• TechFeed - エンジニアのための技術情報収集＆共有プラットフォーム

TechFeedは、エンジニア向けに設計された情報収集・共有プラットフォームです。180以上の専門チャンネルで技術トレンドからニッチな情報まで網羅し、自動翻訳による海外情報へのアクセスも容易です。注目記事の自動厳選、記事の面白さを数値化するTechFeedスコア、パーソナライズ機能により、効率的な情報収集を支援します。ブックマーク、高度なシェア機能、コメント機能なども搭載。お仕事情報の提供や、技術情報収集の習慣化を促す機能も備えています。

引用元: https://techfeed.io/entries/67f2f13efe15614dc4ce2659

• Introducing AutoRAG: fully managed Retrieval-Augmented Generation on Cloudflare

Cloudflareが提供するAutoRAGは、RAG(Retrieval-Augmented Generation)をフルマネージドで実現するサービスです。RAGは、LLM(大規模言語モデル)の精度を向上させる技術で、AutoRAGはデータ取り込みからベクトルデータベースへの格納、検索、応答生成までを自動化します。これにより、開発者は複雑な設定やメンテナンスから解放され、AIを活用したアプリケーション開発に集中できます。CloudflareのR2、Vectorize、Workers AIなどのサービスを組み合わせて構築されており、データソースとの連携、データ変換、チャンク化、埋め込み、ベクトル保存、クエリ処理などを自動で行います。

引用元: https://blog.cloudflare.com/introducing-autorag-on-cloudflare/

• Meta got caught gaming AI benchmarks

Metaが開発したLlama 4の新型AIモデル「Maverick」について、ベンチマークテストで不正を行った疑いが浮上。MetaはLMArenaというAIベンチマークサイトで、公開版とは異なる「会話に最適化された実験版」のMaverickを使用し、競合のGPT-4oやGemini 2.0 Flashより高いスコアを獲得したと主張。しかし、この点が指摘され、LMArenaはポリシーを更新し、公平な評価を求める声明を発表。Metaは実験的なカスタム版を使用していたことを認めた。

引用元: https://www.theverge.com/meta/645012/meta-llama-4-maverick-benchmarks-gaming

• No elephants: Breakthroughs in image generation

画像生成AIが進化し、LLMが直接画像を制御する「マルチモーダル画像生成」が登場しました。以前は別のツールにテキストを送り画像生成していましたが、新しい方式ではAIが文章を作るように画像をパーツごとに生成します。これにより、より正確で高品質な画像が作成可能に。「象のいない部屋」のような複雑な指示も、以前のシステムより遥かに正確に反映できます。インフォグラフィック作成や画像編集も可能で、手書きのラフを広告にしたり、写真の家具を別の写真のものと入れ替えたりできます。まだ完璧ではありませんが、画像生成AIの進化は目覚ましく、様々な分野への応用が期待されます。ただし、著作権や倫理的な問題も考慮する必要があります。

引用元: https://www.oneusefulthing.org/p/no-elephants-breakthroughs-in-image

• お便り投稿フォーム

（株式会社ずんだもんは架空の登場組織です）

• GitHub Copilotでバイブコーディング：エージェントモードとMCPサポートがVS Codeユーザーに提供開始

GitHub Copilotが進化し、VS Codeでエージェントモードが利用可能になりました。これは、ユーザーの指示に基づき、コードの自動生成や修正をより広範囲に行える機能です。また、MCP(Model Context Protocol)をサポートし、様々なツールとの連携も強化されました。有料プランでは、高性能なモデルを利用できるプレミアムリクエストが導入され、より高度なコーディング支援が可能です。

引用元: https://github.blog/jp/2025-04-07-github-copilot-agent-mode-activated/

• AI時代はプログラミングスキルがさらに重要になる

AI時代にプログラミングスキルは不要になるか？ 著者は、AIが得意なのはネット上に情報が多い典型的なコードで、サンプルが少ないエッジケースは苦手だと指摘。AIが8割のコードを書いても、残りの2割、つまりエラーや特殊な挙動への対応に労力がかかる。AIは要件定義や設計も得意だが、評価が難しいため、人間の修正が必要になる。プログラマーはAIとの協働で、AIの弱点を補完し、成果物を調整する役割を担う。AIに仕事を奪われるのではなく、AIと協力して仕事をする関係になると予想。技術の進化は指数関数的とは限らず、専門知識を学び続けることが重要。

引用元: https://zenn.dev/dyoshikawa/articles/programming-skills-will-be-more-valueable

• Devinが作るPull Requestのセルフマージを禁止する

AI開発ツールDevin導入時、Devinが作成したPRをエンジニア自身が承認・マージできてしまう課題があります。そこで、GitHub Actionsを使用し、Devinが作成したPRには自動で「ai-generated」ラベルを付与。2人以上の承認がないとマージできないように設定します。レビュー承認数に応じてステータスを更新し、Branch Protectionと連携してマージを制御。これにより、AIが生成したコードの品質とセキュリティを向上させます。

引用元: https://tech.newmo.me/entry/ai-pull-request-protection

• 大規模な情報処理を行う「データセンター」の建設に住民が反対しているという記事→建てた方が良い理由や反対する理由など様々な声

データセンター建設に対する住民の反対意見と、それに対する様々な意見をまとめた記事です。反対理由としては、見た目が刑務所のようである、騒音や環境への影響の懸念などが挙げられています。一方で、データセンターは固定資産税による自治体の収入増、企業の地方進出、雇用創出の可能性といったメリットもあります。「あった方が良い」という意見も多く、地域との共生や情報公開の必要性が指摘されています。

引用元: https://togetter.com/li/2535609

• お便り投稿フォーム

（株式会社ずんだもんは架空の登場組織です）

• Llama 4: Metaがもたらす新時代のマルチモーダルAI革命

MetaがLlama 4を発表。初のマルチモーダルモデルであり、MoEアーキテクチャ採用。Scout, Maverick, Behemothの3モデル構成。Scoutは10Mトークンのコンテキストウィンドウが特徴。MaverickはGPT-4o等を凌駕。Behemothは開発中で教師モデルとして活用。MoE、アーリーフュージョン、iRoPE等の技術が革新的。最大8枚の画像を同時処理可能。MetaPによる学習効率化、FP8精度でのトレーニングも特徴。安全性確保のため、Llama Guard等のツールも提供。オープンソースで利用可能。

引用元: https://zenn.dev/acntechjp/articles/20250406_llama4_analysis

• neovim 0.11からはLSPをほぼネイティブAPIだけで扱える

Neovim 0.11でLSP（Language Server Protocol）関連機能が大幅に強化され、プラグインなしでも本格的に使えるようになりました。主な変更点は、LSPの設定、自動起動、補完がネイティブAPIで可能になったことです。設定例として、設定ファイルからnvim-lspconfigの設定を削除し、NeovimのAPIで直接設定する方法が紹介されています。ただし、Language Server自体のインストールは引き続きmasonなどのツールが必要です。これにより、dotfilesの見直しも推奨されています。

引用元: https://zenn.dev/pandanoir/articles/4736924f5ecc72

• 【東大理3合格】ChatGPT o1とDeepSeek R1に2025年度東大受験を解かせた結果と答案分析【採点協力：河合塾】

AI（ChatGPT o1とDeepSeek R1）に2025年の東大入試を解かせた結果、理科三類に合格相当の成績を収めました。特別な指示なしに、最新AIが東大生レベルの思考力を持つことを示唆しています。ただし、受験特有の知識や回答形式、図表の読み取り、問題文の意図理解には課題も残りました。 ChatGPTは流暢な文章生成能力がある一方、DeepSeekは難問へのひらめきが見られました。AIの活用には、タスクに応じた適切な指示とチューニングが重要です。

引用元: https://note.com/lifeprompt/n/n0078de2ef36b

• ハイチの首都がギャングにより90％支配されてる件について

記事の内容がハイチの首都の治安に関するものであり、新人エンジニアの業務と関連性が低いため、要約を見送ります。

引用元: https://www.nicovideo.jp/watch/sm44849022

• お便り投稿フォーム

VOICEVOX:春日部つむぎ

• Dify MCP Plugin Hands-On Guide: Integrating Zapier for Effortless Agent Tool Calls - Dify Blog

AIエージェントが外部ツールと連携するための標準規格MCPのDifyにおける活用事例を紹介。Difyではコミュニティ開発のMCP SSEプラグインとMCP Agent Strategyプラグインを利用可能。Zapier MCPを連携させることで、Gmailなど7,000以上のアプリとの連携が容易になる。設定はZapier MCPの設定画面からMCP Server Endpointをコピーし、Difyのプラグインに設定するだけ。これにより、AIエージェントがユーザーの指示に基づき、メール送信などのタスクを自動実行できるようになる。DifyはネイティブMCPサポートも開発中。

引用元: https://dify.ai/blog/dify-mcp-plugin-hands-on-guide-integrating-zapier-for-effortless-agent-tool-calls

• AI・LLM事業部プロダクト開発体制について

LayerXのAI・LLM事業部におけるプロダクト開発体制を紹介。ビジネス部とプロダクト部の2部構成で、プロダクト部は開発、企画、LLM、デザインの各グループに分かれています。開発グループはAI Agent、WorkflowBuilder、Ai Workforceの各チームに分かれ、LLMツールを活用し生産性高く開発を推進。企画グループはPdMが開発チームと共同でプロダクト設計を進めます。LLMグループは顧客業務に特化したAIワークフローを構築し、WorkflowBuilderの機能追加・改善も行います。デザイングループはプロダクトとコミュニケーションのデザインを担当。チームコミュニケーション向上のため、Good & Newという取り組みも実施しています。

引用元: https://tech.layerx.co.jp/entry/2025/04/03/154128

• 任天堂スイッチ2、転売ヤー撃退へ「賢い解決策」導入–日本専用のハード、初代を50時間プレイ必須

次世代Switchは転売対策として、日本専用版と多言語版の2モデル展開。日本専用版は言語設定が日本語のみ、アカウントも日本設定のみに制限し、価格を抑える。抽選販売では、初代Switchの50時間以上のプレイ実績と、1年以上のオンライン加入が条件となる。これにより、転売目的の購入を抑制し、真のファンに届けやすくする狙い。

引用元: https://japan.cnet.com/article/35231292/

• DeepSeekがGPUの制限を突破するのに使われたPTX。その制約が突破の原動力になった

DeepSeekが、米国のGPU輸出規制を逆手に取り、低スペックGPU(H800)で高性能GPU(H100)並みの性能を達成した事例。通常CUDAで開発するところを、より低レベルなPTX(アセンブラ)で直接GPUを制御し、通信速度のボトルネックを解消。投資ファンドでの高速化ノウハウが活きた。制約を打破する技術力が光る。

引用元: https://tamakino.hatenablog.com/entry/2025/04/03/080000

• お便り投稿フォーム

VOICEVOX:ずんだもん

• さまざまなAIエージェントを網羅したリスト「Awesome AI Agents」がGitHubにて公開

E2B社がAIエージェントのリスト「Awesome AI Agents」をGitHubで公開。OSS/クローズドソース別に、様々なAIエージェントをカテゴリやユースケースで検索可能。Adala, Agent4Rec, AgentForge, AgentGPTなどがOSSとして、Ability AI, Adept AIなどが企業提供として掲載。AI活用を検討する上で参考になるリソースです。

引用元: https://codezine.jp/article/detail/21266

• 人気殺到で制限していた「ChatGPT」画像生成、全ユーザーに開放

OpenAIのChatGPTで、GPT-4oモデルを使った画像生成機能が無料ユーザーでも利用可能になりました。以前はアクセス集中で制限がありましたが、現在は誰でも使えるようになっています。話題のジブリ風画像生成も試せます。ただし、無料版は1日の生成回数に制限があります。AI開発競争が激化する中で、OpenAIは画像生成機能の開放でユーザー獲得を狙っています。AIの進化は目覚ましく、今後は動画生成など、より高度な機能も登場するかもしれません。

引用元: https://japan.cnet.com/article/35231247/

• Devin的な自律型開発エージェントをAWS上に作ってみた！

Devinのような自律型開発エージェントをAWS上に構築した事例紹介です。 主な特徴は、クラウド上で並列動作、サーバーレス構成、MCPサーバーとの統合、コスト効率化など。 OSSリポジトリの知識自動読み込み機能もあります。 AWSアカウント、GitHubアカウント、Slackワークスペースがあれば利用可能。 アーキテクチャは、APIGW+Lambda上のSlack BoltアプリがEC2インスタンスを起動し、エージェントが動作する構成。 開発にはAWS AppSync Eventsを利用。 詳細な手順はREADMEに記載。 タスク遂行能力はLLMの種類に依存する傾向があるが、今後はUXやコスト効率が重要になる可能性。 クラウド型エージェントは並列化が容易で、開発の効率化が期待できる。

引用元: https://tmokmss.hatenablog.com/entry/self_host_autonomous_swe_agents_on_aws

• 「熊本が大分を担いでるように見えた」ので描いたクマとゾウのイラストがそれにしか見えなくなる呪い

熊本県と大分県の形をクマとゾウに見立てたイラストがTwitterで話題。一度見ると、そのイメージが頭から離れなくなるというユーモラスな内容。見た人からは「もうそうにしか見えない」「形が覚えやすくなった」などのコメントが寄せられている。

引用元: https://togetter.com/li/2533229

• お便り投稿フォーム

（株式会社ずんだもんは架空の登場組織です）

• LLMモジュールの普通ではない使い方

M5Stack社LLMモジュールは、安価な基板単体で音声対話AIを実現する注目の技術です。通常はCoreシリーズと組み合わせて使用しますが、本記事では、モジュール単体でLinuxシステムとして活用する方法を紹介。 モジュール内部のStackFlowシステムを直接制御し、音声入力、キーワード検出、音声認識、LLM、音声合成の各ユニットを初期化。 PythonスクリプトでJSONコマンドを送信し、ウェイクワード検出からの応答を可能にします。 Linux操作に慣れたエンジニアにとって、手軽にLLMモジュールを試せる手法です。今後は、より高性能なSoC搭載ボードで日本語対応も期待されています。

引用元: https://zenn.dev/fairydevices/articles/8c12677feb3be7

• Minimize generative AI hallucinations with Amazon Bedrock Automated Reasoning checks Amazon Web Services

Amazon BedrockのAutomated Reasoning checksは、生成AIの「幻覚」（もっともらしい誤情報生成）を抑制する機能です。これは、論理的推論と数学的検証を用いて、LLM（大規模言語モデル）の出力を検証し、誤りを防ぎます。企業内のルールやガイドラインを形式的な論理構造に変換し、それに基づいてAIの応答をチェックします。 特に重要なのは、この機能が数学的な正確性に基づいて検証を行う点です。AIの応答が企業のポリシーに合致するかどうかを明確に判断できます。 Automated Reasoning checksは、Amazon Bedrock Guardrailsの一部として提供され、コンテンツフィルタリングや個人情報保護などの機能と連携可能です。 企業は、この機能を利用して、AIアプリケーションの信頼性を高め、安全に運用できます。

引用元: https://aws.amazon.com/blogs/machine-learning/minimize-generative-ai-hallucinations-with-amazon-bedrock-automated-reasoning-checks/

• AI利用「ガチ実態」調査、誰が何にAIを使っているのか？

アンソロピックが400万件以上のユーザー会話を分析した調査によると、AI利用の57％が「拡張・増強型」で、人間の仕事を補完する傾向が強いです。 AIが最も利用されているのはプログラミングやテクニカルライティングなどのコンピューター関連業務で、全体の37.2％を占めます。次いでアート、デザイン、エンターテインメント関連が10.3％。 AIは職務全体ではなく、特定のタスクで活用される傾向があり、全職種の約36％で職務タスクの4分の1以上でAIが活用されています。

引用元: https://www.sbbit.jp/article/cont1/161215

• ちょっとお堅めの資料作成する時の挿絵、いらすとやでもいいけどいい感じのピクトグラム欲しいなぁ…と思っていたのでAIで生成できるようになって有難い

資料作成で使えるピクトグラムをAIで生成できるようになったという話題です。これまでは既存の画像生成AIでは難しかったピクトグラム作成が可能になり、透過PNG形式で利用できます。さらに、生成した画像をSVG形式に変換できるツールも紹介されており、資料作成の効率化に繋がりそうです。

引用元: https://togetter.com/li/2532277

• お便り投稿フォーム

（株式会社ずんだもんは架空の登場組織です）

• Runway Research Introducing Runway Gen-4

Runway Gen-4は、Runway社の次世代AIモデルで、メディア生成と世界観の一貫性を実現します。これにより、キャラクター、場所、オブジェクトをシーン間で一貫して生成可能になります。参照画像と指示に基づいて、スタイル、主題、場所などを維持した新しい画像や動画を作成でき、クリエイターは追加のトレーニングなしに、物語を自由に表現できます。

引用元: https://runwayml.com/research/introducing-runway-gen-4

• ASUS、NVIDIA GB10 Grace Blackwell Superchipを搭載したAIスーパーコンピュータASUS Ascent GX10を発表

ASUSがNVIDIAの最新GB10 Grace Blackwell Superchipを搭載したAIスパコン「Ascent GX10」を発表。最大1,000 AI TOPSの処理能力と128GBメモリを搭載し、大規模AIモデルの開発を支援します。デスクトップで利用可能で、2台接続でさらに大規模なモデルも扱えます。2025年第2四半期に予約開始予定。

引用元: https://prtimes.jp/main/html/rd/p/000001444.000017808.html

• [備忘録] StreamlitでExcelのようなデータ編集機能を実装する

Streamlitとst.data_editorで、ブラウザ上でExcelのようなデータ編集アプリを簡単に作成する方法を紹介。 環境構築: pip install streamlit pandasでstreamlitとpandasをインストール。 データ編集: st.data_editorでデータフレームをインタラクティブに編集可能に。行の追加・削除、列の編集可否設定、ドロップダウンリストの利用も可能。 CSV連携: CSVファイルのアップロード、編集後のデータダウンロード機能も追加可能。 データ入力フォーム、データクレンジング、小規模DB管理に役立ちます。

引用元: https://qiita.com/Tadataka_Takahashi/items/90b1924c997b60ca2df4

• お便り投稿フォーム

VOICEVOX:ちび式じい

• Vercel AI SDK で MCP クライアントをツールとして利用する

この記事では、Vercel AI SDKを使って、LLM(大規模言語モデル)に外部ツール連携機能を追加するMCP(Model Context Protocol)クライアントを利用する方法を解説します。MCPはLLMが外部のデータやツールを利用するための共通ルールです。Vercel AI SDKを使うと、MCPクライアントを簡単に組み込めます。Microsoftのplaywright-mcpを例に、Webブラウザ操作ツールをLLMから使えるようにする方法を紹介。SSEを使ってローカルサーバーと通信し、experimental_createMCPClientでクライアントを初期化。mcpClient.tools()でツール定義を取得し、LLMに渡します。使い終わったらmcpClient.close()で接続を閉じることが重要です。Schema Discoveryを使うと、ツール定義を自動で取得できます。

引用元: https://azukiazusa.dev/blog/vercel-ai-sdk-mcp-client

• MCPはゲームチェンジャーになるのか

MCP(Model Context Protocol)は、AIが外部データやツールと安全に連携するための共通プロトコルです。従来のAIは知識が限定的で、外部システムとの連携が難しく、開発コストも高かったのですが、MCPはこれらの課題を解決します。 MCPは、AIをUSB-Cポートのように様々な外部サービスと繋ぎ、データの取得や書き込みを可能にします。Anthropic社が仕様とSDKを公開しており、開発者は自社のデータやサービスをMCPサーバー経由で公開できます。 従来のプラグイン型やフレームワーク型、RAG型のアプローチは部分的な解決に留まっていましたが、MCPはオープンなプロトコルであり、大手AI企業のサポートもあり、業界標準となる可能性があります。 MCPにより、AIは自律的に外部情報を取得し、実世界への働きかけが可能になり、生成AIの可能性を大きく広げると期待されています。

引用元: https://zenn.dev/eucyt/articles/mcp-server-impact

• Cline / Roo-Codeにおけるコード理解と新規・保守タスクの現状

Cline/Roo-Codeは、Tree-sitterとLLMを使い、必要なコードだけを逐次解析するツールです。全体をインデックス化しないため、大規模リポジトリでも動きますが、得意なことと苦手なことがあります。

得意なのは、単一ファイルや少数のファイルに対する小規模な修正や機能追加です。一方、全体的な依存関係を把握できないため、大規模なリファクタリングやデッドコードの検出は苦手です。

Clineを効果的に使うには、ドキュメントコメントや依存関係マップを整備し、タスクを細かく分割することが重要です。また、gitログ分析ツールなどと組み合わせることで、より高度なリファクタリングも可能になります。

新規プロジェクトや小規模なコードベースでは、Clineの強みが活かしやすいでしょう。 Clineは、CursorやWindsurfに比べ、手軽に利用でき、プロンプトを細かく制御できる点が魅力です。

引用元: https://zenn.dev/tesla/articles/33d196d17bf3bb

• 保育園のお迎え行ったら「機密情報入ってるので見せられないが、謎の動作をするExcel」の話をされてエスパーデバッグに突入した

バックエンドエンジニアの筆者が、保育園で先生からExcelの不具合について相談を受けた話。シートが勝手に右にスクロールしてしまう現象に対し、画面が見れない状況で原因を特定しようと試みるも、解決には至らず。他のエンジニアからも様々な原因が寄せられたが、キーボードの故障やExcelの設定ミスなどが考えられる。最終的に、原因特定には実機確認が必要と結論。

引用元: https://togetter.com/li/2531930

• お便り投稿フォーム

VOICEVOX:春日部つむぎ