Claude Codeチームのコードレビュー、Addy Osmaniらが語る
Claude Codeチームは「人間がコードを読んだか」を、変更で何が問題になり得るか、どの確認が適切かを測る不正確な代理指標と捉えている。レビューは最後の関門ではなく、スペルチェックのように執筆中も継続的に走る形に変わった。多くの変更は人間が見る前に Claude が少なくとも1回レビューと修正を行い、チームの注意は高度な問いに回される。
#コーディング
#コーディング
本日0件Simon WillisonAIスコア3838
TechCrunch AIAIスコア3636 Replit CEOが語る「自動運転型企業」と仕事の未来
Replit CEO兼共同創業者のAmjad Masadは、TechCrunch Disruptで、AIエージェントが多くの定型作業を担い、人間は判断力とセンスで価値を発揮する「自動運転型企業（self-driving company）」が仕事の未来像だと語った。Replit自身も、サポートチケットの一次振り分けをエージェントが行い、人間が判断して修正を適用する体制に変えたという。Masadは、業務の中心が「何に取り組むか」の検討やアーキテクチャ設計に移っていると述べた。
GitHub Blog: AI & MLAIスコア3030 GitHub Podcast、AIの「ホットテイク」5件を検証 コードレビュー、RAG、Skills、MCPなど
GitHub Podcastの最新回で、AIをめぐる5つの「ホットテイク」を検証している。AI生成コードは読む必要があり、RAGは死んでおらず、SkillsはMCPを置き換えず役割が異なると整理する。ファインチューニングが必要なのはコードが悪いからだとする説にも触れ、AIエージェント、Skills、MCP、RAGは同じワークフローで併用できると説明する。
Interconnects (Nathan Lambert)AIスコア6060 GLM-5.3の登場から読む、中国ラボが最前線に追随し続ける理由
Nathan LambertがZ.aiのGLM-5.3発表を受け、中国ラボが最前線に追随できる理由を分析した。GLM-5.3はGLM-5.2と同じベースモデルで事後学習を大幅に拡張したもので、約750Bパラメータながら複数のエージェント型コーディング系ベンチマークでKimi K3を上回る。Lambertは蒸留よりも、公開までの期間の短さが主因だと論じている。
One Useful Thing (Ethan Mollick)AIスコア6161 Ethan Mollick、Mythos級モデルClaude 5 Fableの使用感を報告
Ethan Mollickは、公開される最初のMythos級モデルClaude 5 Fableに早期アクセスし、従来の公開モデルを大きく上回ったと評価した。Claude Codeで等時線マップや研究用ソフトConcordを作らせ、人間の関与が極めて小さいままAIが成果物を完成させたと述べている。一方でトークン消費の多さやガードレールの過剰な作動も指摘している。
One Useful Thing (Ethan Mollick)AIスコア4040 Ethan Mollick、新著『Co-Existence』を予告 Co-Intelligenceの時代の終わり
Ethan Mollickは、AIとの協働を描いた前著『Co-Intelligence』に続く新著『Co-Existence』を10月20日に刊行する。チャットボット中心の協働から、AIエージェントが人間を上回る場面もある時代への移行を扱う。原文によれば、Anthropicは社内コードの80%をAIが書き、開発者1人あたりの出荷量が8倍になったと報告した。
One Useful Thing (Ethan Mollick)AIスコア6262 Ethan Mollick、AIエージェント時代の「Thing」の輪郭と連鎖的な混乱を論じる
Ethan Mollickは、2025年後半からAIエージェントにより「AIを管理する時代」に入ったと論じている。ベンチマークの指数的な向上、StrongDMのSoftware Factory、2月の1週間の出来事を挙げ、再帰的自己改善がロードマップにあると述べる。
One Useful Thing (Ethan Mollick)AIスコア5353 Ethan Mollick、AI時代の強みは「マネジメント力」と論じる ペンシルベニア大学の4日間起業授業から
Ethan Mollickは、AIエージェントを使いこなす鍵は委任とマネジメントの技能だと論じている。エグゼクティブMBAの学生が4日間でClaude CodeやGoogle Antigravityを使い、動くプロトタイプを備えた起業案を作った経験が根拠である。AIへの委任可否は、人間の基準時間、成功確率、AI処理時間の3変数で考えるとしている。