AI新聞

Claude Codeの使いこなし術について書かれた記事。

• GitHubのanimated-arch-diagramスキルを導入し、説明したいアプリのディレクトリで指示テンプレを渡すだけで作れる。
• 構成は「操作→仕組み」を交互に見せる。モック画面でズームやクリック演出、語の分割やランキングの並び替えなど処理を動きで可視化。構成図は該当部分だけ差し込み、字幕も付ける。
• 数字や例はJSONの実記録から自動で参照し、動画と一貫した値になる。
• 中核は、時刻に応じて絵を描くWebページを1コマずつ撮って動画化。Playwrightで撮影し、ffmpegで連結するため再現性が高い。
• アニメはstepsで時間指定（at/zoom/click/type/cps等）。44秒＝約1314コマで、書き出しはMacで約45秒。

Claude Opus 5.5を使ってアクションゲームの手触りを一段上げる工夫をまとめた記事。

• ランダムな題材タグを2つ与え、発想を広げる。無理な組み合わせも曲解して使う。
• 最初の案で走らず、10案ほど出して単調・既視感の強い案を落とす。
• 実装前に「遊んでいる最中の感覚」「単純操作が負ける理由」「得点が生まれる出来事」「何が時間とともに難しくなるか」を文章で固定する。
• 最初の版は極小で作り、基本の手応えだけを人に確かめてもらう。
• プレイヤーそっくりのボットで難易度を測る。記録から反応の遅れや見落としを真似し、複数タイプのボットで抜け道も検査する。
• 人のプレイテストでしか見えない問題（読み取りにくさ、テンポ、音、パワーアップが罰になる感覚など）を聞き取りとログ解析で特定し、規則や演出を直す。
• 敵や仕掛けを1つずつ足し、ある/なしで上達のしかたが変わるか検証。差が伝わらない要素は削除。
• 仕上げは見た目・反応・BGMを整え、得点が大きいほど派手に。変更後も同一ボットで成績が変わらないか確認。

Claude Codeに投げるだけで、リポジトリのセキュリティ総点検の観点が一通り揃うチェックリスト記事。

• 認証: サインアップ/ログイン/メール確認/パスリセットの実装を精査。UI回避の直APIや未確認メールで使える機能の有無を確認。
• セッション/JWT/OAuth: 署名・issuer・audience・有効期限・redirect_uriの厳格検証、別環境トークン拒否。
• セッション失効: ユーザー削除・無効化・権限変更・ログアウト後も古いトークンやAPIキーが使えないか。
• 認可: IDOR/BOLA（他人のIDに差し替え）可否を入口からDB操作まで追跡。role/permissionが信頼できない入力に依存しないか。
• 公開API洗い出し: 認証なしで呼べるAPI/WS/GraphQL/Storageを列挙し、UI隠しに頼る権限抜けを検出。
• 注入: HTML/SQL/NoSQL/テンプレ/Markdown/ログ等への入力流入を追い、エスケープやバインド不足を確認。exec/eval/innerHTMLなど危険APIの有無も。
• ファイル/ネットワーク: ユーザー指定URL/パス/リダイレクト/アップロードでSSRF、パストラバーサル、オープンリダイレクト、危険アップロードが起きないか。
• 濫用: サインアップ/OTP/メール送信のレート制限、外部APIやLLM・決済等の資源浪費、エラー差での情報推測を確認。
• 露出: 不要な公開ポートや.env/sourcemap/debug/管理UI流出を確認。HTTPS/HSTS/CSP/CORS/Cookie設定と、レスポンス・ログ・CIに秘密情報が出ないか。
• 依存/CI/CD: 既知脆弱性やEOLを、実際の到達可能性まで踏み込んで評価。
• 最終チェック: 認証不要/一般ユーザーの入口を列挙。問題の分類と深刻度を精査し、誤検知排除。対策がDoS手段にならないかを確認し、再現根拠まで再検証。

中国政府系とされるハッカー集団がAIツールを使い、世界の数百の組織に攻撃していたとマイクロソフトが発表した。国家の関与が疑われる攻撃にAIが組み合わさり、規模とスピードが上がっていることが課題になっている。

MSの確認は、攻撃側の自動化と効率化が現実化したことを示す。各国や企業は、検知と防御もAIで強化するなど、対抗手段の更新が急務だ。今回のポイントは、AIを使った大規模なサイバー攻撃が現実の脅威として立ち上がったことにある。

pstackは、調査・設計・実装・レビューを一連の手順として進めるエージェント用スキル集。poteto-modeが依頼に応じて「バグ修正」「調査」などのプレイブックを自動選択し、原因特定から修正、検証までを導く。

原則は「実装前に現状を理解する」「データの形と境界を先に決める」「変更は最小に保つ」「差分を小さくし、実動で完了を証明する」「複数モデルの指摘を整理して判断する」。Claude Codeでプラグイン導入とモデル設定を済ませれば、目標と検証方法だけを伝えて実務に使える。

TypeSafe AIの判定モデル「Jev」を使い、募集要項とスキルシートの相性を採点してLLMや埋め込みと比較した記事。Jevは文章生成せず、定義済みの質問に確率つきで答える方式で、1ペア182ms・$0.00009と高速・低コスト。

候補者の並び順の精度はHaikuと同程度以上で、明らかに合わない19ペアを誤りなく除外。さらに確信度が低いペアはずれが大きく、人の見直しの目印になった。つまり、速く安く、確信度で人の確認を導ける一次スクリーニングとして有効で、全件をLLM判定するより現実的といえる。