snaga

https://x.com/AndrewYNg/status/2088302050706686198

「AIエンジニアリング・スキルマップ（The AI Engineering Skills Map）」を発表できることを大変嬉しく思う。AIの進化により、今日のソフトウェア構築手法は2022年当時とは大きく変化した。この変化を活用するスキルを持つすべての人には、数多くのエキサイティングなプロジェクトや雇用の機会が広がっている。しかし、AIを取り巻くノイズと過度なハイプに満ちた情報環境の中で、学ぶべき最も価値のあるスキルとは何だろうか？ 私はチームと共に、(i) 開発者が何を優先して学ぶべきかを判断し、(ii) 雇用主が真にスキルのある開発者を採用できるよう支援するため、AIエンジニアリングスキルの全体マップを体系化した。

10,000件以上の求人情報の分析、AI専門家・採用マネージャー・リクルーターとの数十回に及ぶ構造化インタビュー、アンケートによるデータ収集、その他のオンラインデータの統合に基づき、導き出された最も重要な4つのAIエンジニアリングスキルは以下の通りである：

• AIアプリケーションの構築とデプロイ（Building and deploying AI applications）
• ソフトウェアエンジニアリングの基礎（Software engineering fundamentals）

snaga

https://www.oreilly.com/radar/prompt-debt-and-fighting-the-weights/

プロンプト負債と「ウェイト（重み）との戦い」 - Prompt Debt and “Fighting the Weights”

Drew Breunig は、今日のAI領域において最も鋭い洞察を発信している論客の1人だ。彼は cmpnd.ai のCEO兼共同創業者であり、複数の時代を生き抜いてきた経験豊富なハッカーでもある。その深い経験は、昨今のAI業界において驚くほど貴重な資産となっている。彼はまた、O'Reilly から早期リリースされている新著 The Context Engineering Handbook の著者でもある。

私は常々、コンテキスト・エンジニアリングとは「モデルが実際に望み通りの動作をするように、モデルが見る情報を形作る技法」だと述べている。（40年以上前、Andrew Singer がデバッグを教えてくれたときの「自分がコンピュータに指示したと 思い込んでいること ではなく、実際に指示したこと を突き止める技法だ」という言葉を思い出す）。

Drew は先日の Foo Camp（Friends of O'Reilly camp）で、彼が 「プロンプト負債（Prompt Debt）」 と呼ぶ現象について講演した。彼はそれを 「モデルの学習（トレーニング）と協調するのではなく、モデルの学習と戦う（抵抗する）ときにチームが積み上げてしまう隠れたコスト」 と表現している。

snaga

https://ajeygore.in/content/the-anatomy-of-an-ai-native-org

私たちが名付けなかった組織図のピラミッド

組織の頂点には、「Why（なぜ）」——なぜ私たちが存在し、なぜこの市場で、なぜ今なのか——を決める小さなグループがいる。

その下には、「What（何を）」——何を構築し、何をリリースし、何を削るか——を決める少し大きめのグループがいる。

そしてそれらの下、会社の中で人員（ヘッドカウント）の大半が集中している広大な中間層が「How（どうやって）」だ。エンジニア、プロジェクトマネージャー、スクラムマスター、テックリード、エンジニアリングマネージャー、プログラムマネージャーたちが、「What」を受け取ってコードへ、JIRAチケットへ、デプロイへ、リリースノートへ、Slackの #releases チャンネルへと翻訳していった。

snaga

「20代の出国者出現率」データの因果分析まとめ

この文書について

SNSで話題になった「都道府県別・20代の出国者出現率」というランキング画像をきっかけに、「地方の20代は海外への興味を失っているのか？」という問いを、公的統計を使って段階的に検証した記録です。最初のデータだけでは判断できないことが分かり、追加のデータを取りに行っては仮説を修正する、という作業を5段階にわたって繰り返しました。本文書はその全体像を、初めて読む人にも流れが分かるようにまとめたものです。

---

背景：発端となった主張

snaga

Why Is Everyone In Tech So Sad? (なぜテック業界の誰もがこれほど悲しいのか？)

https://www.noemamag.com/why-is-everyone-in-tech-so-sad/

ある朝の通勤途中、私は電車の中で共有テーブルを挟む4人掛けの気まずい座席に座っていた。私の向かいには、典型的な通勤客の姿があった。30代前半、スラックスにドレスシャツ、汚れた白のスニーカー、少し乱れた髪、耳にはAirPodsを装着し、開かれたMacBookの光を浴びている。

30分以上にわたり、私はこの若い男性が電話でEBITDA、マージン拡大の機会、コスト構造、ARRなどを、痛々しいほど無感情なトーンで詳細に説明するのを聞いていた。電車のエアーブレーキのキーという音が最終駅への到着を告げるまで、彼の説明は延々と続いた。しかし、周囲の誰もが下車の準備を始める中、彼が脇に置いた革バッグを必死に漁り始めるのを私は見つめていた。興味深い！一体何を取り出すのだろうか？『[[Atomic Habits]]』の一冊か？ゲイリー・ヴェイナーチャックの額縁入り写真か？[[OpenClaw]]を動かすMac miniか？

そのどれでもなかった。代わりに彼が取り出したのは、2本の長い編み針だった。その間にはピンク色の毛糸の山がぶら下がっていた。姪のために冬用の帽子を作っているのだと彼は私に説明した。そしてその朝初めて、彼の目に誇りと興奮の輝きが宿るのを私は目撃した。

snaga

Original: https://arxiv.org/abs/2602.01276

エンタープライズ・ナレッジグラフのためのLLM駆動型オントロジー構築 (LLM-Driven Ontology Construction for Enterprise Knowledge Graphs)

概要 (Abstract)

エンタープライズ・ナレッジグラフは、分散した異種データを統合し、意味論的ガバナンスを強制するために不可欠な存在となっている。 しかしながら、その基盤となるオントロジーの構築は、ドメイン専門知識に大きく依存するリソース消費の激しい手作業のままである。 本論文では、非構造化企業データからのドメイン固有オントロジー生成を加速するために設計されたLLM駆動型パイプライン「OntoEKG」を紹介する。 我々のアプローチは、モデリングタスクを2つの明確なフェーズに分解する。すなわち、中核となるクラスとプロパティを識別する抽出モジュールと、これら要素を標準的なRDFにシリアライズする前に論理的に階層構造へ整理する含意モジュールである。

snaga

エージェント向けCLIツール設計・開発ベストプラクティス集 (Agent-Friendly / Agent-Native CLI Practices)

本ドキュメントは、プロジェクトルートにある4つのCLI設計・活用に関するナレッジ記事から、エージェント（AI Coding Agent）が使いやすく・安全に動作し・効率的に機能するためのベストプラクティスを抽出・体系化し、重複を排除してまとめたものです。

---

📌 参照元記事一覧

• 📄 10 Principles for Agent-Native CLIs (エージェントネイティブなCLIのための10の原則)

snaga

2026年arXiv AI研究トレンドと産業構造変革の考察（詳細分析・論考版）

1. 研究の背景、問い、およびコア仮説

1.1 研究の背景

2024年〜2025年にかけてのAI研究の主軸は、基盤モデル（Foundation Models）のパラメータ数拡大や事前学習（Pre-training）における Scaling Laws の検証に置かれていた。しかし、2026年春〜夏における arXiv 論文群（cs.AI, cs.LG, cs.CL, cs.SE 等より抽出された 66,000 件超のデータセット）の定量的・定性的分析によれば、学術界の関心は 「単一モデルの能力伸長」から「モデルを取り巻くシステム構造（ハーネス、記憶、ガバナンス、形式検証）」の設計・自動化 へと劇的に移行している。

1.2 本考察の問い（Core Questions）

1. 構造的問: 単一LLMのコンテキスト窓（Context Window）伸長や推論能力向上に依存するパラダイムは、なぜ限界を迎え、制御層（Harness / Scaffold）の自動生成へと向かっているのか？

snaga

The new rules of context engineering for Claude 5 generation models | Claude by Anthropic https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models

以前、最新世代のClaude 5モデルに最適なプロンプトを記述する方法や、モデルと対話的に構築対象を発見していく手法について執筆した。

しかし、Claudeにメッセージを送信する際、プロンプトは受け取るコンテキストのほんの一部に過ぎない。コンテキストの大部分は、システムプロンプト、スキル、CLAUDE.mdファイル、メモリ、その他の情報源から組み立てられる。我々はこのプロセスをコンテキスト・エンジニアリング（Context Engineering）と呼んでおり、これはClaude Codeを使用する場合や、独自のエージェントを構築する際に生成される結果に大きな影響を与える。

プロンプトとは異なり、コンテキストは多くのリクエストにわたって全般的に使用されるため、それほど具体的になることはできない。ユーザーのプロンプトが何になるか分からない状況で、Claudeのためのこうした全般的なプロンプトやガイドラインをどのように構築すればよいのだろうか。

Claude自身の能力が進化するにつれ、これは驚くほど難しくなる可能性がある。直近では、最新世代のClaudeモデルに対するプロンプトの出し方に大きな跳躍が見られた。Claude Opus 5やClaude Fable 5のようなモデル向けに、Claude Codeのシステムプロンプトの80%以上を削除したが、コーディングの評価指標に測定可能な低下は見られなかった。

snaga

Preventing the Collapse of Civilization / Jonathan Blow （文明の崩壊を防ぐために：ジョナサン・ブロウ）

https://www.youtube.com/watch?v=ZSRHeXYDLko

スピーカーは、伝説的なインディーゲーム『Braid』や『The Witness』の制作者であり、プログラミング言語「Jai」の開発者としても知られるJonathan Blow（ジョナサン・ブロウ）氏です。

1. 概要