美少女にキスされまくるビジュアルノベル『サヤガタリ-妖刀の約束-』本日発売。DL版は特別価格990円 ヒロインは興奮すると「いとをかし！」と叫ぶ平安時代の巫女。ビジュアルアーツ新ブランド“VISUAL ARTS Scripts”第一弾タイトル。

# Codexの機能と実践的な使い方 🧩 「あの作業、毎回 Codex に説明し直すのが面倒…」を解決するのが Agent Skills です。再利用できる手順書を一度書けば、Codex が必要なときだけ自動で読み込みます。 🏷️ タイトル: Agent Skills(SKILL.md) 🔗 URL: 📘 概要 Agent Skills は、定型ワークフローを `SKILL.md` という1ファイルにまとめて再利用できる仕組みです。スキルは名前と説明だけが常に Codex の文脈に置かれ、実際に使うと判断したときに本文がロードされます。リポジトリ・個人・マシン共通など、置き場所でスコープを切り分けられます。 ⚙️ 機能の説明 ・スキルは `SKILL.md`（必須）に、`scripts/`（実行コード）`references/`（資料）`assets/`（テンプレ）`agents/openai.yaml`（UI設定）を加えたフォルダ構成です。 ・`SKILL.md` の先頭には frontmatter が必要で、`name` と `description` を書きます。description にはいつ発動し、どこまでが範囲かを簡潔に書くのがコツです。 ・Codex は複数の場所を優先順で走査します。リポジトリの `.agents/skills`、リポジトリ直下 `$REPO_ROOT/.agents/skills`、個人用 `$HOME/.agents/skills`、管理者用 `/etc/codex/skills`、そして OpenAI 同梱の組み込みスキルです。 ・progressive disclosure(段階的開示)により、初期文脈にはスキル名・説明・パスのみ（合計約8,000文字まで）が置かれ、本文は呼び出し時に初めて読み込まれます。これで多数のスキルを入れても文脈を圧迫しません。 🛠️ 実践的な使い方 ・新規作成は組み込みの `$skill-creator` を起動するのが簡単です。何をするスキルか、いつ発動するか、スクリプトを含めるかを対話で決められます（既定は手順のみ）。 ・明示的に呼ぶときは CLI/IDE で `/skills` を使うか、`$skill-name` のように `$` で指名します。説明が task に合致すれば暗黙的に自動選択もされます。 ・暗黙発動を禁止したいスキルは `agents/openai.yaml` で `policy.allow_implicit_invocation: false` を設定します。 ・特定のスキルを消さずに無効化したいときは `~/.codex/config.toml` の `[[skills.config]]` に対象の `path` と `enabled = false` を書きます。 💡 ユースケース リリース手順、E2E テストの流し方、社内ライブラリの正しい使い方など「人によってブレやすい定型作業」をスキル化すると、誰が Codex に頼んでも同じ品質で実行できます。チーム共通のものはリポジトリ配下に、個人の癖は `$HOME/.agents/skills` に置くと住み分けが綺麗です。 ⚠️ 注意点 ・同名スキルが複数の場所にあるとマージされず、両方がセレクタに並びます。命名は被らないようにしましょう。 ・description が曖昧だと暗黙選択が効きません。主要ユースケースを前方に置き、具体的に書くのが重要です。 ・スキルが多いと文脈節約のため description が短縮されることがあります。変更が反映されないときは Codex を再起動してください。 #OpenAICodex# #AgentSkills#

📷六月作品（21日發售） 『未亡人』126P+2Video “一次應該抵消不了多少債務吧，我、我還可以多償還幾次…” 「一回くらいじゃ、大した額にはならないですよね……。いいんです、私、これから何度でも、体で払いますから……」 盒岛： Patreon： Fantia購入： scription：

🧩 「一度作れば、どのエージェントでも動く」——プラグインの相互運用に向けた業界横断の標準が登場しました。 タイトル: Agent Plugins — An open, vendor-neutral standard for portable agent plugins URL: 📦 概要 Agent Pluginsは、再利用可能なコンポーネントを「可搬なプラグイン」としてパッケージ化する、オープンかつベンダー中立な標準です（バージョン1.0.0）。プラグインの「フォルダ構造とマニフェスト」という最小限だけを共通化し、一度作れば複数のエージェントクライアントで動く状態を目指します。 ❓ 解決する課題 いまは各クライアントが、中身が同じでも独自のプラグイン形式を持っています。そのため作者は同じ部品をプラットフォームごとに作り直す必要がありました。Agent Pluginsは「クライアント間で可搬にできる部分」だけに絞った小さな相互運用の土台を用意し、この重複作業を解消します。 🗂 方法論（パッケージ構造） プラグインは決められたディレクトリ構造を持ちます。 ・plugin.json：プラグインの識別情報と、対象とするAgent Pluginsのバージョン（現在1.0.0）を指定 ・skills/：Agent Skills仕様に沿ったスキル群。各スキルはSKILL.md（説明）、scripts/（実行スクリプト）、references/（参照資料）で構成 ・mcp.json：MCP（Model Context Protocol）サーバを記述。stdio／Streamable HTTP／旧来のHTTP+SSEという3つのトランスポートに対応 ・逆ドメイン名前空間（例 com.example.client/）：可搬なコアを変更せずに、hooksなどクライアント独自の振る舞いを追加できる拡張の置き場所 🔧 標準化する範囲・しない範囲 標準化するのはマニフェスト、ディレクトリ構造、コンポーネントの配置場所まで。配布・インストール・権限・UX・クライアント固有機能は、あえて各クライアントの裁量に残します。共通化すべき「部品の可搬性」と、各社が差別化したい体験を切り分けたのが設計思想です。 🏛 ガバナンスと位置づけ 技術運営委員会はAmazon・Cursor・Microsoft・OpenAI・Vercelのコアメンテナで構成。提案や技術決定はGitHub Discussionsで公開され、エコシステムに開かれています。MCPやAgent Skillsといった既存仕様の上に重ねる形で、相互運用の一段を担います。 #AIエージェント# #MCP#

# Cursorの機能と実践的な使い方 🧩 「あの作業、毎回同じ手順なのにAIに毎回説明している」を卒業しませんか。CursorのSkillsは、定型ワークフローを部品化してエージェントに覚えさせる仕組みです。 🏷️ タイトル: 再利用ワークフロー(SKILL.md) 🔗 URL: 📘 概要 Skillsは、特定ドメインのタスクの手順をエージェントに教える、ポータブルでバージョン管理可能なパッケージです。スクリプト・テンプレート・参照資料をまとめ、エージェントがツール経由で実行します。Rulesの進化形にあたり、文脈に応じて自動適用したり、スラッシュコマンドとして明示的に呼び出したりできます。 ⚙️ 機能の説明 各スキルは `SKILL.md` を中心に構成され、先頭のYAMLフロントマターで挙動を定義します。 ・`name`: 親フォルダ名と一致する小文字の識別子(必須) ・`description`: 何のためのスキルかと適用場面。エージェントがこの説明を読んで使うか判断します(必須) ・`paths`: glob パターンで対象ファイル種別にスコープを限定(任意) ・`disable-model-invocation`: `true` にすると自動適用されず `/skill-name` でのみ呼び出されるスラッシュ専用に(任意) 配置場所は階層的で、プロジェクトは `.cursor/skills/`(または `.agents/skills/`)、ユーザー全体は `~/.cursor/skills/` です。ルートは再帰的に走査され、ネストしたサブディレクトリも発見されます。スキルフォルダには `scripts/`(実行コード)、`references/`(必要時に読む資料)、`assets/`(テンプレや画像)を同梱できます。 🛠️ 実践的な使い方 たとえば `.cursor/skills/api-endpoint/SKILL.md` のフロントマターに `name: api-endpoint`、適用場面を書いた `description`、対象を絞る `paths: "src/api/**/*.ts"` を置き、本文に「ルートを registry に登録」「入力は zod で検証」「テストを必ず追加」といった手順を箇条書きします。 自動適用させたくない場合は `disable-model-invocation: true` を足し、Agentチャットで `/api-endpoint` と打って明示的に呼び出します。 💡 ユースケース モノレポでは各アプリ配下に `.cursor/skills/` を置くと、そのディレクトリ内のファイルへ自動的にスコープされ、`paths` を書かずに済みます。リリース手順・移行スクリプト・コードレビュー観点などを共有し、チーム全員が同じワークフローで作業できます。既存資産は Cursor 2.4 同梱の `/migrate-to-skills` で変換でき、「Apply Intelligently」(`alwaysApply: false`)なルールはスキルへ、スラッシュコマンドは `disable-model-invocation: true` 付きスキルへ自動移行されます。 ⚠️ 注意点 スキルの識別名は `SKILL.md` を含むフォルダ名から決まり、親カテゴリ名ではありません。旧来の `globs` フィールドは非推奨で、今は `paths` を使います。`/migrate-to-skills` は `alwaysApply: true` のルールやユーザーレベルのルールは移行しないため、これらは手動対応が必要です。 #Cursor# #AIコーディング#

LLMを「ゼロから」自分で組んで訓練すると、中で何が起きているかが本当に分かります🛠️ 単一GPUで動く、完全な教育用実装の登場です。 タイトル: FareedKhan-dev/train-llm-from-scratch URL: 🛠️ 概要 「Attention is All You Need」に基づき、TransformerをPyTorchでゼロから実装する教育用リポジトリです。単一のGPUで、数百万〜十億パラメータ規模の自分だけのLLMを訓練できることを掲げています。 ❓ 解決する課題 LLMは当たり前になりましたが、ゼロから訓練して内部を手を動かして理解する機会は限られています。 ・既製フレームワークを使うだけでは、Transformerの仕組みが見えにくいままです ・事前学習から事後学習（アライメント）までの一連の流れを通しで体験できる教材が求められていました 💡 内容と構成 LLMのライフサイクル全体をカバーします。 ・データの取得と前処理（The Pileから） ・コアなTransformerアーキテクチャの実装（埋め込み・アテンション・FFN） ・モデルの訓練（分散処理DDPにも対応） ・事後学習のアライメント：SFT、報酬モデリング、PPO、DPO、GRPO ・テキスト生成と推論 コードはsrc/models・scripts・data_loader・configs・ui（Streamlit）に整理。スタックはPyTorch、tiktoken、HDF5、NumPyです。 🌍 ユースケース / 対象読者 LLM訓練の仕組みを実地で学びたい開発者・研究者向けです。GPUが限られた人（13Mパラメータから）から、エンタープライズGPUで数十億パラメータを狙う人まで対応します。 #LLM# #機械学習#