Claude Code Research Lab
@claudecode84 • 14,648 subscribers
Claude codeの可能性を24時間研究中 プロスポーツ選手.大手SNSアカウント｜上場企業AI導入顧問担当中｜AI自動化支援,AI顧問等に関するお問い合わせは↓
Shorts
Videos
お待たせしました！！！ 本日、 無料配布スタートです。 Claude code研究ラボで 作り込んできた、 完全オリジナル 「20大特典」 ついに公開します。 初期設定だけではありません。 ・CLAUDE.md ・.claude/ ・Skill ・MCP ・サブエージェント ・Hooks ・自己修正ループ ・Obsidian ・X投稿自動化 ・長文記事作成 ・Web制作 ・デバッグまで。 初期設定 → 実践 → 自動化 → 自分専用のAI環境構築 ここまで一気に進められる内容を 20個にまとめています。 しかも、 読むだけの教材ではなく、 そのまま使える プロンプト・テンプレート・ 設定ファイルまで収録。 本来は有料配布を 考えていた内容ですが、 今回は感謝を込めて 期間限定で無料配布します。 皆さんがClaude code を使いこなせるようにと 始めたアカウントなので もし少しでもいいな、価値があるなと 感じていただけたら引用リツイートなどで 拡散していただけると嬉しいです！ 欲しい方は 今のうちに下のリンクから 受け取って下さい👇
Claude Code Research Lab1,738,107 次观看 • 2 个月前
Anthropic最高責任者本人が 自分の「Claude Code環境」を 丸ごとオープンソース化しています❗️ 👇 これ丸ごとClaudeに投げて 導入した方が良い これ、かなりヤバいです。 ・68個のサブエージェント ・286個のSkills ・94個のコマンド ・MITライセンス 「ECC」という構成で、Claude Codeを 1人のAIアシスタントから AIエンジニアリングチームに変えます。 特徴は、いきなりコードを書かせないこと まず計画を立てる ↓ 実装前に設計を固める ↓ 失敗するテストを先に書く ↓ 実装する ↓ 別コンテキストのAIがコードレビューする という、かなり実務寄りの流れ。 搭載されているエージェントも強力。 ・設計、プランニング → 一言の指示から、実装前の設計図まで作成 ・コードレビュー → 実装したAIとは別の新しいコンテキストでレビュー → 言語別のレビュアーも存在 ・ビルド修復 → 各ツールチェーン専用の修復エージェント → PyTorchやCUDAまで対応 ・セキュリティ → OWASPベースのチェック → Agent設定へのプロンプトインジェクションもスキャン ・アーキテクチャ → 後から大規模修正になる前に設計段階で検証 ・専門タスク → DB、機械学習、E2Eテスト、ドキュメント作成など さらにSkillsは286個。 TDD、評価環境、Python、Go、Rust、C++ Django、Laravel、Spring Boot、Next.js、 Docker、CI/CD、ロールバック、マイグレーション…… コードだけじゃなく、 ・自分の文体での文章作成 ・市場調査 ・ピッチ資料作成 まで入っています。 ただし重要なのは、 「286個全部入れれば最強」という 話ではないこと。 むしろ最初から全部入れると、 Claude Codeが複雑化して逆に使いにくくなる可能性があります。 まずは 「1つの計画エージェント」 ＋ 「1つのルールセット」 くらいから始めて、 必要なものだけ追加していくのが良さそう。 Claude Codeを単なるコーディングAIではなく、 「自分で計画 → 実装 → テスト → レビューまで回すAI開発組織」 として更に高度に使いたい人は引用
Claude Code Research Lab836,499 次观看 • 1 个月前
Claude codeが 約5億円をかけた 「AI自動化ビジネスの設計」 を公開。 これかなり面白い👇 目指すのは 60分で『売れる仕組み』を構築し 月1,500万円規模を狙う しかも重要なのは、 最初からAIに全部任せないこと 最初の12分だけは、 人間がこの3つを決める ・誰が買うのか ・何を売るのか ・いくらで売るのか ここを間違えると、 AIは「間違ったビジネス」を 高速で自動化してしまう。 次に作るのは、 たった1ページのオファー 必要なのは、 価格 × 反論への回答 だけ。 その後はAIを並列で動かす。 ① ランディングページ ② 支払いリンク ③ 自動返信 この3つを同時に構築 さらに重要なのが 「見込み客を探すAI」👇 ネット上から、 「すでに困っている」 「不満を漏らしている」 「解決策を探している」 そんなシグナルを大量に集め、 安価なモデルで 数百件をスコアリングする。 なぜなら、 買う気のない 1000人に営業するよりも 買う可能性の高い 10人を見つける方が強いから。 そして最後に、 売上 反応率 成約率 などの数字を毎朝更新。 そのデータを最初の工程へ戻し、 「誰に売るか」 「何を売るか」 「どこを狙うか」 を毎日アップデートする。 つまり、 構築 → 集客 → 販売 → 計測 → 改善 このループそのものを AIに回させる。 60分後には、 ✓ LP ✓ 決済リンク ✓ 自動返信 ✓ 1週間分のコンテンツ ✓ スコアリング済み見込み客リスト まで揃う。 ただし、ここで重要なのは、 AIが需要まで 作ってくれるわけではない AIが作れるのは、 市場に高速で仮説をぶつけ、 数字から改善し続ける「マシン」 最終的に 売れるかどうかを決めるのは、 Claude Codeではなく市場です これは保存推奨 このまま Claude Codeに貼り付けて、 ビジネスに置き換えて 使ってみてください。👇
Claude Code Research Lab227,963 次观看 • 1 个月前
Claude Codeが また一段階進化した。 「find skills」という仕組みが 発見されました。 一度だけでも 「やりたいこと」を設定すれば、 Claude CodeがMCP経由で Anthropicのスキルを自動検索。 数百種類のスキルの中から 最適な組み合わせを選び、 ワークフローを自動で構築します。 例えば ・動画の台本作成（Notion + Claude） ・B-rollの自動選定（Veo 3） ・サムネイル作成（Sora） ・キャプション作成・予約投稿（Buffer） ・投稿後の分析（Typefully） これらをたった1つの指示で実行。 つまり、 「動画を1本作って公開して」 と伝えるだけで、 一連の作業が自動で流れ始めます。 もうAIは、 「作業を手伝うツール」では ありません。 ワークフローそのものを 実行する存在へ変わっています。 それでも多くの人は、 まだChatGPTに 「この文章を書いて」 と頼む使い方で止まっています。 AIに仕事を任せる時代は、 もう始まっています これは保存しておく価値があります。
Claude Code Research Lab211,887 次观看 • 2 个月前
ANTHROPICが公開した 「AIビジネス自動化」の 設計がヤバすぎる 人間が動くのは 24時間のうち約3時間 残りは10のAI役割が 勝手に仕事を回し続ける 構造はこれ👇 root ↓ 3 builders ↓ tester ＋ critic ↓ queue ↓ scout ↓ rootへフィードバック ただし、最初の3つだけは 人間が決める。 ・誰が買うのか ・何を売るのか ・いくらで売るのか ここを間違えると、 Claude codeは 「間違ったビジネス」を 完璧に自動化してしまう。 ここから 3人のbuilderが並列稼働 ① 商品を作る ② LPを作る ③ 必要な連携を構築する さらに完成したものを そのまま公開しない。 testerが 「本当に動くのか？」を確認 criticが 「そもそも出す価値があるのか？」 を判断。 ダメなら容赦なく差し戻す 何も拒否しないゲートは、 ゲートではない そして人間が再び登場するのは、 リリース前の最終承認 やることは、 「公開する / しない」 を決めるだけ。 その裏では、 コピーライターが 1週間分のコンテンツを作り、 queueが投稿を止めず、 scoutが24時間、 顧客の不満・需要を探し続ける。 最後にanalystが数字を分析。 その結果をrootへ戻して、 次の意思決定を書き換える。 つまり👇 作る ↓ 検証する ↓ 売る ↓ 市場を見る ↓ 数字を見る ↓ 改善する ↓ また作る ここまでAIでループさせる。 Claude Codeの 本当の強さは、 「1つのAIに全部やらせること」 じゃない 役割を分けて、 AI同士で仕事が 回る仕組みを作ること。 これを保存して Claude Codeに貼れば AI社員チームを作る 設計図として使えます👇
Claude Code Research Lab116,202 次观看 • 1 个月前
Claude Code責任者のAgent Skillsが 全てオープンソース化されてる‼️ これで「Fable 5」を組み合わせたら 1つの企業レベルを個人の手元で動かせる 👇 Codex、Claude Code、Cursorなどの AIエージェントで使える75個のスキルが まとめられていた 内容は主に、 ・Webデザイン ・LP制作 ・モーション設計 ・WebGL表現 ・UIスタイル ・アセット生成 に特化しています。 特に気に入っているスキルはこれです 「Video to Super Prompt」 デザインやLP、アニメーションの 画面録画を読み込みCodexがそのまま HTML実装できるレベルの詳細 プロンプトに変換します。 「HTML to Interaction Prompts」 既存のHTMLページを解析し セクション構成、ボタン アニメーション、WebGLエフェクト インタラクション指示まで抽出 「Stitched Full Page Capture」 ヒーロー部分だけでなく LP全体をキャプチャし ページ全体をデザイン参考として 使えるようにします。 「Daily UI Inspiration」 エージェントがWeb上の優れたLPを巡回し キャプチャし、詳細なプロンプトパックへ 変換する自動ループ👇
Claude code研究ラボ141,134 次观看 • 3 个月前
これはさすがに狂ってる。 Claude Codeの /code-review、 実は「表示された数」より 多くのバグを 見つけていた可能性がある👇 しかも、たった1つの設定で 全部表示できる。 /code-review --max-findings all これだけ。 これまで /code-review は、 一定数の指摘を出すと そこで止まっていた。 でも10月2日のアップデートで、 表示するfindings数を 指定できるようになった。 しかも all にすると、 見つかった指摘をすべて表示できる。 一度設定すれば Claude Codeが覚えるので、 以降のレビューにも適用される。 元に戻したいなら、 --max-findings default でOK。 特に使いたいのはこの3つ。 → 大きなPRをマージする前 → Opus 5.5がファイルを書き換えた後 → auth・payments周りを出荷する前 使い分けはこれだけ。 /code-review → 変更をレビュー --max-findings all → findingsをすべて表示 --max-findings 20 → 最大20件まで表示 --max-findings default → 通常の制限に戻す そしてレビュー後、 Claude Codeにこれを貼る。 「 上記レビューのfindingsをすべて抽出 ファイル別・深刻度別に整理 Criticalだけ対象にして残りはリスト化 変更前に必ずdiffを提示 私が『go』と言うまで編集しない 」 Opusが書く。 /code-review が洗い出す。 最後に何を直すかは人間が決める。 今まで「バグがなかった」のではなく、 単に表示されていなかっただけかもしれない。👇
Claude Code Research Lab17,405 次观看 • 12 天前
Claude Codeのトークン消費を7割抑える 公式からリリースされたコマンドが有料級‼️ 👇 Skillsを大量に入れてる人は20万円以上 損してるから必ず保存してやって方が良い 実行するだけで👇 ・今のセッションに読み込まれているSkill ・読み込まれてるのに使われていないSkill ・各Skillが消費しているコンテキストトークン量 まで確認できる。 つまり今までみたいに、 「このSkill必要かな？」 「コンテキスト食ってる原因どれだ？」 を感覚で判断する必要がなくなった。 /skill-doctor ↓ 重いSkillを特定 ↓ 使ってないSkillを削除 ↓ コンテキストを軽量化 これでClaude CodeのSkills環境を かなり整理しやすくなる。 Skillsを大量に詰め込んでる人ほど、 一回やった方がいい。 構築済みClaudeCodeパーフェクト環境配布中👇
Claude Code Research Lab44,328 次观看 • 1 个月前
Anthropic最高責任者が普段使いしてる ClaudeをAI初心者でも今すぐに 「24時間働くAI社員」を 高度なエージェント構築なしに使う方法公開中‼️ 👇 このフォルダをClaudeに丸投げしてから 深夜にClaudeを開くことがなくなりました。 以前は朝起きると、 「夜中に何が壊れた？」 「どこまで進んだ？」 「何を直せばいい？」 を自分で確認して、手動で修正していた。 でも今は違う。 朝起きた時点で、 ・何を実行したか ・何が起きたか ・どこまで進んだか ・どう評価されたか すべて「レシート」として残っていて、 あとは自分がレビューするだけ。 その仕組みを作っているフォルダの中身がこれ。 ■ 契約書 CONTRACT.md → AIがシフト中に守るルール contract.local.md → 自分専用のオーバーライド設定 → gitignoreで管理 ■ 実行ハーネス .claude/loops/ settings.json → 支出上限、タイムアウトを設定 → 一度決めたら毎回指示する必要なし schedule.yml → 各ループをいつ起動するか管理 rubrics/ ・code.md → マージ前のコードレビュー ・writing.md → 文章のトーンや品質チェック ・safety.md → AIが触れてはいけない領域を定義 pr-hunter/ plan.md → wake → read → act → verify の順番で実行 → 実際の作業を担当 ■ 状態管理 receipts/ → 1シフトにつき1フォルダ → これまで5,382件を保存 trace.log → 実際に何が起きたのかを1行ずつ記録 → 推測ではなくログで確認できる checkpoint.json → 前回止まった正確な場所から再開 ■ エッジケース → 緊急停止用のパニックファイル .mcp.json → AIが利用していいツールだけを指定 結果、 6つの自動ループ 3つの評価ルーブリック 8ヶ月稼働 インシデント0件。 そして面白いのが、 この中に「特別に賢い仕組み」は何もないこと。 AIが一度でも道を外れたら、 「次から覚えておいて」 とは言わない。 その失敗をルールとしてファイルに書き残す。 つまり、 AIの記憶力に期待するのではなく、 失敗するたびに システム側を少しずつ強くしていく。 これを積み重ねただけ。 AIエージェントを安定運用する本質って、 モデルをどんどん賢くすることじゃないのかもしれない。 「モデルは目覚めない。フォルダが目覚める。」 この考え方、かなり重要です。
Claude code研究ラボ36,602 次观看 • 1 个月前
これだけで Claude Codeの 使いやすさが一気に変わります。 Remote Controlが大幅に改善され、 スマホから Claude Codeを操作する体験が かなり快適になりました。 変更点はこちら👇 ✓ スマホからセッションを開始 PCで claude remote-control を起動 → スマホからマシン ディレクトリを選ぶだけ。 ✓ PC ↔ スマホの同期が改善 PCでセッションを再開しても、 スマホ側はそのままライブ状態を維持。 ✓ 自動再接続 PCを閉じたり、 Wi-Fiを切り替えても自動で復帰。 ✓ セッション同期も強化 モデルやReasoning設定を CLIとスマホ間で同期可能に。 iOSでは重いセッションの 読み込みも高速化。 ✓ スラッシュコマンドも改善 /clear → モバイル表示をリセット /compact → 圧縮マーカーを表示 /diff → ネイティブDiffビューを開く これで、 PCの前に張り付く必要が さらに減ります。 外出先でもスマホから確認して、 そのままClaude Codeに指示を出せる。 Claude Codeが本当に 「ポケットから動かせる開発環境」に なってきました。👇
Claude Code Research Lab42,120 次观看 • 1 个月前
Claude Fable 5.1の品質を最大限引き出すには 「Find Skills」を最初に入れておいた方が良い 👇 Claude自身が 「今のタスクに何のSkillを使えばいいか？」 を探してくれるから大幅にトークン削減 つまり今までみたいに、 「この作業にはこのSkillを使って」 「このツールを呼び出して」 「次はこれを使って」 と人間側が細かく指定する必要がなくなる。 最初に一度だけこれを実行↓ npx skills add --skill find-skills あとはClaudeに、 「何を使うか」 ではなく、 「何を達成したいか」 だけ伝える。 すると、 ① Claudeが目的を理解 ↓ ② Find Skillsが適切なSkillを検索 ↓ ③ 必要なSkillを選択 ↓ ④ 複数のSkillが必要なら組み合わせる ↓ ⑤ ゴールまでの実行フローを構築 という流れで動かせる。 これがかなり重要。 AIエージェントを使うたびに 人間が最適なツールを探して指定していたら、 結局、人間が「司令塔＋ツール選定」までやっている。 Find Skillsを入れると、 人間 → 欲しい結果だけ伝える Claude → 必要なSkillを探す → 組み合わせる → 実行方法を考える という形に近づく。 Claude Codeを 「ツールを指定して動かすAI」ではなく、 「目的を伝えたら、自分で必要な能力を探して動くAI」 として使いたいなら、 かなり相性がいいです。 例えばこんな感じ👇
Claude Code Research Lab25,041 次观看 • 1 个月前
【超重要】 Claude Codeで「利用枠が一瞬で溶ける原因」を 誰でも簡単に特定可能になりました‼️ 最新版のClaude Codeでは、 /usage と打つだけで、使用量が一気に 増えた原因を確認できる新機能が追加。 たとえば、 ・外部ツールやプラグイン構成の変更 ・Claude Codeに渡している基本ルールの変更 ・長時間空いて、前回の会話を再利用できなくなった などを確認できる。 Claude Codeは過去の会話内容を再利用することで 毎回すべてを処理し直さず使用量を抑えている 逆にここが外れると、 「少ししか作業させてないのに、 利用枠が一気に減った」 みたいなことが起こる。 Claude Codeの減りが最近やたら早い人は、 まず /usage を確認した方がいい。 ▼
Claude code研究ラボ24,178 次观看 • 1 个月前
Claude Codeで Fableを使うなら、 「全部Fableにやらせる」は もったいない。 リミットを節約しながら、 性能を引き出すならこの構成👇 ・モデルを「Fable 5」に設定 ・Reasoningを「Max」に設定 ・動的ワークフローを組む 役割分担はシンプル。 ・Fable → 全体を指揮するオーケストレーター ・Opus → 重い推論・難しい判断 ・Sonnet → 軽い処理・実行タスク Fableは強力すぎるので、 すべての工程で 使う必要はありません。 重要なのは、 「最強モデルを使い続ける」こと ではなく、 「最強モデルに適切な モデルを使わせる」こと。 これだけでリミット消費を 抑えながら、 Claude Codeの性能を かなり引き出せます👇
Claude code研究ラボ28,324 次观看 • 1 个月前
Claude codeが 3年以上かけて構築した 「AIエージェンシーの設計」が かなり面白い👇 10社のクライアントを、 ほぼ同じAIシステムで運用する。 ポイントは、 クライアントが増えるたびに 仕組みを作り直さないこと。 各クライアントごとに 追加するのは、 たった1つの設定ブロック。 ・ブランドのトーン ・商品 / サービス ・絶対に言ってはいけないこと これだけ。 その上で、 Haiku 4.5 → 注目すべき情報を選別 Sonnet 5 → コンテンツ・返信を作成 Opus 5 → 最終チェックを担当 という3層構造で回す。 重要なのは、 クライアントごとに AIを作らないこと。 共通部分はすべて使い回し、 クライアント固有の情報だけを 1ブロック追加する。 だから11社目を追加するときも、 人を雇わない。 2台目のマシンもいらない。 システムを作り直す必要もない。 追加コストは 1日あたり約2.45ドル。 つまり、 「AIで10人分働く」ではなく、 「1つの仕組みを作って、 クライアントが増えても ほぼ同じコストで横展開する」 これがAIエージェンシーの強さ。 特に重要なのが最後のOpus。 ここを削れば安くなる。 ただし、 そのコスト削減の代償は そのままクライアントに 届く品質になる。 保存して Claude Codeに貼り付けて👇 1つのルート ↓ 10個のクライアントブロック ↓ 1つの門番 AI自動化で本当に強いのは、 モデルそのものより「設計」です👇
Claude code研究ラボ27,157 次观看 • 1 个月前
ANTHROPICが漏らした 「8つのルール」が強すぎる。 1人のエンジニアでも、 1回の変更から 8倍の成果を引き出せる。 理由はシンプル。 作業を足し算するのではなく、 “掛け算”になるよう Claude Codeを動かすから。 基本フローはこれ。 タスク ↓ 分割 ↓ 並列実行 ↓ 検証 ↓ スコアリング ↓ 書き戻し 重要なのは、 ただAIを複数動かすことじゃない。 3人のWorkerを同時に走らせ、 人間が順番に待つ時間を消す。 diff確認まで自分でやっていたら、 ボトルネックはClaudeではなく 「あなた自身」になる。 さらに、 ・各ステップで状態を保存 ・クラッシュしても途中から復帰 ・履歴を25倍圧縮 ・200kではなく8kから再開 ・成果を必ず数値で評価 ・失敗したら再実行 ・学びを次回へ引き継ぐ そして一番重要なのが 8つ目のルール。 学んだことを CLAUDE.mdへ書き戻す。 つまりClaude Codeが 実行するたびに学習し、 次の仕事を 毎回ゼロから始めなくなる。 これを入れた瞬間に Claude Codeは 「質問に答えるAI」から、 改善を繰り返しながら 仕事を回し続ける 『エンジニアチーム』に変わる。 今日これをClaude Codeに入れて、 明日から働き方を変えてほしい。 ↓
Claude code研究ラボ31,374 次观看 • 2 个月前
Claude Code × Obsidianで、 セッションを超えて 記憶するAIを作る方法。 通常、 Claude Codeは新しいセッションを 始めるたびに、 過去のやり取りや 設計の意図を引き継ぎません。 しかし、 ObsidianをMCP経由で連携すれば、 プロジェクトの知識を蓄積し続ける 「長期メモリ」として活用できます。 セットアップはシンプルです。 ・ObsidianのVaultを プロジェクト内に配置する ・MCPでClaude Codeと接続する ・architecture.mdを生成する ・主要なサービスごとにノートを作成する ・依存関係をObsidianのナレッジグラフでリンクする 最初に使うプロンプトはこちら。 「このプロジェクトを分析し、 Obsidian Vaultにarchitecture.mdを 作成してください。 主要なコンポーネントを整理し、 関連する概念同士をリンクしてください。」 すると、 Architecture ↓ Database ↓ Authentication ↓ API のように、 設計情報がグラフとして つながっていきます。 さらに、 毎日の運用は3つのプロンプトだけです。 朝 「active_context.mdを読み込み、 昨日どこまで進めたかと、 次に取り組むべき内容を教えてください。」 開発中 「今回の重要な設計判断を保存してください。判断した理由と、影響を受けるファイルもリンクしてください。」 作業終了時 「今日完了した内容、 次にやること、現在の課題をactive_context.mdへ更新してください。」 この運用を続けることで、 数週間後でも、 数か月後でも、 「なぜこの設計にしたのか？」 をClaude Codeに聞くだけで、 過去の判断理由まで追跡できます。 チャット履歴を探し回る 必要はありません。 同じプロジェクト。 新しいClaude Codeセッション。 それでも、AIの記憶は引き継がれます。
Claude Code Research Lab38,542 次观看 • 2 个月前
Claude codeの 主任エンジニアが教える 知識管理システムが無料で公開。 どんなデータでも 『知識グラフ』に 自動変換します しかも、 Claude Codeだけで 構築可能です。 流れはたった8ステップ👇 Load ↓ Extract ↓ Graph ↓ Index ↓ Query ↓ Memory ↓ Swarm ↓ Update データを入れるだけで、 AIが自動で 知識同士をつなぎ、 自己更新する グラフを構築。 その結果、 AIエージェントの 生産性は 初日から 42%向上した と紹介されています。 さらに、 ・ドキュメント ・コード ・Slack ・ナレッジ すべてを Claude Code経由で 1つの情報源へ統合。 情報が分散しません。 内部では、 Fable 5と Opus 5が エンティティ同士の 関係を抽出。 Neo4jが 知識グラフを リアルタイムで構築。 重複も最小限に 抑えられます。 検索も強力です。 ・ベクトル検索 ・キーワード検索 ・グラフ検索 3つを組み合わせて 最適な回答を 生成。 従来のRAGより 高い精度が期待できます。 さらに、 夜間には AIエージェントが 新しいデータを 自動収集。 知識グラフを 更新し続けるため、 朝には より賢い状態で 使い始められます。 Claude Codeを 使っているなら、 一度は見ておきたい 構成です。 保存して、 後で試してみてください。
Claude code研究ラボ31,710 次观看 • 2 个月前
Claude Codeで この機能使ってない人 差がついてるかも👇 CLIでプロンプトの先頭に 「&」を付けるだけで、 そのタスクを Claude Code Web側に投げて、 バックグラウンドで実行できます。 つまり、 & LPを作って & バグを全部修正して & テストを回して みたいに仕事を投げつつ、 自分はCLIで別作業を続けられる。 これまでのClaude Codeは 「1つの画面でAIと作業する」 感覚が強かったけど、 これからは完全に、 CLI＝司令塔 Web＝実働部隊 みたいな使い方になってくる。 しかも、 PC上で裏実行するだけじゃなく、 タスク自体をWeb側の 別セッションに飛ばせるのがデカい。 Claude Code、 もうチャット型AIというより AIチームの管理画面に近づいてる。
Claude Code Research Lab27,995 次观看 • 2 个月前
Anthropicエンジニア最高責任者が発表！！ 👇 あなたが選ばなかった未来までも Claudeに記憶させることが可能になった‼️ 普通のAIメモリは、 「何を選んだか」 「その結果どうなったか」 だけを保存します。 でもこの仕組みは違う。 AIが意思決定するたびに、 「実際に選んだ道」 と 「その瞬間に捨てたもう1つの選択肢」 この両方を保存する。 仕組みは4段階。 FORK → 意思決定が発生した瞬間に、選んだ案と却下した案を両方記録 TRACER → 選ばなかった案が、その後どうなったかを追跡 COMPARE → 数週間後、実際に選んだ結果と、選ばなかった場合の仮想結果を比較 LESSON → 「うまくいった」ではなく 「代替案より良かった」 「実は捨てた案の方が良かった」 まで学習する ここが本質。 普通のAIは、 「この判断で成果が出た」 ↓ 「じゃあ正しかった」 と学びがちです。 でもそれだけでは、 本当に正しい判断だったかは分からない。 なぜなら、 選ばなかった方が もっと良い結果になっていた可能性があるから。 実際、このエージェントは 1ヶ月で50個の意思決定を追跡。 そのうち18個は、 「選ばなかった方が結果的に良かった」 と判明したそうです。 普通のメモリでは、 この18個の学びは永遠に見えません。 なぜなら、 普通は「通った道」しか記録しないから。 これ、人間も同じです。 転職した会社がうまくいったから 「あの選択は正解だった」と思う。 でも断った会社に行っていたら、 もっと良い未来だったかもしれない。 私たちは多くの場合、 自分の選択 vs 何もない で評価している。 本当に必要なのは、 自分の選択 vs 選ばなかった選択肢 の比較。 つまり、 「結果を記憶するAI」 ではなく、 「反実仮想まで追跡するAI」。 みんなAIに 「何を選んだか」を覚えさせようとしてる。 でも本当に賢くするなら、 「何を選ばなかったか」 まで覚えさせる必要がある。
Claude Code Research Lab14,212 次观看 • 1 个月前