#workflow

What surprised me most is that this is on by default. Not a hidden beta flag, not some separate orchestration layer you have to wire up. Claude Code is apparently meant to notice when one session should talk to another and just do it. That’s a strong product instinct. It also makes me slightly nervous, because the whole feature sits right on the boundary between “helpful coordination” and “now my bots are chatting across terminals and machines, please don’t surprise me.” The part I actually like

DBOSは、Postgresを使って durable execution（途中で落ちても再開できる実行方式）を実現しよう、という考え方を紹介している 従来は Temporal や Airflow、AWS Step Functions のような外部の orchestrator（司令塔）がワークフローを管理する DBOSの記事は、「そもそもデータベースが司令塔になればよくない？」という発想を押し出している Postgresに進捗を checkpoint（保存）すれば、クラッシュしても最後の保存地点から再開できる 可観測性（observability）は、PostgresのテーブルをSQLで見るだけでかなり強力に実現できる 既存システムがすでにPostgresを使っているなら、新しい中枢システムを増やさずに済むのが大きなメリット まず、ここがいちばん大事です。 durable execution は、ざっくり言うと「処理の途中経過をちゃんと保存しておいて、落ちても続きからやり直せる仕組み」のことです。 ゲームでいうセーブポイントみたいな

Claude Codeは、ただプロンプトを投げる道具ではなく、継続的に育てるエージェントとして使うと強い 重要なのは、Claudeに自分で検証させる仕組みを作ること `.claude/` 配下には、`CLAUDE.md`、`CLAUDE.local.md`、Skills、subagents、rules などの役割分担された設定がある `CLAUDE.md` は長く書くより、ミスを防ぐための短いルール集にするのがコツ `CLAUDE.local.md` は、自分専用の改善メモとして使うと日々の作業がかなり楽になる Skills は「何でもできるAI」を「特定作業に強いAI」へ変える仕組み subagents、plugins、MCP、`/goal` など、あまり使われていない機能にもかなり実用的なものがある Anthropicチーム自身のワークフローには、短く、厳密で、改善が積み重なる設計がはっきり見える 元記事は、Claude Codeを“ちょっと便利なAI補助”で終わらせず、**毎日使う前提の開発ツールとしてどう育てるか*

For Claude and Claude Code users, BrightBean Studio is interesting because it sits right at the intersection of automation, workflow tooling, and self-hosted infrastructure. It’s not an AI app, but it is the kind of operational software that LLM-powered teams keep needing: something structured enough to automate, inspect, and potentially extend without getting trapped in another SaaS bill. BrightBean Studio is an open-source, self-hostable social media management platform built for creators, age

OpenAIが公開した記事「How enterprises are scaling AI」は、ヨーロッパの企業リーダーたちへのインタビューをもとに、「企業がAIを本当にスケールさせるには何が必要か」をまとめたものです。 結論からいうと、AIはただ入れれば終わりではなく、人が信頼し、使い、改善し続けられる状態を作って初めて大きな成果につながる、という話でした。 これ、かなり本質的だと思います。AI導入というと、つい「どのツールを使うか」「何人が使っているか」に目が行きがちです。でもOpenAIの記事はそこを超えて、組織文化、ガバナンス、業務設計、品質管理まで含めて考えるべきだと示しています。かなり実務寄りで、きれいごとだけではないのが面白いところです。 AIのスケールは「配布」ではなく、信頼される仕組み作り 速い企業は、ツールより先に文化とAIリテラシーを育てている Security / legal / compliance / IT を早い段階から巻き込むと、後で速く進める AIは単なる利用ではなく、業務フローを再設計できるチーム