AIコーディングCLIで毎回スキル名を思い出すのをやめた。文脈から候補を出す“ルーター”の作り方
登録してあるスキルが30個を超えたあたりで、自分でも名前を思い出せなくなりました。 AIコーディングCLI（Claude Code や Codex など）には、定型作業を手順書にした「スキル」を仕込めます。記事を書く、アイコンを作る、リリースする。便利なので増やしていったら、いざ使うときに「あれ、記事書くやつって何て名前だっけ」と、自分の作ったものを探す羽目になりました。 毎回スキル名を正確に打つのが、地味に面倒だったんです。 結局これをやる 先に結論から書きます。やったのは、**「今の話の流れに合いそうなスキルを、近さと根拠つきの番号リストで出して、選ぶだけ」**にするルーターを...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
FAQ・Q&A形式は、なぜAI検索に取り上げられやすいのか
想定質問と短い答えを並べるFAQ形式は、AI検索に引用される材料として相性がよいとされます。その理由を仕組みから説明し、実際にどう作れば効きやすいかの型を整理します。効果の測定値は測っていないものは書きません。
続きを読む →
止まったメディア更新を、見張り役が自動で叩き起こしていた話 ― 導入初日に3本を復活させた記録
前の記事で、自社メディアの自動更新が最大91%抜けていたと書きました。その穴を塞ぐために「見張り役」を1本入れました。1時間ごとに全ジョブを見回り、止まっていたら自動で再始動します。導入初日、実際に3本を叩き起こし、59時間止まっていた記事生成を復活させました。ただし、この見張り役にも正直な弱点があります。
続きを読む →
経理は13本、マーケは1本 — 27本の自動化ジョブが教えてくれた「AIに任せてよい仕事」の見分け方
弊社の自動化ジョブは27本ありますが、内訳は経理13本に対してマーケはたった1本。しかも毎朝の定型集計には、あえてAIモデルを一切使っていません。この偏りと設計判断から見えてきた「AIに向く仕事・向かない仕事」の見分け方を、実際の数字だけで書きました。
続きを読む →