ガガロットAI's banner
ガガロットAI's profile picture

ガガロットAI

@gagarotai2006,342 subscribers

【SNS総フォロワー50万人】/「SNS運用代行」運用垢50社/最先端AIスクール「スキルエンジン」運営/✉️AI講習.自動化支援,Open Claw導入,企業AIアドバイザー/ご相談はDM or固定ポスト/本垢→@gagarot200

Shorts

『Claude Code』に時間を吸い取られ 500時間使ってる人の隣でOpen Clawが たったの「3時間」で 動画を「100本」以上 生成し編集を続け投稿し続けているw 今まで費やした時間に 発狂せずにはいられなくなる記事です👇

『Claude Code』に時間を吸い取られ 500時間使ってる人の隣でOpen Clawが たったの「3時間」で 動画を「100本」以上 生成し編集を続け投稿し続けているw 今まで費やした時間に 発狂せずにはいられなくなる記事です👇

883,050 görüntüleme

レッドブルで一息ついてる間に 『Claude』を自立型エージェントに 進化させたら「Youtube」の長尺動画を 20本高クオリティで納品してくれるw Youtubeでひたすら動画探して 学習しながら、動画企画立案から 動画編集も同時並行でやる レッドブル飲んで休憩してるだけで Claude CodeがClaude Codeに 指示出して勝手に成長していってるw めんどくさい作業は全てAIの時代 完全自動AIマネタイズ最強すぎw

レッドブルで一息ついてる間に 『Claude』を自立型エージェントに 進化させたら「Youtube」の長尺動画を 20本高クオリティで納品してくれるw Youtubeでひたすら動画探して 学習しながら、動画企画立案から 動画編集も同時並行でやる レッドブル飲んで休憩してるだけで Claude CodeがClaude Codeに 指示出して勝手に成長していってるw めんどくさい作業は全てAIの時代 完全自動AIマネタイズ最強すぎw

231,104 görüntüleme

TikTokでは生成AIの動画で 稼ぐのがトレンドになってる 👇 20歳の大学生がAI美女に 「ガラスの果物」を食べさせた結果 動画1本でたった4日間に『約13万円』を稼いだ 投稿されているのは、 AIで生成した女性が ・ガラスの果物 ・存在しないお菓子 ・スライムのような食べ物 ・現実では食べられない物体 を食べ続ける AI ASMR・ムクバン動画。 顔出しなし。 出演者なし。 撮影場所なし。 本物の食材すら必要ない。 生成AIを使って、 「気持ちいい」と 「気持ち悪い」の境界にある映像を作り、 視聴者の手を止めている。 運営者として紹介された 20歳の学生Adele氏は、 AI美女がガラスの果物を食べる 動画1本から、 4日間で886ドル。 日本円で約13万円の TikTok収益を得た画面を 米メディアに提示している。 さらに凄いのが、 AI動画の作り方を教える 月額29ドルのコミュニティに 約70人が参加。 単純計算すると、 コミュニティだけでも 月約30万円規模の売上になる。 つまり、この人が作ったのは 単なるバズ動画ではない。 ①AI動画で再生収益を得る ②バズった実績で信用を作る ③作り方を教材として販売する この3段構造。 これからAI動画で稼ぐ人は、 ただ「リアルな映像」を 作る人ではない。 人間では撮影できない 違和感のある企画を考え、 AIで何度も検証できる人。 生成AIは 撮影を楽にするだけの道具ではない。 今まで存在しなかった 新しい映像ジャンルと、 新しい収益源を作る道具になっている。

TikTokでは生成AIの動画で 稼ぐのがトレンドになってる 👇 20歳の大学生がAI美女に 「ガラスの果物」を食べさせた結果 動画1本でたった4日間に『約13万円』を稼いだ 投稿されているのは、 AIで生成した女性が ・ガラスの果物 ・存在しないお菓子 ・スライムのような食べ物 ・現実では食べられない物体 を食べ続ける AI ASMR・ムクバン動画。 顔出しなし。 出演者なし。 撮影場所なし。 本物の食材すら必要ない。 生成AIを使って、 「気持ちいい」と 「気持ち悪い」の境界にある映像を作り、 視聴者の手を止めている。 運営者として紹介された 20歳の学生Adele氏は、 AI美女がガラスの果物を食べる 動画1本から、 4日間で886ドル。 日本円で約13万円の TikTok収益を得た画面を 米メディアに提示している。 さらに凄いのが、 AI動画の作り方を教える 月額29ドルのコミュニティに 約70人が参加。 単純計算すると、 コミュニティだけでも 月約30万円規模の売上になる。 つまり、この人が作ったのは 単なるバズ動画ではない。 ①AI動画で再生収益を得る ②バズった実績で信用を作る ③作り方を教材として販売する この3段構造。 これからAI動画で稼ぐ人は、 ただ「リアルな映像」を 作る人ではない。 人間では撮影できない 違和感のある企画を考え、 AIで何度も検証できる人。 生成AIは 撮影を楽にするだけの道具ではない。 今まで存在しなかった 新しい映像ジャンルと、 新しい収益源を作る道具になっている。

14,085 görüntüleme

『Claude』で構築したAI社員で 面接をさせている様子を完全公開 👇 面接担当以外にも事務員など 様々な職種のAI社員が実際に働いている AI社員の中には、実際に休憩をしながら 作業を進めたりなど、完全に人間と 同じ行動をとっているAI社員もいる 休憩後は、自分の席に戻る それ以外のAI社員は 必要な書籍がある場合は、 それを取るために 本があるところに向かう 完全に人間がやってきたことが AIに置き換わっているということ

『Claude』で構築したAI社員で 面接をさせている様子を完全公開 👇 面接担当以外にも事務員など 様々な職種のAI社員が実際に働いている AI社員の中には、実際に休憩をしながら 作業を進めたりなど、完全に人間と 同じ行動をとっているAI社員もいる 休憩後は、自分の席に戻る それ以外のAI社員は 必要な書籍がある場合は、 それを取るために 本があるところに向かう 完全に人間がやってきたことが AIに置き換わっているということ

17,405 görüntüleme

Claude CodeでAIトレードBotを プログラミング初心者でも 構築する方法を徹底解説 これはトレードBotに稼がせるのではなく むしろ本質は逆で、 AIに相場を予言させるのではなく、 AIにトレードシステムそのものを作らせる という話 中身はかなり本格的で、 ・HMMによる市場レジーム判定 ・相場環境ごとの資金配分 ・ウォークフォワードバックテスト ・リスク管理 ・Alpacaへのブローカー接続 ・自動発注 ・P&L監視用ダッシュボード ・メインループ構築 まで入っている。 まず面白いのが、 HMMというモデルを使って 「今の相場がどんな状態か」を判定するところ。 HMMはざっくり言うと、 価格やボラティリティの動きから、 裏側にある市場の状態を推定するモデル。 例えば、 Crash Bear Neutral Bull Euphoria のように、今の相場をいくつかのレジームに分類する。 ここがかなり重要。 なぜなら、同じ売買戦略でも、 相場環境によって勝ちやすさは全然違うから。 強気相場で機能する戦略が、 暴落相場では一瞬で壊れることがある。 だからこのBotは、いきなり「何を買うか」を決めない。 まず、 今の相場はリスクを取っていい状態なのか。 それともポジションを減らすべき状態なのか。 そもそも止まるべき局面なのか。 そこを判定する。 例えば、 Bull相場ならリスクを取り、 Neutralなら通常運用、 Bearならポジションを縮小、 Crashならほぼ停止、 Euphoriaなら過熱警戒でリスクを抑える。 つまり、 「いつ買うか」だけではなく、 「どの相場で、どれくらい資金を入れるか」 まで自動化している。 ここが普通のインジケーターBotと違う。 多くの自動売買Botは、 エントリー条件ばかり見ている。 RSIが30以下なら買い。 移動平均がクロスしたら買い。 MACDがこうなったら売り。 でも、トレードで本当に重要なのは、 エントリーよりもリスク管理。 どれくらいの資金を入れるのか。 どこまで負けたら止めるのか。 連敗したらどうするのか。 暴落相場では止まれるのか。 想定外の動きが来た時に破壊されないのか。 このBotでは、 AIの判断よりも上位にリスク管理を置いている。 例えば、 1日の損失が一定以上ならポジションを縮小する。 さらに損失が広がれば全決済する。 最大ドローダウンに到達したらBotを停止する。 再開には手動確認を必要にする。 1回の取引で取れるリスクを制限する。 こういう安全装置を入れている。 これがめちゃくちゃ大事。 AIトレードで一番怖いのは、 AIが間違えることではない。 間違えたまま、止まらずに売買し続けること。 人間なら、 「なんかおかしいな」 と思って止められる。 でもBotは、 設計が甘いと間違ったまま動き続ける。 だから、AIに全権限を渡さない。 AIには分析と実装をさせる。 でも最終的な安全装置は、 固定されたルールで止める。 この設計がかなり現実的。 さらに動画では、 ウォークフォワードバックテストも入っている。 普通のバックテストは、 過去データに合わせすぎる危険がある。 過去では勝てる。でも未来では勝てない。 いわゆる過剰最適化。 そこで、 過去の一部で学習し、 次の期間で検証し、また期間をずらして検証する。 この流れで、 「過去にたまたま合っただけのBot」を避けようとしている。 つまり、 AIに未来を当てさせるのではなく、 AIに検証の仕組みを作らせている。 ここが本質。 最終的には、 Alpacaのペーパー口座に接続し、 実際の運用に近い形で発注テストまで行う。 流れとしては、 価格データを取得する ↓ HMMで市場レジームを判定する ↓ レジームに応じて資金配分を決める ↓ リスク管理ルールを通す ↓ 問題なければ発注する ↓ ログを保存する ↓ ダッシュボードでP&Lやポジションを監視する という形。 ここまで来ると、 ただコードを書いて終わりではない。 市場分析、資金配分、検証、 発注、監視まで、一気通貫でトレードシステムを組める。 ただし、重要な注意点がある。 この動画で、 「最終的にいくら稼いだか」 という 実利益は明言されていない。 だから、 「Claude Codeで爆益Botを作った」 という見方は少しズレている。 正しくは、 Claude Codeを使えば、 個人でもトレード戦略の研究、 実装、検証、リスク管理、発注、 監視までを 一人で作れるようになってきた。 という話。 ここがかなりヤバい。 今までなら、 こういう仕組みを作るには、 Pythonを書ける人、 金融データを扱える人、 バックテストを作れる人、 証券APIを触れる人、 リスク管理を設計できる人、 UIを作れる人が必要だった。 でも今は、 Claude Codeに指示しながら、 1人でかなりの部分を組み上げられる。 AIトレードで強い人は、 AIに「明日何を買えばいい?」と聞く人ではない。 AIに、 データ取得を作らせる。 特徴量を作らせる。 市場レジームを判定させる。 バックテストを作らせる。 リスク管理を作らせる。 ブローカーAPIに接続させる。 発注ロジックを組ませる。 ログを分析させる。 改善案を出させる。 こういう使い方をする人。 AIが相場を当てる時代ではなく、 AIで検証ループを自動化する時代。 トレードは、勘と根性の勝負から、 検証システムを持っている人の 勝負に変わり始めている。 もちろん、これで勝てる保証はない。 むしろ、適当に作ったBotは普通に負ける。 でもヤバいのは、 個人がここまで作れるようになったこと。 Claude CodeやCodexを使える人は、 もはやただの個人トレーダーではなく、 小さなヘッジファンドのような検証環境を持てる。 AIトレードの本命は、 自動売買ではない。 自動検証。 AIにトレードを任せるな。 AIにトレードシステムを作らせろ。

Claude CodeでAIトレードBotを プログラミング初心者でも 構築する方法を徹底解説 これはトレードBotに稼がせるのではなく むしろ本質は逆で、 AIに相場を予言させるのではなく、 AIにトレードシステムそのものを作らせる という話 中身はかなり本格的で、 ・HMMによる市場レジーム判定 ・相場環境ごとの資金配分 ・ウォークフォワードバックテスト ・リスク管理 ・Alpacaへのブローカー接続 ・自動発注 ・P&L監視用ダッシュボード ・メインループ構築 まで入っている。 まず面白いのが、 HMMというモデルを使って 「今の相場がどんな状態か」を判定するところ。 HMMはざっくり言うと、 価格やボラティリティの動きから、 裏側にある市場の状態を推定するモデル。 例えば、 Crash Bear Neutral Bull Euphoria のように、今の相場をいくつかのレジームに分類する。 ここがかなり重要。 なぜなら、同じ売買戦略でも、 相場環境によって勝ちやすさは全然違うから。 強気相場で機能する戦略が、 暴落相場では一瞬で壊れることがある。 だからこのBotは、いきなり「何を買うか」を決めない。 まず、 今の相場はリスクを取っていい状態なのか。 それともポジションを減らすべき状態なのか。 そもそも止まるべき局面なのか。 そこを判定する。 例えば、 Bull相場ならリスクを取り、 Neutralなら通常運用、 Bearならポジションを縮小、 Crashならほぼ停止、 Euphoriaなら過熱警戒でリスクを抑える。 つまり、 「いつ買うか」だけではなく、 「どの相場で、どれくらい資金を入れるか」 まで自動化している。 ここが普通のインジケーターBotと違う。 多くの自動売買Botは、 エントリー条件ばかり見ている。 RSIが30以下なら買い。 移動平均がクロスしたら買い。 MACDがこうなったら売り。 でも、トレードで本当に重要なのは、 エントリーよりもリスク管理。 どれくらいの資金を入れるのか。 どこまで負けたら止めるのか。 連敗したらどうするのか。 暴落相場では止まれるのか。 想定外の動きが来た時に破壊されないのか。 このBotでは、 AIの判断よりも上位にリスク管理を置いている。 例えば、 1日の損失が一定以上ならポジションを縮小する。 さらに損失が広がれば全決済する。 最大ドローダウンに到達したらBotを停止する。 再開には手動確認を必要にする。 1回の取引で取れるリスクを制限する。 こういう安全装置を入れている。 これがめちゃくちゃ大事。 AIトレードで一番怖いのは、 AIが間違えることではない。 間違えたまま、止まらずに売買し続けること。 人間なら、 「なんかおかしいな」 と思って止められる。 でもBotは、 設計が甘いと間違ったまま動き続ける。 だから、AIに全権限を渡さない。 AIには分析と実装をさせる。 でも最終的な安全装置は、 固定されたルールで止める。 この設計がかなり現実的。 さらに動画では、 ウォークフォワードバックテストも入っている。 普通のバックテストは、 過去データに合わせすぎる危険がある。 過去では勝てる。でも未来では勝てない。 いわゆる過剰最適化。 そこで、 過去の一部で学習し、 次の期間で検証し、また期間をずらして検証する。 この流れで、 「過去にたまたま合っただけのBot」を避けようとしている。 つまり、 AIに未来を当てさせるのではなく、 AIに検証の仕組みを作らせている。 ここが本質。 最終的には、 Alpacaのペーパー口座に接続し、 実際の運用に近い形で発注テストまで行う。 流れとしては、 価格データを取得する ↓ HMMで市場レジームを判定する ↓ レジームに応じて資金配分を決める ↓ リスク管理ルールを通す ↓ 問題なければ発注する ↓ ログを保存する ↓ ダッシュボードでP&Lやポジションを監視する という形。 ここまで来ると、 ただコードを書いて終わりではない。 市場分析、資金配分、検証、 発注、監視まで、一気通貫でトレードシステムを組める。 ただし、重要な注意点がある。 この動画で、 「最終的にいくら稼いだか」 という 実利益は明言されていない。 だから、 「Claude Codeで爆益Botを作った」 という見方は少しズレている。 正しくは、 Claude Codeを使えば、 個人でもトレード戦略の研究、 実装、検証、リスク管理、発注、 監視までを 一人で作れるようになってきた。 という話。 ここがかなりヤバい。 今までなら、 こういう仕組みを作るには、 Pythonを書ける人、 金融データを扱える人、 バックテストを作れる人、 証券APIを触れる人、 リスク管理を設計できる人、 UIを作れる人が必要だった。 でも今は、 Claude Codeに指示しながら、 1人でかなりの部分を組み上げられる。 AIトレードで強い人は、 AIに「明日何を買えばいい?」と聞く人ではない。 AIに、 データ取得を作らせる。 特徴量を作らせる。 市場レジームを判定させる。 バックテストを作らせる。 リスク管理を作らせる。 ブローカーAPIに接続させる。 発注ロジックを組ませる。 ログを分析させる。 改善案を出させる。 こういう使い方をする人。 AIが相場を当てる時代ではなく、 AIで検証ループを自動化する時代。 トレードは、勘と根性の勝負から、 検証システムを持っている人の 勝負に変わり始めている。 もちろん、これで勝てる保証はない。 むしろ、適当に作ったBotは普通に負ける。 でもヤバいのは、 個人がここまで作れるようになったこと。 Claude CodeやCodexを使える人は、 もはやただの個人トレーダーではなく、 小さなヘッジファンドのような検証環境を持てる。 AIトレードの本命は、 自動売買ではない。 自動検証。 AIにトレードを任せるな。 AIにトレードシステムを作らせろ。

19,833 görüntüleme

中国では既に『7台のMacMini』だけで 『年50億』を生み出している Claude Code OpenClaw HermesAgent を活用し組織的なアプリ開発をしている これによって 多くのアプリを量産している これができる背景として AIエージェントの理解 さらに大事なこととして CLAUDE.mdファイル、 そしていくつかのスクリプトが、 通常は分析チーム全体が行う仕事の 大部分を自動化たことで これだけの収益のある組織を MacMini 7台だけで作り上げている

中国では既に『7台のMacMini』だけで 『年50億』を生み出している Claude Code OpenClaw HermesAgent を活用し組織的なアプリ開発をしている これによって 多くのアプリを量産している これができる背景として AIエージェントの理解 さらに大事なこととして CLAUDE.mdファイル、 そしていくつかのスクリプトが、 通常は分析チーム全体が行う仕事の 大部分を自動化たことで これだけの収益のある組織を MacMini 7台だけで作り上げている

17,342 görüntüleme

Videos

Daha fazla içerik yok.