信頼できるユーザー、Jia Tanみたいな。

この方向性のすべてが大好きだけど、推論コストが異常に高いのが残念。モデルがリリースされたらすぐにコモディティ化されるから、トレーニングコストは気にしないんだけど。推論コストが下がったら、モデルをトレーニングしている企業が重みを公開するインセンティブがなくなるんじゃないかと心配してる。推論収入がトレーニングコストを回収するところだからね。どちらにしても…パフォーマンスあたりの推論価格にもっと革新が必要だよ。ソフトウェアとハードウェアの両方で。ソフトウェアの革新がコモディティハードウェアで推論を解放するのが理想だけど、それは難しいかも。でも、今日の最先端ハードウェアが明日のコモディティハードウェアになるから、いつかは実現するかもしれないね。Taalasが2ヶ月のリードタイムでモデルをハードウェアに焼き付けることができれば、それは大きな進歩だけど、問題がハードウェアのボトルネックに移っただけだから、まだ無駄だよね。安く生産できるゲームボーイのカートリッジのようなものが見られると思うし、それがベースモデルに差し込まれて専門性を高めることができると思う。でも、アナログコンピューティングに戻って、電圧差を巧妙に利用するような、もっと過激なアイデアを追求している人がいるのかも気になる。私には難しすぎるけど、直感的には電圧スパイクを0や1に減らすのはエントロピーを無駄にしているように感じる。

ユーザーとして、ソフトウェアの実際の（人間による）創造からかなり離れているから、考えてみると、どっちでもあまり気にしないんだよね。例えば、Hacker Newsの記事を見てみると、誰かがプログラムしたカスタムアプリで読んでいて、そのアプリはHacker Newsにホストされている記事を引っ張ってきている。すべてはどこかのサーバーを通じて、仕様に従ってワイヤーを通って運ばれている。私にとって、これは印象派の絵画や心を打つ詩ではなくて、それを創造した存在が私からはかなり遠くにあるから、もはや人工的かもしれない。90年代の子供でサイバーセキュリティについて少し知識があるから、もしかしたら言及したもののドキュメントやソースコードを調べることもできるかもしれないけど、興味があればの話だね。

でも、ユーザーがまともなチケットを書くことに近づいてる感じは数十年経ってもないよね。

そういうフィードバックループは、ゴミが入ればゴミが出るっていうのを指数的に悪化させるだけだよね。「ロボットは自分で作ったり修理したりする」っていうトロープだけど、ロボットがエージェントなんだよね。

Anthropicは、Bunの買収を受けてすぐにバックエンドホスティングを始めると思う。基本的にClaudeからビジネス全体を運営して、ソフトウェアのニーズに合わせてClaudeコードで作った特注アプリを共有するのが理にかなってるよね。

ユーザーは、ソフトウェアが本来何をすべきかについて、しばしば間違った考えを持っていて、全体像が見えていないんだよね。

その未来が見えないんだよね。3ヶ月前はその考えに完全に賛成だったけど、今は一歩進むごとにミスが増えていくのに気づいた。行き詰まってしまって、誰もがそのメンタルモデルを持たなくなる。AIが解決できないビジネス上の難題ってないの？それとも、すごく遅くて、正しいアイデアが見つかるまで17個のアイデアを提示するだけとか。俺は一番高いモデルを使ってるけど、AIの性質がその進展を妨げるかもしれないし、目覚めた会社もあれば、後から目覚める会社もあると思う。ミス率が高すぎるんだよね。そして、そのミス率を下げるために導入したシステムもミス率があって、複雑さと必要な探索時間を増やすだけ。多くの人が、12月の初期採用者たちの状態にいると思う。AIは、きちんとメンテナンスされたコードベースで機能的な機能を実装できるけど、自分でメンテナブルなコードを書くことはできない。実際、コードを書くのを手伝ってもらうよりも遅くなるから、手伝ってもらうと、もっと状況を把握できて、小さな問題をすぐに止められる。すべてを素早く繰り返せるし、1ヶ月間アイデアを開かなかったら、ある時点で地獄になった。今は3万行削除して、見えてくる問題の量が目を開かせる経験だった。スケールしないパフォーマンスの問題、冗長性、バグ、検証レイヤーに対する逃げ道、四重に増えた型。今はAIの出力をもっと注意深く監視できるけど、やっぱり自分で書いた方が早い。だって、一つのタスクだから。AIを使ったタイピングは、俺の脳より遅くないし。それに、FAANGが生産ラインごとに300ドル支払ってることを考えると、ここで本当に何を達成しようとしてるのか、スピードは問題じゃなかったんだ。優れたコーダーは、1日に10行の生産ラインを書く。正確性やアーキテクチャが問題なんだよね。それを解決するには、時間が経つにつれて機能追加がしやすくなるような、しっかりした基本ブロックを構築することが必要なんだ。

ハハ、これのバージョンをSPECしたばかりだよ。簡単な静的ウェブサイトがあって、数人に更新してもらいたいんだ。だから、信頼できる3、4人のユーザーに、更新をリクエストするためのサイト内チャットインターフェースへのアクセスを与える予定。次に、開発環境を立ち上げて、エージェントが変更を加えて、PRを作成し、ブランチのプレビューリンクをユーザーに返す感じ。非技術的なステークホルダー向けのエージェント駆動のCMSってところかな。うまくいくか見てみよう。

こういうタイプのチケットはできると思うけど、信頼できるユーザーの仮定がかなり重要だね。今のLLMのアーキテクチャでは、これ以上良くなるとは思えない。フィードバックメカニズムはいろいろできるけど、LLMは意識がないから、状況を理解して導く人間がいない限り、ドリフトは避けられないよ。でも、今でも特定の種類のクソアプリを使えば、かなり自動化できると思う。それが俺たちの職業の大部分を占めてるんだ。

みんなにとって物を高くするより、こういうことを奨励するのは理にかなってると思う。時間帯によって通行料が変わるのと同じだね。

2番目のコメントの返信を見てみると、AnthropicのClaude Codeのエンジニアが「それは間違いだ」と言ってるのがわかるよ。誰かがネットでFUDを広めて、間違った情報が流れて、今は他の人たちも確認せずに広めてるみたい。

面白いことに、Anthropicの価格設定とかがあって、仕事の外でGLM-5をもっと使うようになったよ。Opusレベルではないけど、意外と良い感じ。ただ、ラッキーなことにAlibaba Coding Modelのライトプランを手に入れたんだけど、あまりにも安すぎて廃止されたんだ。

0 7 * * 1-5 ANTHROPIC_API_KEY=sk-... /path/to/claude-cron.sh /path/to/repo >> ~/claude-reports.md 2>&1 これは些細なことに見えるね。

なんか、全てのエージェントシステムがcronを使えば十分だと思ってるみたいだけど、これは数十年の先行記憶についての知識を完全に無視してるよね。詳しくはここを見てみて：https://theredbeard.io/blog/the-missing-memory-type/

同感だわ。真のポジティブだけでなく、真のネガティブにもアラートを出さなきゃいけないから、ほんと馬鹿みたい。

自分で評価基準を設定して、そういうのを使ってみたらどう？ https://github.com/badlogic/pi-mono/ そうすれば、何が良いかをはっきり定義できるよ。

「プログラマーが店に行って、妻に牛乳を1ガロン買って、もし卵があったら1ダース買ってきてと言われた。プログラマーは買い物に行き、言われた通りにして帰ってきたら、妻が怒って『なんで13ガロンの牛乳を買ったの？』と聞く。プログラマーは『卵があったからだよ！』と答えた。」もっと明確なプロンプトを書く必要があるね。

かもしれないね。「cronでタスクを実行する」っていう問題は、業界が一般の人にこの機能を意図的に否定してるかのように、解決を拒んでるのに気づいてる。AIがなくても、これは自動化の最も基本的なブロックなのに、プログラムやフレームワークからはいつも神秘的に欠けてる（少なくとも基本レベルでは）。AIは「その後」の面でより便利にするけど、「もし」の面での信頼できるcronはすでに役立つんだよね。

みんな、コマンドラインでできることに対して、すごい解釈環境を読み込んでるよね。複雑なオブジェクトで計算を実行するのに、単一のマシン命令で済むこともあるのに。こういうトレンドはずっと前からあったよね。

これって「ウェブサイトXをチェックして、今日の素晴らしいお得情報があるか確認する」みたいなタスクにもっと役立つと思う。特に、あいまいに定義されていて、何らかの直感を必要とするタスクにね。

これが職場で起こり始めてるのを見てる…「AIにXを解決させる必要がある…いや、そんなことはない」同じだね。時々、ただ新しいおもちゃで遊びたいだけの人もいるけど、うちの場合は上からの圧力もあって、外部からもそういう流れがある。今、大きな会社に吸収されるプロセスにあって（4月1日までに完了予定、もし全てが大掛かりなジョークじゃなければ！）、投資家から「AI」をもっと使うようにという圧力があるみたいで、競争に取り残されないようにって。

平均的なユーザーにとっての問題は、決定論的ルールの「その後」の部分を書くことだと思う。これにはコーディングが必要だし、少なくとも何らかの自動化スクリプト（視覚的なものやそれ以外のもの）を作る必要がある。これはほとんどの人にとってはまだハードルが高くて面倒なんだと思う。だからこそ、AIを使うんじゃないかな。自然言語でやりたいことをAIに説明するだけで済むから。

彼らが意図を正しく表現できて、何が良いかを考えられるようになれば、それはほぼ大丈夫だと思う。彼ら（あるいは「彼らのために考える」タイプの製品を作っているなら自動化された何か）が、より多くの決定論を固定できるようになる。これを人々（開発者だけじゃなく）にエージェントスキルについて考える手助けをするために書いたよ。https://alexhans.github.io/posts/series/evals/building-agent... そして、非決定論の漂流に対処するためにこれを書いたけど（ただし、オーディエンスによってはあまり響かないかも）、https://alexhans.github.io/posts/series/evals/error-compound...

AIは、何をやってもダメだけど、絶対に「ノー」と言わない同僚になるんだろうね。だから、みんなのお気に入りの頼りにされる存在になる。

標準的な振り子の動きだね。ほとんどの人は、考えることをやめたがるから、問題を一つずつ評価することができない。『これはいくつかの問題に対する良い解決策だ』なんてことはないんだよ。『これはすべての問題に対する良い解決策だ』しかない。振り子がここまで振れると、最終的には元に戻るんだ。

冗談じゃないけど、なぜか業界は「エンドユーザー向けのCronジョブサービス」問題を頑なに解決しようとしないんだよね。ウェブでもOSでも。これはコンピュータを超えた問題に根ざしてる気がする。普通の人は、自分の生活を自動化することを許されてないんだよ。ほとんどの人にとって、タイマーで無人実行ができるように設計されたデバイスは洗濯機、オーブン、食洗機、目覚まし時計（昔のVCRも含めて）だけなんだ。他は手動で操作しなきゃいけないし、同期ループに留まる必要がある。

昨年これを作ったのは、もう必要だと思ったからなんだ。https://imgur.com/a/apero-TWHSKmJ Cronトリガー（またはGmailの新しいメール、新しいリニア問題など、コネクタごとの特定のトリガー）。それから、自然言語で「（トリガー+条件）が発生したらx、y、zをやって」と頼むだけで、どんなコネクタの設定でもできるんだ。イベントを処理するためのエージェントチェーンを作るんだよ。限られたツールを使って親オーケストレーターが、特定のMCPサーバーにしかアクセスできないワーカーを呼び出す感じ。公式コネクタはカスタムMCPサーバーで、自分のMCPサーバーも追加できる。あの時点で、プロトコルのすべての機能をサポートする、地球上で最も進んだMCPクライアントを持ってたと思う。だからOpenClawには驚かなかったんだ。しばらく自分なりの形でやってたからね。もっと人が遊べるものをリリースしないと。友達は「子供の学校からのメールが多すぎて、全部把握できない」みたいな使い方をしてたから、自動化は「子供の学校からメールが来たら、何かアクションが必要か教えて」って頼むだけだった。