肥大に悩む実用エージェント全般に効きそうだと感じます。 MemGUI-Agent: An End-to-End Long-Horizon Mobile GUI Agent with Proactive Context Management #GUIエージェント# #LLM#

「話しかけられてから答える」音声AIは終わり。音・環境・指示を聞き続けて自分から動くモデルの登場です🎧 タイトル: Audio Interaction Model URL: 🎧 概要 常時稼働でリアルタイムに動く統合型の音声言語モデル（LALM）です。「知覚→判断→応答」のループを回し続け、音・環境音・ユーザー指示を同時に聞きながら、ストリームの意味理解に基づいて動的に応答します。 ❓ 解決する課題 現在のLALMの多くはオフラインで、ストリーミングASRや音声チャットを個別にこなすだけでした。現実の対話には、リアルタイムに同時に聞いて、その場で反応する常時稼働型のモデルが必要です。 💡 方法論と提案手法 核心は「知覚→判断→応答」ループを具現化したSoundFlowフレームワークです。 ・ストリーミングネイティブなデータ構築 ・理解を意識した訓練 ・非同期・低遅延の推論で安定したリアルタイム対話 データはStreamAudio-2M（260万件）で、7つの基礎能力・28サブタスクをカバー。能動的介入を測るProactive-Sound-Benchも用意しました。 📊 実験結果 / ユースケース ・8つのベンチマークで競争力ある性能を維持 ・オフラインLALMでは不可能だったリアルタイムASR、ストリーミング音声指示追従、能動的介入を実現 常時稼働の音声アシスタントやリアルタイム対話、能動的な音声サポートに活用できます。 #音声AI# #LALM#