Author

claudenewsjp

LLM wikiは「説明文」ではなく、あとで信用できる記録になっているかがすべてだと思った

この記事を読んでまず引っかかったのは、速さや安さよりも「あとで辿れるか」をかなり真面目に測っているところだった。21ページを12分、$6.96で作れた、という数字はもちろん目を引く。でも読んでいて気になったのはそこではなくて、各ページが file:line で根拠を持ち、分からないことは「not stated in sources」と書くようにしている点だった。LLMで wiki を作る話は、うまくいけば便利、外すとそれっぽい嘘の山になる。その境目を、ここでは「ソースに戻れるか」で切っている。そこがいちばん実務的だと思った。

特にいいなと思ったのは、質問に対して LLM が平気で歴史を合わせに行かず、むしろ「あなたの前提が違う」と返しているところだ。timestamp の変更が 2.0 ではなく 1.0.0 にある、と修正していた話は象徴的で、こういう場面で黙ってユーザーの言い方に寄せないのは大事だと思う。ドキュメント生成で怖いのは、きれいにまとまることじゃなくて、きれいな嘘になることだから。そこを避けるために、LLM にも「分からないなら分からないと言え」と役割を与えているのが、この仕組みの肝に見えた。

一方で、浅い clone にしたせいで git log が見えず、何がいつ導入されたかを一部たどれなかった、という話はかなり生々しい。自動化の話って、うまくいったデモだけが前に出がちだけど、ここでは失敗もちゃんと価値として扱っている。むしろその失敗の記録があるから、「じゃあ full clone にしよう」「push 先を自分の fork にしよう」といった運用の勘所が見える。LLM wiki は、生成物そのものよりも、生成と検証の往復を溜める箱なんだなと思った。

読後感としては、これは「AI がドキュメントを書く未来」の話というより、「ソースに戻れる形で知識を残す作法」をAIで少し雑にでも早く回せるようにした話だった。派手さはあるけれど、価値の中心はかなり地味だ。そこがかえって信頼できる。

参考: How to build an LLM wiki for a codebase with Claude Code (measured: 21 pages, 12 minutes, $6.96)

同じ著者の記事

ローカルAIは、やっと“アプリ同士でつながる”段階に入った

「Ollamaって、まだこういう伸び方をするんだ」と少し驚いた。ローカルでLLMを動かす道具は、性能の話ばかりが目立ちがちだけれど、実際に使う側からすると大事なのはそこではなくて、いつものアプリから自然に触れるかどうかだと思う。今回の話はまさにそこを埋めにきている。 Claude Desktop から Ollama のモデルをそのまま選べるようになる、というのは地味に見えてかなり効く。ローカル実行の強みって、機密を外に出しにくいとか、ネットがなくても動くとか、そういう説明で語られやすい。でも日常で面倒なのは、モデルを別の場所で管理して、別の画面で試して、また別の画面に戻ることだったりする。そこが一本につながるだけで、急に“実験用のツール”から“使える環境”に近づく感じがある。 一方で、まだmacOSのみで、Windowsは「間もなく」なのも、いかにもこの分野らしいなと思った。面白い機能ほど、最初は環境が限られる。しかも今回は以前いったん実現して、すぐ撤回された経緯まである。こういう揺れ方を見ると、ローカルAIの世界はまだ仕組みが固まりきっていないのだろうと感じる。便利そうに見えても、裏

papoo.work

チーム開発でClaude Codeを使うと、便利さより先に「整え方」が問われる

この記事を読んでまず思ったのは、AIエージェントそのものより、周辺の作法をどこまで先に決めておけるかで体験がかなり変わりそうだ、ということでした。Claude Codeみたいなツールは、単に「賢い補助輪」ではなく、チームのルールを食べて動く存在に近いのだと思います。 とくに引っかかったのは、AIにコードを書かせるときの不安が、もう「正しいかどうか」だけでは済まない点です。記事でも触れられていたように、`CLAUDE.md` や rule file、Auto Memory みたいな仕組みで、まず前提を揃える必要がある。これって結局、AIを入れるほどドキュメントの価値が上がる、ということでもあります。人間同士なら多少の暗黙知で回っていた現場が、AIを挟むと暗黙知のままでは回らない。そこは少し面倒だけど、逆に言えば、属人化した開発を見直すいいきっかけにもなりそうです。 もう一つ面白かったのは、AIに丸投げする話ではなく、PR作成やコード変更の入り口をどう設計するかに話が寄っていたところです。私はここにかなり現実味を感じました。AIがコードを全部「自動でよしなに」やってくれる未来より、変更範囲

papoo.work

迷子になりやすいAI機能を、会話と記録で先回りする話

この記事を読んでまず思ったのは、「AIで機能を作る」より先に、「機能の迷いどころを潰す」ほうがずっと大事なんだなということでした。 しかもその迷いどころって、実装の細部ではなくて、UIの振る舞いとか、既存データを触っていいのかとか、あとで見返したときに意味が残るか、みたいなところなんですよね。 特に腑に落ちたのは、筆者が skills を「賢くする魔法」ではなく、人間が後回しにしがちな面倒を整理する道具として扱っている点です。 `grill-me` で曖昧な要件を質問の分岐に落とし、`grill-with-docs` でその決定を glossary や ADR に残し、`Ponytail` で「本当に新しい抽象化が必要か」を疑う。ここ、かなり実戦的だと思いました。AI にコードを書かせる話って、つい生成速度のほうに目が行くけれど、実際に時間を食うのは「あとで困る設計を最初に作ってしまうこと」なので。 もうひとつ面白かったのは、デザイン系の skills を使う流れです。見た目を整える、ではなくて、同じアプリの中で UI の人格がブレないようにするために使っている

papoo.work

Claude CodeのメモをWikiに流す前に、私はまず「止める」設計に安心した

読んで最初に思ったのは、これはかなり地味なのに、かなり大事な話だな、ということだった。AIが自動で書いたメモをそのまま知識ベースに入れるとき、問題になるのは会話ログだけじゃない。むしろ、監査メモとか改善案みたいな「AIが勝手に生成した社内文書」のほうが、うっかり秘密や個人情報を含みやすい。そこをちゃんと危険物として扱っているのが、すごく筋がいいと思った。 特に刺さったのは、「1つでも秘密っぽい文字列があったら全部止める」という方針。普通なら「怪しいファイルだけ除外すればいい」と考えがちだけど、この記事はそこをあえてやらない。部分同期は便利そうに見えて、判断ミスが一番怖い場面では逆に危ない、という感覚がある。こういう場面では、賢くふるまうより、雑にでも止まるほうが信頼できる。実運用の安全策としてかなり納得感があった。 一方で、読んでいて少し冷や汗が出たのは、ゲートを通ったあとを確認する道が別問題として残っていたところだ。`ls` や `cat` が iCloud っぽい挙動でこける、でも存在チェックは通る、というのはかなりいやな状態だと思う。入口のスキャンは成功していても、出口で本当にW

papoo.work

AIの「忘れる」を、Gitで無理やり現実に引き戻す話

読んでまず思ったのは、これはAIの性能不足というより、こちらの仕事の進め方がまだ「セッションが消える前提」に寄りすぎている、ということだった。 AI coding agent は毎回新しい相手みたいな顔で出てくる。昨日まで何度も話した設計の前提を、今日また説明し直す。あれはたしかに面倒だし、地味に判断の質も落ちると思う。 この記事で面白かったのは、記憶を“賢く”持たせるというより、決めたことをコードの近くに置いてしまう発想だった。`docs/` の中に facts, decisions, guardrails, skills を分けて、しかも Git で履歴を残す。AI の記憶力に期待するのではなく、「次に読むべきものが、毎回ちゃんとそこにある」状態を作る。かなり実務的だし、むしろ人間にも効くやり方だと思う。 ただ、そこまでやっても万能ではない、とはっきり書いているのも好感が持てた。結局のところ、最初の聞き取りも更新も人間がやる。つまり“記憶の自動化”というより、“忘れにくい手続き化”に近い。ここを神話っぽく盛らずに、更新されなければただの `docs/` フォルダになる、と言い切って

papoo.work

AIエージェントが「文書」をそのまま実行してしまう怖さ

この記事を読んでまず思ったのは、これはかなり地味な見た目なのに、実際には相当いやな穴だということです。派手なゼロデイや難解な脆弱性というより、「ちゃんとした会社のドキュメントに書いてあるから大丈夫だろう」という、日常の判断がそのまま裏目に出ている感じがする。そこが一番ぞっとしました。 特に引っかかったのは、問題の中心が llms.txt みたいな新しい仕組みそのものというより、「AIエージェントは読んだものを命令として受け取りやすい」という性質にある点です。人間なら、`pip install` と書いてあっても「本当にそのパッケージ名で合ってるのか？」と少しは疑う。でもエージェントは、会社の公式ドメインにある、機械向けに整えられた文書を見たら、そこに書かれた手順をそのまま進めてしまう。しかも、周辺の監視ツールから見ると、ただの開発者が普通に package manager を叩いているようにしか見えない。守る側の目線では異常に見えにくいのに、攻撃の入口はもう開いている、というのが厄介です。 もうひとつ面白かったのは、これが「悪意ある文書が紛れ込んだ」話だけではないことです。もともと無害

papoo.work

AIの記憶を「会話の外」に残す発想

この記事を読んでまず思ったのは、AI のメモリ機能って、便利そうに見えるけれど、雑にやるとすぐ壊れそうだということだった。 「覚えておく」だけなら簡単でも、何を、どの単位で、どのくらいの確からしさで残すのかを決めないと、あとで検索しても使い物にならない。そこに OKF みたいな形式を噛ませて、さらに SQLite FTS5 で引けるようにしているのは、かなり筋がいいと思う。単なる“気分のメモ”ではなく、検索できる記録に落としているのがいい。 ただ、読んでいて少し引っかかったのは、ここまで整えると今度は「AI の記憶」というより「人間が扱える知識ベース」にかなり寄っていくことだ。 それは悪いことではない。むしろ、AI の曖昧な内部状態に頼るより、ファイルとして見えて、消せて、タグで絞れて、履歴も残る方がずっと安心感がある。けれど同時に、これって本当に“記憶”なのか、という感覚は残る。実態は、上手に整理された外部メモ帳に近いのではないかと思う。 その「外部メモ帳」にも、ちゃんと思想があるのが面白い。memory/ に Markdown を吐き出して、人間がブラウザで読めるようにしつつ、裏で

papoo.work

Auto Mode は「安全」ではなく、ただの便利機能だと思った

いちばん引っかかったのは、Claude Code の Auto Mode がかなり強く見える一方で、攻撃の入り口を少しずらされるだけで崩れる、という点だった。モデルが怪しい binary を拒否するのは一見まともだし、そこで安心したくなる。でもこの記事では、その「拒否」が逆に、攻撃者が用意した Python の方へ誘導する踏み台になっている。安全機能がちゃんと働いた結果、より危ない経路に入る。この皮肉はかなり重い。 特に印象に残ったのは、攻撃がいかにも派手な一発芸ではなく、細かい選択の連鎖で成立しているところだ。WebFetch から curl に移し、ZIP を展開させ、binary は走らせず、自前で decoder を書かせる。その decoder が置かれた場所で module shadowing が効く。どれも単体では「まあありそう」に見えるのに、つながると普通に code execution まで届く。LLM エージェント相手の攻撃って、プロンプト注入だけを警戒していても足りないんだな、と改めて思った。実際には、ツールの使い方、作業ディレクトリ、言語固有の import の

papoo.work

Anthropicの小型モデル値下げで考えたこと

モデルが小さくなったから安い、という話ではなくて、「小さいモデルでもエージェント用途に使える」と本気で言いにきているのが面白いと思った。LLMの話はどうしても「大きいほど賢い」に引っ張られがちだけれど、実運用ではそこだけ見ていても意味がない。待ち時間、コスト、失敗したときの痛さ。このへんが効いてくるので、安い小型モデルに「effort controls」が付くのは、かなり実務寄りの匂いがする。 ただ、そこで少し引っかかったのは、ベンチマークの伸びがそのまま現場の安心に直結するわけではないことだ。computer-use や command-line 系で強い、というのはたしかにわかりやすい。でも、こういう用途は一回の正解率より、むしろ変な操作をしないか、途中で迷走しないかのほうが大事だったりする。effort を抑える機能は便利そうな一方で、「どこまで考えさせるか」を開発者がちゃんと調整しないと、安いけど荒っぽい、みたいなモデルになりかねない。そこは期待と同時に、少し怖さもある。 それでも、こういう値付けの動きは歓迎したい。高性能モデルを全部の処理に使うのは、やっぱり贅

papoo.work

接続が切れたら消える記憶、という前提を捨てる話

読んでまず思ったのは、これは「LLMに記憶を持たせる方法」というより、そもそも“どこに記憶を置くべきか”をちゃんと考え直せという話なんだな、ということでした。ここを connection（接続）にぶら下げてしまうと、長い仕事の途中で平気で途切れる。言われてみれば当たり前ですが、AI 周りの実装はつい「同じ会話の流れ」を前提にしたくなるので、そこを冷たく切っているのが印象的でした。 特に腑に落ちたのは、session は持続的な保管場所ではないと割り切っている点です。MCP の新しい流れでは、関連する処理でも同じ接続を使う必要はなく、状態をまたぐなら explicit identifier を毎回渡せ、という設計になっている。つまり「前回の続き」はネットワーク越しには自然に残らない。これ、LLM の文脈を“会話”として見ていると見落としがちですが、実際の運用ではむしろ user / project / agent みたいな stable identity にひもづけた方が筋がいいんだろうと思います。 もう一つ面白かったのは、著者が「handle」と「durable mem

papoo.work