ほんとそう。今やAIを使うためにAIが必要だよ。

同意だな。ユーザーとしては、プロバイダー特有の機能が増えていくのは大きなデメリットだよね。学ぶことが増えるし、設定も増えるし、ロックインされるリスクも高まる。だからこそ、モデル提供者たちは新しいものをどんどん出してくるんだろうね。そうしないと、彼らの製品はただのコモディティになっちゃうから。

これがシンギュラリティの始まりだね。変化は加速し続けて、ますます多くの人が追いつけなくなって、最終的にはAI自身だけが使い方を知るようになるんじゃないかな。

同意だけど、実際はシンプルだと思うよ。プラグインには以下が含まれる： * コマンド * MCP * サブエージェント * それに、今はスキルマーケットプレイスがプラグインを集約してる。

「Claudeのスキルは、システムプロンプトの特定の製品化と見なせる」と言ったら、間違ってるかな？技術的な観点から見ると、ある意味で不必要な複雑さに思えるんだよね。もちろん、‘不必要’な抽象を重ねるようなプロダクトの決定がたくさんあるのは認識してるけど、それでも役に立つことはあるよね。顧客とのつながりを考えると、Anthropicが顧客のフィードバックをうまく整理して、目指す方向に進んでいるという前提のもとでは、理にかなってると思う（たとえ彼らがまだ気づいていなくても）。追記：兄弟コメントで似たようなことを書いてる人がいたよ。「これらのことは、企業のロックインを作るために設計されている。LLMの機能には根本的に追加されていない。」って。私も同意すると思う。

これらのことは、企業のロックインを作るために設計されている。LLMの機能には根本的に追加されていないよ。開発者は、モデル生成APIと直接やり取りすることに集中すべきで、装飾を使うべきじゃない。

モラルが改善されるまで機能が追加されるよ。

まあ、理解してほしいんだけど、良い人たちは何かを生み出さないといけないんだ。彼らの主力商品が、みんなが待ち望んでる失業時代をまだ実現してないからね。これは君のためじゃなくて、投資家への信号なんだ。「ほら、目に見える結果もないのに、たくさんの博士たちにモデルの重みを調整させてお金を燃やしてるわけじゃないよ。本当に製品を作ってるんだから。」ってね。大規模でやる気のあるA/Bテストの基盤があるし。

個人的には、無理しない方がいいと思うよ。「プロンプトエンジニアリングのベストプラクティス」みたいなもので、これは今の制限に対する一時的な対策に過ぎないから、すぐに消える運命だよ。今すぐに追加のパフォーマンスが必要じゃないなら、数ヶ月後には使えるようになるモデルを待った方がいいよ。

結局、モデルのためのコンテキスト管理が全てだよね。方法が違うだけ。

犬の写真 >> 消費者への情報提供

そう思うでしょ？

開発者ページでは、PDF処理のスキルを使ったいい例があるよ。手動でマークダウンファイルに@タグを付けて、共通タスクのガイドをリポジトリに入れてるんだけど、これが自動化されるのは嬉しいね。

LLMは確率に基づいた計算だから、どうしてもある程度スキミングしちゃうし、ある程度は推測することになるんだよね。たまにベストな選択肢を選ぶけど、それが必ずしも最適とは限らない。これが分かりづらい人には、内部の仕組みを学ぶ価値があるよ。全体の構造を理解するのに役立つし、時間が経つにつれて、親コメントが言ってたように、特定のケースにも対応できるようになるからね。

個人的には、これはコンテキストウィンドウの問題だと思う。人間は広いコンテキストをあまり正確じゃなくても記憶するのが得意なんだよね。時々、「あれ、ドイツ語で‘blah’ってなんて言うんだっけ？」みたいに、リコール機能がうまく働かないこともあるし。特化すればするほど（例えば、1万時間のマスタリー）、特定の「スキル」を思い出すのは得意になるけど、他のスキルはそうでもないかも。一方で、LLMはプログラム的なコンテキストを持っていて、完璧なリコールができるけど、実際には期待通りの出力を生成しないことが多いんだ。すべてのコンテキストを処理するにはパワーと時間がかかるからね。スキル…というか、コンテキストの挿入は、出力生成を手動で優先させる方法に過ぎない。LLMの「思考モード」も同じで、結局はコンテキストの優先順位を変えてるだけだから、「ゼロから始める」ってわけじゃない。そう考えると納得できるし、これらのツールをより効果的に使うのにも役立つよ。

効果がないなら、ブラーは改善できるよ。スキルを直接呼び出すこともできるし。説明は短期記憶に相当する。スキルは必要なときに引き出される長期記憶みたいなもんだね。これらはAIエージェントの一部として考えるべきで、外部のものじゃないよ。

ほとんどの経験は、プロジェクトや議論に特有のものではなく、一般的な情報なんだ。LLMはその知識から始まる。次に、プロジェクト特有の情報のためのメモリと検索システムが必要だね。人間の検索は驚くほど速いけど、遅い検索でもLLMはほぼリアルタイムで参照できるよ。

現在のLLMでゼロから始める必要があるのは、「マルチテナント」インフラの要件の影響かな？もちろん、OpenAIやAnthropicは、同じサーバーやメモリを複数のユーザーで使い回したいから、そうしないとコストがかかりすぎるよね。「個人用」のシングルテナントの設定はできないのかな？LLMが過去の会話をすべて取り入れるような。

人間がスキルを学ぶ方法と対比してみて。スキルを経験することで、どのツールがその仕事に適しているかを理解するのが上手くなるんだ。だからリチャード・サットンはLLMがAGIに進化するとは思ってないんだよ。LLMは模倣に基づいていて、経験に基づいていないから、AGIは強化学習のような形になる可能性が高いって（サットンによると）。具体的には、LLMには目標や行動の結果がないから、それが知性の基盤なんだ。だから君の言う通り、「スキル」という考え方は、楽器やタスク、解決策を開発するためのスキル構築の演習というよりは、リファレンスマニュアルに近いんだ。

これがLLMの知識やツールの強化の核心だと思う。知識ベースを持っていて、LLMがそれを使うタイミングを知るっていうのは、今のところちょっと夢物語だね。

「新しいClaudeインスタンスを立ち上げたんだけど（面白いことに、Code Interpreterも今はClaudeのiOSアプリで動くようになったんだ、最初に出たときは動かなかったのに）、/mnt/skillsフォルダーの中身を全部zipファイルにしてくれってプロンプトを出した。」こういうデータを取り出すための「ハック」ができるなんて、楽しいけどちょっと怖い世界だよね！完全なファイルシステム/binアクセスがないことを願ってる、笑。SSHできるのかな…？

僕の理解では、スキルは「ただの」プロンプトやスクリプト、ファイルの束で、コンテキストとして一つの単位で読み込まれるものなんだ。サブエージェントがスキルを「実行」するのは、コンテキスト管理の観点から見るとすごく理にかなってると思うけど、考え方としてはサブエージェントは「実行レベル」の構造で、スキルは「データレベル」の構造だと思う。

そう、それが僕の解釈でもあるよ。「AI」企業は、データや計算リソースを問題に投げつけるだけの限界に達してる。今、チャートを上に上げる唯一の方法は、付加価値のあるサービスを提供することだと思う。正直言って、必要なエンジニアリング作業をきちんとやれば、長くて利益のある道があると思う。でも、このバブルの中にいる誰にとっても、これが「スーパーインテリジェンス」や「AGI」への道ではないことは明らかだよね。早く誇大広告や虚偽の宣伝が止まって、実用的なアプリケーションに集中できるようになるといいな。実際、たくさんあるから。