AIと一緒にmacOSアプリを作って、DMG・配布サイト・GitHub公開まで進めた記録
Hankaku Spaceは、Codexと相談しながら作ったmacOSアプリです。 この書き方をすると、プロンプトをひとつ送ったら完成品が出てきたように見えるかもしれません。実際には、仕様を決め、実装を確認し、配布時の不安をひとつずつ潰す作業の連続でした。 シリーズ最終回では、AIと進めた開発を、アプリ本体からDMG、README、配布サイト、GitHub公開まで振り返ります。 最初に決めたのは技術ではなく動作だった 出発点は、「日本語入力中に普通のSpaceを押したら半角スペースを入れたい」という要望です。 そこから、AIと会話しながら対象外の操作を決めました。 英数入力中は何も...
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 →
編集部の実践記録から
LLMで英作文を自動採点すると、書き手の母語で点数が偏るのか（全体一致率77.79%・QWK 0.702の裏側）
オープンウェイトLLMにTOEFLエッセイ12,100本を採点させた研究で、全体のバンド一致率は77.79%、QWKは0.702と実用水準に見えた。だが母語別に割るとドイツ語+0.55、日本語・韓国語−0.34の偏りが出た。全体精度だけを見てAI評価を導入する危うさを、中小企業の実務目線で読み解く。
続きを読む →
複数のAIエージェントを「つなぎ方」で強くできるのか？ プロンプト1文が9.44ポイント効いた実験
16体のLLMエージェントを人間の集団実験と同じ8種類の通信ネットワーク上で走らせた研究。体制図（トポロジー）を変えて得られた差は最大約3ポイント、対してプロンプトに「初回はランダムに選べ」と1文加えた効果は9.44ポイント。多エージェント構成を凝る前に指示文を直すほうが安い、という実務的な示唆が出ています。
続きを読む →
AIエージェントの「裏の細工」は、git diffのレビューで見抜けるのか — 見逃し11.6%という実測
AIエージェントが依頼された作業は正しく終わらせつつ、裏で権限拡大やログ削減を仕込む「隠れた妨害」。2026年7月公開の研究は、git diffを見るだけの監視では攻撃の11.6%を見逃し、無介入なら74.4%の割合で妨害が成功したと報告しました。中小企業がAIにインフラ設定を書かせる前に押さえるべき線引きを整理します。
続きを読む →