AI ハンドブック on RanceLee的博客

AIで5分で無料HTMLページを作成する方法

Mon, 01 Jan 0001 00:00:00 +0000

なぜこの章があるのか：50円で心臓発作になりそうだった話

この章を書いた理由は単純です。友人が簡単な抽選ホイールのWebページを作るのに50円払ったからです。

それを聞いて、私は心臓発作になりそうでした。

50円が高いわけではありません。こんなもの、無料のAIを使えば5分で作れるのに！

本当に、もしそんなニーズがあるなら、直接私に50円をチップして、ステップバイステップで教えてもらう方が、ああいったサービスに払うよりマシです。少なくとも私のチュートリアルは無料で、各ステップを明確に説明します。

そこでこの章は特別編として、無料のAIを使ってシンプルで実用的なHTMLページを作る方法を具体的に教えます。

重要な注意：まずは無料のWeb版に慣れよう

本題に入る前に、一つ強調しておきたいことがあります。

現在のAI Web版はすでに非常に強力です。 プログラミングの知識は不要、ソフトウェアのインストールも不要、ブラウザを開くだけで使えます。

AI Web版でできること：

チャットで質問に答える
画像を認識して内容を分析する
コードを書いてWebページを作る
PPTやレポートを作成する
文書を翻訳・要約する
その他多数…

私の提案：初心者はまず無料のWeb版AIに習熟してから、APIなどの高度なツールを検討すべきです。

なぜなら、Web版は：

完全無料（または generous な無料枠がある）
シンプルで学習曲線がない
すでに十分強力
問題があれば直接AIに質問できる

それでは本題に入りましょう。AIを使って抽選ホイールのWebページを作るです。

AI Studioを使ってHTML Webページを作成する

ステップ1：Google AI Studioにアクセス

使用するのはGoogle AI Studio、Google公式の無料AIプラットフォームです。

なぜこれを選ぶのか？

完全無料
Gemini 3 Proが強力
Webページ作成のような複雑なタスクに適している

手順：

https://aistudio.google.com を開く
Googleアカウントでログイン（VPN/プロキシが必要）
メインインターフェースに入る

ステップ2：Playgroundとモデルを選択

ログイン後、AI Studioのメインインターフェースが表示されます。

手順：

左側メニューの「Playground」をクリック
右上のモデルセレクターで Gemini 3 Pro を選択
- Flashは選ばないでください。Proの方が高性能です
- 特にコードを書くような複雑なタスクにはProが適しています
左側がチャットインターフェースで、下部に入力ボックスがあることを確認これでAIとチャットする準備が整いました。

ステップ3：プロンプトを入力してAIにWebページを生成させる

このステップが鍵です。AIに何をしてほしいかを明確に伝える必要があります。

詳細であればあるほど良い！「抽選ページを作って」とだけ言うのではなく、以下の点を具体的に：

見た目
機能
使い方
スタイル

完全なプロンプト例

以下のテキストをコピーしてAI Studioの入力ボックスに貼り付けてください：

Please help me generate a lottery wheel webpage.

If no prizes are specified, use default prizes: Grand Prize, First Prize, Second Prize, Third Prize, Lucky Prize, Try Again.

Functional requirements:
- Beautiful wheel design, supporting 6-8 sectors
- A "Start Lottery" button in the center
- Click the button to spin the wheel
- The spin should have acceleration and deceleration effects for realism
- After stopping, a popup shows the result
- Click the popup to close and spin again

Design requirements:
- Festive and grand style (mainly red and gold)
- The wheel border should have texture
- Each sector should have alternating colors
- A pointer indicating the current position
- Responsive for mobile and desktop

After completion, please explain:
1. How to open and use it
2. How to modify the prize names
3. How to adjust the winning probability

Use example prizes: iPhone 16, AirPods, 100 yuan red envelope, 50 yuan red envelope, Try Again

手順：

上記のプロンプトをコピーして入力ボックスに貼り付ける
「Run」ボタンをクリックするか、Enterキーを押す
AIが生成するのを待つ（通常10～30秒）

ステップ4：AIが完全なHTMLコードを返す

AIの生成が完了すると、大きなコードブロックが表示されます。

AIの応答には通常以下が含まれます：

HTMLコード：完全なWebページファイル
使用方法：開き方や修正方法
カスタマイズガイド：賞品の変更や確率調整方法

コードはこんな感じです：

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Lottery Wheel</title>
    <style>
        /* Style code here */
    </style>
</head>
<body>
    <!-- Webpage content here -->
    <script>
        // Function code here
    </script>
</body>
</html>

怖がらないで！ Webページはすぐに実行できます！スクリーンショットに従ってクリックするだけです。

ステップ5：Webページの内容を修正する（賞品の変更、確率の調整）

AIが生成したWebページは通常かなり完成度が高いですが、以下のような修正をしたい場合もあるでしょう：

賞品名を変更
当選確率を調整
色を変更

心配しないでください。コードを理解する必要はありません。AIにどんどん質問しましょう！

会話を続けて、AIに修正を依頼する

手順：

AI Studioのチャットウィンドウを閉じないでください
- AIは以前の会話を覚えています
- 下に続けて質問を入力できます
修正リクエストを入力する

例1：賞品名を変更する

入力ボックスに次のように入力：

Add a settings interface to this webpage to set the probabilities and specific prizes for different awards.

満足するまで繰り返す

これがAIでものを作る核となるプロセスです：

欲しいものを明確に伝える
AIが最初のバージョンを生成
試してみて、問題を見つける
AIに問題を伝え、修正させる
ステップ3～4を完璧になるまで繰り返す

ポイント：

面倒がらずに何度も試す
一度に一つのことだけ変更して管理しやすくする
AIが間違った変更をしたら「いいえ、前のバージョンに戻してください」と言う

ステップ6：最終的なWebページをダウンロードする

これで完璧な抽選ホイールWebページができました。ダウンロード方法は？

ダウンロードボタンをクリックするだけで、ローカルにダウンロードされ、開いて使えます！

HTML Webページで何ができる？おすすめ実用的ミニツール10選

ここまでで、抽選以外に、AIでどんなWebページが作れるのか？ と思っているかもしれません。

答えは：ほぼすべてのシンプルなミニツール！

以下は10の実用的な例です。直接AIに作ってもらうことができます：

1. オンライン翻訳ツール

プロンプト：

Make an online translation webpage that supports Chinese-English translation with a clean interface.

2. 画像文字認識（OCR）

プロンプト：

Make a webpage that can upload an image, recognize text in the image, and allow copying.

3. ToDoリスト

プロンプト：

Make a to-do list webpage that can add, delete, and mark tasks as complete, with data saved in the browser.

4. カウントダウン/タイマー

プロンプト：

Make a multi-functional timer webpage: countdown, Pomodoro timer, stopwatch.

5. ランダムパスワード生成

プロンプト：

Make a password generator that can set length and complexity, with one-click copy.

6. BMI計算機

プロンプト：

Make a BMI health calculator that inputs height and weight and displays health advice.

7. QRコード生成

プロンプト：

Make a QR code generation webpage that inputs text or URL, generates a QR code, and allows download.

8. カラーピッカー

プロンプト：

Make a color tool that can select colors, display RGB/HEX values, and provide color scheme suggestions.

9. Markdownエディタ

プロンプト：

Make a simple Markdown editor with input on the left and real-time preview on the right.

10. 支出管理ツール

プロンプト：

Make a simple expense tracking webpage that can record income and expenses and display statistical charts.

これらのツールの共通点：

すべて単一のHTMLファイル
サーバー不要
ブラウザで開くだけ
完全無料

よくある質問

Q1：コードがまったくわかりませんが、本当にできますか？

A：はい、できます！必要なのは以下の3つだけです：

コピー＆ペースト
ファイルを保存
ブラウザでファイルを開く

この3ステップだけで、子供でもできます。

Q2：AIが生成したコードが完璧でない場合は？

A：それは普通です！AIとの会話を続けてください：

「ここにバグがあります。ボタンをクリックしても何も起こりません」
「この色は見苦しいので、きれいな色に変えてください」
「効果音を追加できますか？」

AIはあなたのフィードバックに基づいて改善を続けます。

Q3：AIで作ったWebページを商用利用できますか？

A：技術的には可能ですが、注意点があります：

AIが生成したコードには通常、著作権制限はありません
ただし、クライアントのプロジェクトで使用する場合は十分にテストしてください
複雑な商用プロジェクトでは、プロの開発者を雇うことをお勧めします

Q4：HTMLファイルが開かないのはなぜですか？

A：よくある原因：

ファイル拡張子が間違っている：.html になっていることを確認（.html.txt ではない）
コードが不完全：すべてのコードをコピーしたか確認
ブラウザの問題：別のブラウザを試す

Q5：スマートフォンでも使えますか？

A：はい！2つの方法：

HTMLファイルをスマホに転送し、モバイルブラウザで開く
Netlifyなどのプラットフォームにアップロードし、URLでアクセス（推奨）

Q6：コードを修正したいが、方法がわからない？

A：自分で修正しないでください！AIに依頼しましょう：

「背景色を青に変更したい」
「タイトルのフォントを大きくしたい」
「BGMを追加したい」

AIに修正させてから、新しいコードをコピーしてください。

まとめ

今日学んだこと：

Google AI Studioを使ってHTML Webページを生成する方法
明確なプロンプトを書いてAIにニーズを伝える方法
HTMLファイルを保存してブラウザで開く方法
会話を通じてWebページを継続的に改善する方法
Webページを共有またはデプロイする方法

核となる考え方：

プログラミング知識は不要
お金は不要
AIとのコミュニケーション方法を知っていればOK
5分で実用的なツールを作成

次回、誰かに簡単なWebページを作ってほしいと言われたら：

AIを使って5分で作る
その50円を請求する（冗談です）
または、自分で作る方法を教える

本当に、お金を無駄にするのはやめましょう！

AI時代の始め方

Mon, 01 Jan 0001 00:00:00 +0000

皆さん、この2年間のAIの進歩の速さは、ためらう余地を全く与えませんでした。

私は株式市場で10年の経験を持つトレーダーで、コードは書けません。しかし2024年初頭からChatGPTを使い始め、今ではClaude Codeを毎日使ってObsidianのノートを読み、Codexでコンピュータを自動化し、Skillでワークフローを固めています。これらすべてを完全な初心者の視点から経験してきました——落とし穴にはまり、チュートリアルを書き、それらをすべて自分のワークフローに統合してきました。

この本は、私がこの1年間に書いた27のAIチュートリアルを一本の糸でつなぎ合わせたものです。技術的な原理についてではなく、コードが書けない人が実際にこれらのツールを使いこなす方法についてです。

AIツールは急速に進化するため…

⚠️ 本書のスクリーンショット、コマンド、ワークフローは、あなたが読む時点では最新バージョンと異なる可能性があります。

継続的に改訂します：

大きなアップデートがあれば、PDFに反映します。購入者はいつでも私に連絡して最新版（またはオリジナルのObsidian版）を入手できます。
Q&Aグループで直接質問してください。私はこれらのツールを毎日使っており、変更があればすぐに対応します。

読み方

メインスレッドで読む：

第1部：基礎 – AI大規模モデル、主要ツール、登録と支払い、Markdown——使用するものを理解します。
第2部：API – API、トークン、キャッシュ——実際に手を動かすために必要な技術的概念。
第3部：強力ツール – Claude Code、Codex CLI、Codex App、およびさまざまな新機能——主要ツールを実際に使ってみる。
第4部：応用 – Skill、MCP、Hook + PUAマインドセット——AIをより深く使うための鍵。
第5部：実践 – Bilibiliからテキストへ、DeepSeekとClaude、Open Minis——具体的で再現可能な例。
おまけ – N8Nのようなヘビーツール——おそらく必要ありません。

必要に応じて読む：

目次を参照して、最も解決したい課題（例：Claude Codeの使い方、Skillの書き方、APIリレーの設定方法）を見つけてください。

実際に試しながら読む：

読みながら自分のコンピュータで設定を行う——10回読むより効率的です。

こんな人には向いていません

❌ 高度なAIユーザー（Cursor、Cline、Aiderを1年以上使っている人）。
❌ すぐに使える解決策を求めており、ツールの設定に時間をかけたくない人。
❌ 読めばAIで月に数千ドル稼げるようになるという手っ取り早い解決策を期待している人。

お金を無駄にするくらいなら、売れる部数が少なくても構いません。

第1部 · 基礎：AIとは何か、何ができるのか

APIとトークンの基本解説

Mon, 01 Jan 0001 00:00:00 +0000

多くの経験者はAPI、トークン、Temperatureなど、難しく聞こえる専門用語をよく使います。この章では、これらの核となる概念をわかりやすく説明します。理解すれば、AIの仕組みを本当に把握し、より効果的に活用できるようになります。

APIとは？

APIを平易な言葉で

API = Application Programming Interface（アプリケーション・プログラミング・インターフェース）

この定義は専門的に聞こえるので、別の言い方をしましょう。

AIをレストランに例えると：

Web版 = レストランで食事をする
- 素敵な内装（Webインターフェース）
- ウェイター（ボタン、入力フィールド）
- 注文し、シェフが調理し、ウェイターがサーブする
API = テイクアウトを電話で注文する
- 内装はなし、キッチンと直接話す
- ウェイターなし、シェフと直接話す
- 欲しいものを伝え、シェフが準備して渡してくれる

主な違い：

Web版：インターフェースがあり、人間にとって便利
API：インターフェースがなく、プログラムにとって便利

なぜAPIを使うのか？

Web版がこんなに便利なら、なぜわざわざAPIを使うのでしょうか？

理由1：自動化

AIに1,000の文書を処理させ、1,000の要約を書かせるとします。

Web版：1,000回コピペして、1,000回送信ボタンを押す
API：スクリプトを書けば、コーヒーを飲んでいる間にすべて自動処理

理由2：自分のアプリへの組み込み

自動返信ボット、コンテンツ生成ツール、スマートカスタマーサービスエージェントを作りたい場合：

Web版：不可能
API：AIを自分のプログラムに直接組み込める

理由3：低コスト

Webサブスクリプション：ChatGPT Plus 月額20ドル、Claude Pro 月額20ドル
API従量課金：使った分だけ支払う。軽い利用なら月額数ドルで済むことも

理由4：柔軟性が高い

AIパラメータの微調整（Temperature、最大長など）
バッチ処理
カスタム入出力形式

API呼び出しの例

以下は簡単な例です（見慣れなくても心配しないでください。後で詳しく説明します）：

# Call the latest GPT-5.2 API with Python
response = openai.chat.completions.create(
    model="gpt-5.2",
    messages=[
        {"role": "user", "content": "Hello，Introduce yourself"}
    ]
)
print(response.choices[0].message.content)

たった数行のコードで、ブラウザ不要でAIが質問に答えてくれます。

2026年1月30日時点の公式APIモデル識別子：

OpenAI：gpt-5.2、gpt-5.2-chat-latest、gpt-5.2-pro
Anthropic Claude：claude-opus-4-5、claude-sonnet-4-5
Google Gemini：gemini-3-pro-preview、gemini-3-flash-preview

Web版 vs API 比較

項目	Web版	API
使い方	ブラウザでクリック操作	コードを書いて呼び出す
学習曲線	低い、誰でも使える	高い、プログラミングが必要
最適な用途	日常的なチャット、記事作成	自動化、バッチ処理、アプリ連携
コスト	月額サブスクリプション（20ドル/月）	従量課金（使った分だけ支払う）
柔軟性	Web機能に制限される	高度にカスタマイズ可能
速度	平均的	通常は高速（UIレンダリングなし）

トークンとは？

トークンの概念

トークン = AIが理解するテキストの最小単位

人間は単語や文をそのまま読むのに対し、AIはテキストを小さな断片に分割する必要があります。その一つ一つをトークンと呼びます。

例：

中国語：

「你好」≈ 1～2トークン
「今天天气不错」≈ 4～8トークン（モデルによる）

英語：

「Hello」= 1トークン
「How are you today?」≈ 5トークン

簡単な目安：

英語：1単語 ≈ 1トークン（約4文字）
中国語：1文字 ≈ 0.5～2トークン（AIモデルによる）
数字、句読点：通常1記号 = 1トークン

重要な発見：AIモデルによってトークンの定義が異なる！

あまり知られていない秘密：同じテキストでも、AIモデルが違えばトークン数がまったく異なることがあります！

なぜか？各AI企業が独自のトークナイザーを持ち、テキストの分割方法が異なるからです。

実際の例：

同じ文：「AI is revolutionizing market research.」

GPT-3：11トークン
GPT-3.5とGPT-4：9トークン
GPT-4oとGPT-5.2：8トークン

どうでしょう？同じ文でもモデル間で3トークンも違います！

別の中国語の例：

「人工智能正在改变世界」（「人工知能が世界を変えている」）

GPT-4o：おそらく10トークン
Claude Sonnet 4.5：おそらく12トークン
Gemini 3：おそらく8トークン

なぜ違いが生じるのか？

各企業はモデルを訓練する際に異なるトークナイズ手法を使用しています：

OpenAI（GPTシリーズ）：BPE（Byte-Pair Encoding）を使用
Anthropic（Claude）：独自の最適化トークナイザーを使用
Google（Gemini）：Geminiのドキュメントでは「1トークン ≈ 4文字」
DeepSeek：中国語に最適化されたトークナイザー

これがあなたにどう影響するか？

1. コスト比較は単純ではない

1,000文字の中国語があるとします：

GPT-5.2では1,500トークンになるかもしれない
Claude Sonnet 4.5では1,600トークンになるかもしれない
Gemini 3では1,400トークンになるかもしれない

それぞれ「入力 $X/100万トークン」と言っていても、実際のコストは10～20%も異なる可能性があります！

2. すべてのモデルに同じトークン計算機は使えない

OpenAIの公式トークナイザー（https://platform.openai.com/tokenizer）はGPTシリーズにのみ有効
ClaudeのトークンはAnthropicの計算方法が必要
GeminiのトークンはGoogleの計算方法が必要

3. 非英語言語ではさらに差が大きい

中国語、日本語、アラビア語などの非英語言語では、トークン効率が30～40%も変わることがあります。ほとんどのAIモデルは主に英語で訓練されているため、トークナイザーも英語に最適化されています。

トークンが重要な理由

1. トークンがコストを決める

APIの料金は文字数ではなくトークンに基づいています。

例（2026年1月30日時点の公式価格）：

GPT-5.2：入力 $1.75/100万トークン、出力 $14/100万トークン
Claude Opus 4.5：入力 $5/100万トークン、出力 $25/100万トークン
Gemini 3 Flash：入力 $0.50/100万トークン、出力 $3/100万トークン（標準ティア）

あなたが500トークンを送信し、AIが1,000トークンで返信した場合：

GPT-5.2の場合：(500 × 1.75 + 1000 × 14) / 1,000,000 = $0.01488（約1.5セント）
Gemini 3 Flashの場合：(500 × 0.50 + 1000 × 3) / 1,000,000 = $0.00325（約0.3セント）

2. トークンがコンテキスト長を決める

すべてのAIモデルにはトークン制限があります：

GPT-5.2（API）：最大400,000トークン
GPT-5.2-chat-latest：最大128,000トークン
Claude Sonnet 4.5：最大200,000トークン
Gemini 3 Pro Preview：最大1,048,576トークン（約100万）

この制限には、あなたのプロンプト＋AIの応答＋会話履歴が含まれます。

制限を超えるとどうなるか？

AIは会話の最初の部分を「忘れる」
またはエラーが発生して続行できなくなる

トークンの数え方

方法1：概算（速いが不正確）

中国語：文字数 × 1.5
英語：単語数 × 1.3

方法2：対応するオンラインツールを使う

OpenAI（GPTシリーズ）：https://platform.openai.com/tokenizer
汎用トークンカウンター：https://token-counter.app（複数モデルの比較に対応）
Gemini：Google AI Studioのcount_tokensメソッドを使用

重要な注意： モデル間で見積もる場合は、必ずそのモデル専用のツールを使ってください。GPTのトークン数を使ってClaudeのコストを見積もってはいけません！

入力トークン、出力トークン、キャッシュトークン

APIの課金はトークンを3種類に分けています：

1. 入力トークン

AIに送信する内容
プロンプト、アップロードした文書を含む
比較的安い

2. 出力トークン

AIが返す内容
AIの応答を含む
通常、入力トークンの2～10倍の価格

なぜ出力の方が高いのか？ AIが「考える」（テキストを生成する）には、「読む」（入力を処理する）よりも多くの計算リソースを使うからです。

例（GPT-5.2）：

入力：$1.75/100万トークン
出力：$14/100万トークン（入力の8倍！）

3. キャッシュトークン

これはコスト削減のテクニックです！

同じプロンプトを繰り返し使う場合、AIはそれをキャッシュし、次回の再処理を回避できます。

例： 1,000トークンのプロンプトで10回質問する場合：

キャッシュなし：毎回1,000トークン処理 → 合計10,000トークン
キャッシュあり：初回1,000トークン（通常価格）、残り9回は1,000トークン（キャッシュ価格、90%割引）

キャッシュをサポートするモデル：

Anthropic Claude（Prompt Caching）
OpenAI GPT-5.2（キャッシュ対応、90%割引）

キャッシュの課金ルール：

初回読み取り：通常価格
キャッシュヒット：価格が50～90%割引
キャッシュの有効期限：通常5～10分

Temperature（温度）とは？

Temperatureの概念

Temperature = AI応答の「ランダム性」または「創造性」を制御する

AIは基本的に「確率を計算」していることを思い出してください。「空は何色？」と尋ねると、AIは次のように見ます：

「青」の確率80%
「灰色」の確率10%
「赤」の確率5%

Temperatureは、AIがこれらの選択肢の中からどのように選ぶかを調整します。

Temperatureの値

Temperatureは通常0から2（またはプラットフォームによって0から1）の範囲です：

Temperature = 0（最も保守的）

AIは常に最も確率の高い答えを選ぶ
非常に安定し、予測可能な応答
同じ質問 → 毎回ほぼ同じ答え
最適な用途：事実に関する質問、コード生成、データ分析

Temperature = 1（バランス）

AIは確率に従ってランダムに選ぶ
応答は多少変わるが、妥当な範囲
ほとんどのプラットフォームのデフォルト
最適な用途：日常会話、一般的な使用

Temperature = 2（最も積極的）

AIは多くの可能性を試す
非常に多様で創造的な応答
不正確または無意味になる可能性あり
最適な用途：創作、ブレインストーミング、芸術的な作業

実用的な例

質問：私のコーヒーショップの名前を考えて

Temperature = 0：

「スターバックスコーヒー」（最も一般的で安全な答え）
毎回ほぼ同じ

Temperature = 1：

「モーニングライトカフェ」
「アロマタイム」
「ビーン＆コージー」
変わるが、どれも妥当

Temperature = 2：

「量子コーヒーディメンション」
「時空泡ラボ」
「コズミックラテターミナル」
非常に創造的だが、奇妙すぎる可能性も

Temperatureを調整するタイミング

低いTemperature（0～0.5）：

コード作成、デバッグ
データ分析、数学の問題
翻訳、要約
正確さが必要なタスク

高いTemperature（1.5～2）：

小説、詩の作成
命名、スローガン作成
ブレインストーミング
創造性が必要なタスク

各モデルは公式サイトで推奨Temperatureを掲載しています。例えば、DeepSeekのウェブサイトには次のように表示されています：

シナリオ	Temperature
コード生成 / 数学問題解決	0.0
データ抽出 / 分析	1.0
一般的な会話	1.3
翻訳	1.3
創作 / 詩	1.5

Web版で調整できるか？

ほとんどのWeb版では直接調整できない
しかしAPIでは正確に制御できる

コンテキスト長

コンテキスト長とは？

コンテキスト長 = AIが一度に「記憶」できる内容の量

人間と違い、AIには長期記憶がありません。各会話において、AIは限られた量の内容しか記憶できません。この制限をコンテキスト長と呼び、トークンで測定されます。

なぜAIは「忘れる」のか？

こんな経験はありませんか？

AIと長時間チャットしている
突然、最初に話した内容をAIが覚えていない
記憶喪失のようになる

理由：コンテキスト長の制限を超えたからです。

例：

GPT-5.2のコンテキスト長 = 128,000トークン
あなたとAIが50回のやり取りをし、合計130,000トークン使用
制限を超えたため、AIは最初の部分を「忘れる」

コンテキスト長の実用的な影響

1. 会話の長さに影響

短いコンテキスト：数十回のやり取りのみ
長いコンテキスト：数百回のやり取り

2. 文書処理に影響

短いコンテキスト：短い文書のみ
長いコンテキスト：本全体

3. コストに影響

コンテキストが長い → 処理が遅い
トークンが多い → コストが高い

コンテキスト制限への対処法

方法1：定期的に会話をクリアする

重要な情報を保存
新しい会話を開始
AIに背景を再度伝える

方法2：会話履歴を要約する

AIに以前の内容を要約させる
その要約を新しい会話の開始として使う
トークンを節約

方法3：大きなコンテキストを持つモデルを選ぶ

長い文書の場合：Gemini 3 Proを使用
長い会話の場合：Claude Sonnet 4.5を使用

その他の重要な概念

Max Tokens（最大トークン数）

Max Tokens = 1回のAI応答の最大長を制限する

Max Tokens = 100に設定：AIは最大100トークンで応答
Max Tokens = 2000に設定：AIは最大2000トークンで応答

なぜ制限するのか？

コストを制御（出力トークンは高価）
過度に冗長な回答を避ける
短い返信のみが必要なシナリオもある

Top P（核サンプリング）

Top P = ランダム性を制御する別の方法

Temperatureと似ているが、動作が異なる：

Top P = 0.1：最も確率の高い選択肢の上位10%のみを考慮
Top P = 0.9：最も確率の高い選択肢の上位90%を考慮

通常：

TemperatureかTop Pのどちらかを調整すれば十分
ほとんどの場合、Temperatureの方が直感的

Frequency Penalty（頻度ペナルティ）とPresence Penalty（存在ペナルティ）

繰り返しを減らすために使用

Frequency Penalty：頻繁に使われる単語にペナルティを課し、同じ単語の繰り返しを減らす
Presence Penalty：すでに出現した単語にペナルティを課し、AIが新しい話題を導入するよう促す

範囲：-2.0 ～ 2.0

正の値：繰り返しを減らす
負の値：繰り返しを許容
0：介入なし

まとめ：これらの概念をどう使うか？

日常利用（Web版）

Web版だけを使う場合、これらのパラメータを気にする必要はありません。デフォルトで問題なく動作します。

しかし、これらの概念を理解することで：

AIが時々会話の最初の部分を「忘れる」理由（コンテキスト制限）がわかる
APIユーザーが自分にはできないことをできる理由（パラメータ制御）がわかる
将来APIを使う準備ができる

APIを使う場合

APIを使うことにした場合、これらのパラメータは非常に重要になります：

基本設定（毎回）：

model：モデルを選択（例：gpt-5.2、claude-sonnet-4-5）
max_tokens：応答の長さを制限

必要に応じて調整：

temperature：事実ベースのタスクでは0～0.5、創造的なタスクでは1～2
top_p：通常はデフォルトで問題ない
frequency_penalty：AIが繰り返しすぎる場合、0.5～1に設定

コスト最適化：

キャッシュを使って節約
max_tokensを制御して無駄を避ける
適切なモデルを選ぶ（常に最も高価なモデルが必要とは限らない）
モデルによってトークンの定義が異なることを覚えておく

APIの呼び出し方とAPIプラットフォームの選び方

Mon, 01 Jan 0001 00:00:00 +0000

ここまでAPI、トークン、Temperatureといった中核的な概念を説明してきました。次は実践編です。実際にAPIを呼び出すにはどうすればいいのでしょうか？

多くの人はAPIを神秘的に感じていますが、いくつかの重要な要素を押さえれば、APIの呼び出しはオンラインショッピングと同じくらい簡単です。この章では、ステップバイステップで解説します。

API呼び出しの3つの中核要素

どのツールやプラットフォームを使うにしても、AI APIを呼び出すには以下の3つが必要です。

1. APIキー

APIキー = あなたの身分証明書

銀行でお金を引き出すときにキャッシュカードの暗証番号が必要なように、APIを呼び出すにはAPIキーが必要です。「これは私です。サービスを提供してください」と証明するためのものです。

APIキーはどんなもの？

通常は、長い文字列の英数字です。例：

sk-REPLACE_WITH_YOUR_API_KEY

重要な注意点：

APIキーは非公開です。他人と共有しないでください。
キーが漏れると、他人があなたのアカウントでAPIを呼び出せます（あなたの費用で）。
誤って漏らした場合は、すぐにプラットフォーム上で古いキーを削除し、新しいキーを生成してください。

2. ベースURL

ベースURL = レストランの住所

出前を注文するとき、レストランの場所を知る必要があります。APIを呼び出すときは、サーバーの場所を知る必要があります。

よくあるベースURL：

OpenAI: https://api.openai.com/v1
Anthropic Claude: https://api.anthropic.com/v1
Google Gemini: https://generativelanguage.googleapis.com/v1
DeepSeek: https://api.deepseek.com/v1

サードパーティのプラットフォームはURLが異なりますが、形式は似ています。

3. モデル名

モデル名 = 注文したい料理

レストランで「豚の角煮をください」と言うように、APIを呼び出すときは「GPT-5.2を使いたい」と言います。

よくあるモデル名：

OpenAI: gpt-5.2, gpt-5.2-chat-latest
Claude: claude-opus-4.5, claude-sonnet-4.5
Gemini: gemini-3-pro, gemini-3-flash
DeepSeek: deepseek-chat, deepseek-coder

完全なAPI呼び出しの例

これら3つを組み合わせると、最もシンプルなAPI呼び出しは次のようになります。

import openai

# 1. Set the API Key
openai.api_key = "sk-proj-YOUR_API_KEY"

# 2. Set the Base URL (if you use a third-party platform)
openai.base_url = "https://api.openai.com/v1"

# 3. Call the selected model
response = openai.chat.completions.create(
    model="gpt-5.2",  # Model Name
    messages=[
        {"role": "user", "content": "Hello"}
    ]
)

print(response.choices[0].message.content)

複雑に見えますか？ 心配しないでください。後で紹介するプラットフォームには、もっと簡単な方法があります。

公式API vs サードパーティプラットフォーム

具体的なプラットフォームを紹介する前に、重要な概念を明確にしておきましょう。公式APIとサードパーティプラットフォームの違いは何でしょうか？

公式API

公式API = OpenAI、Anthropic、Googleから直接購入

メリット：

安定性が最も高く、公式サーバーに直接接続
全機能が利用可能で、新機能もすぐにサポート
セキュリティが最も高く、データがサードパーティを経由しない

デメリット：

海外のクレジットカードが必要
VPNが必要（ChatGPT、Claude、Gemini）
比較的高価格
登録に障壁がある場合がある

サードパーティプラットフォーム

サードパーティプラットフォーム = 再販業者から購入

サードパーティプラットフォームは、まず公式からAPI枠を購入し、それをあなたに再販します。

メリット：

国内決済対応（Alipay、WeChat Pay、UnionPay）
VPN不要
通常、中国語のインターフェースとカスタマーサービスあり
1つのプラットフォームで複数のAIを呼び出せる（OpenAI、Claude、Geminiなど）
無料クレジットを提供するプラットフォームもある

デメリット：

安定性が公式に劣る場合がある
公式より価格が少し高い場合がある（ただし安い場合もある）
セキュリティはプラットフォームへの信頼が必要
機能のアップデートが公式より遅れる場合がある

どちらを選ぶべきか？

公式を選ぶべき人：

海外のクレジットカードを持っている
安定したVPNを持っている
データセキュリティを重視する
最新の機能が必要

サードパーティを選ぶべき人：

海外の支払い手段がない
VPNがない
国内決済を使いたい
1つのプラットフォームで複数のAIを呼び出したい

プラットフォームのおすすめ（国内2つ＋海外2つ）

以下に、私がおすすめする4つのAPIプラットフォームを紹介します。国内2つ、海外2つで、さまざまなニーズをカバーします。

1. DeepSeek公式（国内、公式プラットフォーム）

ウェブサイト： https://platform.deepseek.com

プラットフォームタイプ： 公式プラットフォーム

おすすめの理由：

公式プラットフォームで安定・信頼性が高い
DeepSeek V3.2の性能はGPT-5に迫る
中国国内から高速アクセス可能、VPN不要
登録が簡単、電話番号のみ
価格が非常に安く、コストパフォーマンスが高い

APIキー取得手順：

https://platform.deepseek.com を開く
右上の「ログイン/登録」をクリック
電話番号でアカウント登録
ログイン後、左側の「API Keys」をクリック
「Create API Key」をクリック
キーをコピー（一度しか表示されないので保存してください）
左側の「インターフェースドキュメント」をクリックしてURLとモデル名を確認

呼び出しパラメータ：

ベースURL: https://api.deepseek.com
モデル名: deepseek-chat（チャット）、deepseek-reasoner（推論）
APIキー: 先ほどコピーしたキー

2. Volcano Engine（国内、公式プラットフォーム＋サードパーティ）

ウェブサイト： https://console.volcengine.com/ark

プラットフォームタイプ： 公式プラットフォーム（ByteDance傘下）

おすすめの理由：

ByteDance公式プラットフォームで安定・信頼性が高い
Doubaoシリーズモデルに対応
国内決済対応（Alipay、WeChat Pay、UnionPay）
手頃な価格でコストパフォーマンスが高い
Doubao独自モデルに加え、DeepSeek V3.2、GLM 4.7など多くの国内オープンソースモデルも呼び出せる

利用手順：

https://console.volcengine.com/ark を開く
電話番号でVolcano Engineアカウントを登録
「Ark大規模言語モデル」コンソールに入る
実名認証を完了（身分証明書が必要）
「APIキー管理」をクリック
新しいAPIキーを作成
キーをコピーして保存
左側の「アクティベーション管理」をクリックし、使用したいモデルを選択
新しいページで必要なモデル名をコピー（同じモデルでもプラットフォームによって名前が異なる場合があるので注意）
アクティベーション管理ページに戻り、ステータスが「アクティブ」になっているか確認。なっていなければ右側をクリックしてモデル権限をアクティベート

呼び出しパラメータ：

ベースURL: https://ark.cn-beijing.volces.com/api/v3
モデル名: doubao-pro-32k、doubao-lite-32kなど
APIキー: 作成したキー

新規ユーザー特典：

登録時に無料クレジット
スクリーンショット上部のアクティビティに参加してさらに無料クレジットを獲得可能。私は毎日余るほど持っています。

3. Google AI Studio（海外、公式プラットフォーム）

ウェブサイト： https://aistudio.google.com

プラットフォームタイプ： 公式プラットフォーム

おすすめの理由：

Google公式プラットフォーム
無料クレジットあり（制限あり）
Gemini 3はトップクラスの性能
安定・信頼性が高い
非常に長いコンテキスト（200万トークン）に対応
Webインターフェースで直接無料で使用可能、コーディング不要

また、Web版を無料で使う方法

コードを書きたくない場合、Google AI Studioには非常に便利なWebチャットインターフェースがあり、Gemini 3 ProやGemini 3 Flashなどのモデルを直接使用できます。実質的に有料のGeminiユーザーになったようなものです。

利用手順：

https://aistudio.google.com を開く
Googleアカウントでログイン（VPNが必要）
左側の「Playground」をクリック
右上でモデルを選択：
- gemini-3-pro: 最良のモデル、複雑なタスクに適する
- gemini-3-flash: 高速モデル、日常会話に適する
- その他の実験的モデルも利用可能
入力ボックスに質問を直接入力し、「Run」をクリックするとAIが回答

高度な機能（Web版）：

1. ファイルのアップロード

入力ボックス右側の+アイコンをクリック
画像、PDF、ドキュメントなどをアップロード可能
マルチモーダル理解に対応

2. パラメータの調整

右側で先ほど説明したパラメータを調整可能
調整できる項目：
- Temperature（創造性）
- Top P
- 最大出力トークン数
- セーフティ設定

Web版のメリット：

コーディング不要
ソフトウェアのインストール不要
ブラウザで直接使用
ユーザーフレンドリーなインターフェース、全機能搭載
クイックテストや日常利用に最適

Web版はこんな人におすすめ：

コードが書けない完全な初心者
Geminiの能力をすぐに試したい人
日常的なチャットや質問
ドキュメントや画像などのマルチモーダルタスク

APIキーの取得（上級者向け）

本題に戻り、APIキーの取得方法です。

APIキー取得手順：

AI Studioページで、左側の「APIキーを取得」をクリック
「APIキーを作成」をクリック
生成されたAPIキーを作成してコピー
Playgroundに戻り、右側でモデル名を選択してコピー

呼び出しパラメータ：

ベースURL: https://generativelanguage.googleapis.com/v1beta
モデル名: gemini-3-flash-preview
APIキー: コピーしたキー

無料枠の制限

重要！Google AI Studioはデフォルトで無料枠を使用します。制限は以下の通りです（2026年1月時点、変更される可能性あり）：

1分あたりのリクエスト数（RPM）: 15
1日あたりのリクエスト数（RPD）: 1500
1分あたりのトークン数（TPM）: 100万トークン

詳細な制限はこちら：https://ai.google.dev/gemini-api/docs/rate-limits?hl=en

無料枠で足りるか？

Webチャット: 十分すぎる
たまにAPIを呼び出す: 十分
大量の自動呼び出し: 足りない可能性あり

制限を解除するには？クラウドクレジットをリンクする

Google Cloudは新規ユーザーに10ドルの無料クレジットを提供しています。 これをAI Studioにリンクすると、より高い制限を解除できます。Google Cloudアカウントの設定方法については、ネットで「Google Cloud 無料クレジット」を検索すれば多くのチュートリアルがあります。ここでは割愛します。

リンク手順：

AI StudioでAPIインターフェースに戻り、「課金を設定」をクリック
先ほど作成したGoogle Cloudの課金アカウントをリンク

リンク後のメリット：

レート制限が大幅に向上（RPMが1000以上に）
無料クレジットは引き続き有効
10ドルあれば、強力なflashモデルで長期間使用可能
Web版とAPIの両方でより高い割り当てを享受

4. OpenRouter（海外、サードパーティプラットフォーム）

ウェブサイト： https://openrouter.ai

プラットフォームタイプ： サードパーティプラットフォーム

おすすめの理由：

1つのプラットフォームで主要なAIすべてを呼び出せる（GPT、Claude、Geminiなど）
価格が透明で、公式より安い場合もある
Alipay決済対応（中国ユーザーに便利）
クレジットカードと暗号通貨決済に対応
無料モデルで試用可能
ほぼすべての利用可能なモデルを呼び出せる
ランキングが信頼できる

APIキー取得手順：

https://openrouter.ai を開く
右上の「Sign In」をクリックし、GoogleまたはGitHubでログイン
ログイン後、右上のアバターをクリックし、「Keys」を選択
「Create Key」をクリック
キーに名前を付けて作成をクリック
生成されたキーをコピー
検索ボックスで目的のモデルを検索し、名前をコピー

呼び出しパラメータ：

ベースURL: https://openrouter.ai/api/v1
モデル名:
- GPT-5.2: openai/gpt-5.2
- Claude Opus 4.5: anthropic/claude-opus-4.5
- Gemini 3 Pro: google/gemini-3-pro
- 無料モデル: meta-llama/llama-3.1-8b-instruct:free
APIキー: 作成したキー

チャージ方法：

Alipay（最も便利）
クレジットカード
暗号通貨（USDCなど）

価格面のメリット：

一部のモデルは公式より10～20％安い
価格が透明で、ウェブサイトで直接確認可能
プロバイダー間で競争があり、最安値を選べる

無料オプション：

一部のモデルは完全無料（:freeと表示）
新規ユーザーは無料クレジットで試用可能
まず無料モデルでテストできる

モデルランキング

ランキングページでは、プラットフォーム上のモデル呼び出しデータを確認でき、ランキングは非常に信頼性が高い。

その他の無料プラットフォーム

スペースの都合上、他にも無料で使えるプラットフォームをいくつか紹介します。

Cerebras（超高速推論）

ウェブサイト： https://cloud.cerebras.ai

特徴：

非常に高速な推論（世界最速と謳う）
無料のLlamaモデル呼び出しを提供
登録が簡単、GitHubでログインするだけ

NVIDIA NIM（NVIDIA公式）

ウェブサイト： https://build.nvidia.com

特徴：

NVIDIA公式AIプラットフォーム
複数の無料モデルを提供
テストや開発に適する

どちらのプラットフォームも無料クレジットを提供しています。興味があれば登録して試してみてください。

まとめ

3つの中核要素：

APIキー
ベースURL
モデル名

おすすめの4つのプラットフォーム：

DeepSeek公式（公式） - 中国国内で最も低コストな選択肢
Volcano Engine（公式＋サードパーティ） - 国内プラットフォーム、ほとんどの国内オープンソースモデルを呼び出せる
Google AI Studio（公式） - 海外で最も優れた無料選択肢（Cloud Credits併用）、Webで直接使用可能
OpenRouter（サードパーティ） - オールインワンプラットフォーム、Alipay対応

API実践：Immersive Translateを接続する

Mon, 01 Jan 0001 00:00:00 +0000

前の章では、APIキーの取得方法とAPIの基本概念を学びました。しかし、こう思っているかもしれません：コードが書けないのにAPIキーがあっても何の役に立つの？

良い知らせは：コードの知識は必要ありません！

この章で紹介するImmersive Translateは、他の誰かが作った既製のツールです。あなたがするべきことは：

ダウンロードしてインストール
APIキーを入力
使い始める

これだけです。

次のように考えてください：

APIキーは「会員カード」
これらのツールはすでに建てられた「遊園地」
カードを持って楽しむだけ

この本の後半では、さらに高度な内容に進みます — 第12章ではAPIリレーの設定方法を、第13章ではClaude Codeをコンピュータにインストールする方法を学びます。この章では、まずこれらの既製ツールの使い方を学び、APIの力を体験しましょう。

Immersive Translate

それは何ですか？

Immersive Translate = 最も強力なウェブ翻訳プラグイン

想像してみてください：

YouTubeの動画を見ていると、字幕が自動的に中国語に翻訳される
英語のニュースを読んでいると、ページにバイリンガルテキストが表示される
PDFの論文を読んでいると、テキストにカーソルを合わせると翻訳が表示される

それがImmersive Translateができることです。

なぜAPIを使うのか？

Immersive Translateにはいくつかの無料翻訳サービス（Google翻訳、Microsoft Translatorなど）が付属していますが：

無料版には使用制限がある
翻訳品質は平均的
専門用語が不正確な場合がある

AI APIに接続した後：

GPT-5.2、Claude、Geminiで翻訳 — 品質は従来の翻訳をはるかに上回る
文脈を理解し、翻訳がより自然
専門用語が正確に翻訳される
従量課金制で、軽い使用なら非常に安い

ダウンロード方法？

対応ブラウザ：

Chrome
Edge
Firefox
Safari

ダウンロード手順：

Immersive Translate公式サイトを開く：https://immersivetranslate.com
「今すぐインストール」をクリック
対応するアプリストアにリダイレクトされる
- Chrome/Edge：Chrome Web Store
- Firefox：Firefox Add-ons
- Safari：App Store
「ブラウザに追加」または「インストール」をクリック
インストール後、ブラウザの右上隅にプラグインアイコンが表示されます

APIの設定方法？

手順：

設定ページを開く
- ブラウザの右上隅にあるImmersive Translateアイコンをクリック
- 「設定」を選択
翻訳サービスの設定を見つける
- 設定ページで「翻訳サービス」を見つける
- Google、DeepL、OpenAIなど、多くの翻訳オプションが表示される
AI翻訳サービスを選択する

Geminiを例に（以前AI Studioで取得したAPIを覚えていますか？）：

「Gemini」または「Google AI」オプションを見つける
AI Studioから取得したAPIキーを入力
Base URL: [https://generativelanguage.googleapis.com/v1beta](https://generativelanguage.googleapis.com/v1beta/models/{model}:generateContent?key={key})
Model: gemini-3-flash-preview
テストして保存

デフォルトの翻訳サービスとして設定
- 「主要翻訳サービス」で、設定したAIを選択
- これにより、すべての翻訳がAIを使用する
- フローティングボールを有効にすることをお勧めします

使い方？

使い方はとても簡単です：

任意の外国語のウェブページを開く
- 例：https://www.nytimes.com（ニューヨーク・タイムズ）
- 例：https://www.bbc.com（BBCニュース）
翻訳を開始
- ブラウザの右上隅にあるプラグインアイコンまたはフローティングボールをクリック
- またはショートカットキー（通常はCtrl+Shift+X）を使用
- ページがすぐにバイリンガルになります
翻訳スタイルをカスタマイズ
- バイリンガル表示（推奨）：原文と翻訳を並べて表示
- 翻訳のみ：翻訳テキストのみ表示
- ホバー翻訳：テキストにカーソルを合わせると翻訳を表示

高度な機能：

PDF翻訳：PDFをアップロードして文書全体を翻訳
動画字幕翻訳：YouTube、Netflixなどの字幕を自動翻訳
入力ボックス翻訳：ウェブの入力ボックスに中国語で入力し、送信前に自動的に英語に翻訳
バイリンガル比較：外国語学習に最適なツール

コスト見積もり

Gemini 3 Flashを使用した翻訳：

英語1000語 ≈ 1500トークン
中国語への翻訳 ≈ 2000トークン出力
コスト：(1500×0.08 + 2000×0.30) / 1,000,000 ≈ $0.0007（約0.5セント）

言い換えれば： そのような記事を1000本翻訳しても、約5元（1ドル未満）しかかかりません！

まとめ

核心的な考え方：

自分でコードを書く必要はない
既製のツール + あなたのAPIキーを使う
AIの強力な機能を解放する

これらのツールの本質：

それらは他の誰かが作った「橋」
あなたのAPIキーは「通行証」
通行証を持って橋を渡るだけ

Bilibili動画文字起こしスキルを構築する

Mon, 01 Jan 0001 00:00:00 +0000

一部の読者から、Bilibili動画から自動でノートを取れないかと質問がありました。そこでスキルを作成し、現在オープンソース化しています。

このスキルの動作は次のとおりです。Bilibiliのリンクを渡すと、自動的に動画の音声をダウンロードし、AIに送信して文字起こしを行い、別のAIで要約を生成し、最後に全文の文字起こしと要約の両方をObsidianの受信箱に保存します。

プロセス全体に手動操作は不要で、少し待つだけで完了します。

必要なツール

このスキルを動作させるには、いくつかのツールが必要です。

yt-dlp

これは、さまざまなプラットフォームから音声や動画をダウンロードするためのコマンドラインツールです。このスキルでは、Bilibili動画から音声ストリームをM4Aファイルとしてダウンロードするために使用します。

macOSでのインストール（推奨）：

brew install yt-dlp

Homebrewがない場合は、pip経由でもインストールできます。

pip install yt-dlp

ffmpeg

yt-dlpは音声処理にffmpegに依存しています。これがないとエラーが発生する可能性があります。

brew install ffmpeg

Python 3

このスキルには、API呼び出し、ファイル処理、テンプレートレンダリングを処理するPythonスクリプトが含まれています。macOSには通常Python 3が付属しています。次のコマンドで確認できます。

python3 -V

バージョン番号が表示されれば問題ありません。特定のバージョンは必要ありません。

Gemini API（音声文字起こし）

文字起こしにはGoogleのGeminiモデル、具体的にはgemini-3-flash-previewを使用します。

このモデルには、通常のGoogleアカウント向けに1日あたりの無料枠があり、日常的な使用には十分です。枠を超えると429エラーが発生します。その場合は、翌日まで待ってリセットされるのを待ってください。

APIキーはaistudio.google.comで取得できます。

アクセスしたら、左側のGet API keyをクリックして作成してください。

DeepSeek API（コンテンツ要約）

要約にはDeepSeekを使用しています。私の要約の習慣に合っているからです。

APIキーはplatform.deepseek.comで取得できます。

アカウントを登録し、APIキーを作成してください。DeepSeekのAPIは非常に手頃な価格で、少額のチャージで長持ちします。

インストールと使用方法

ステップ1：スキルパッケージをダウンロード

私のブログからダウンロードしてください：https://blog.discoverlabs.ac.cn/downloads/bili-to-obsidian-skill/

解凍後、フォルダを~/.claude/skills/に配置し、パスが~/.claude/skills/bili_to_obsidian/になるようにしてください。

ステップ2：設定を記入

~/.claude/skills/bili_to_obsidian/scripts/bili_to_obsidian.pyを開き、最初の数行を見つけてください。

API_KEY = "YOUR_GEMINI_API_KEY"
DEEPSEEK_API_KEY = "YOUR_DEEPSEEK_API_KEY"

TEMPLATE_PATH = Path("/path/to/your/Obsidian-vault/02-Templates/Note.md")
OUTPUT_DIR = Path("/path/to/your/Obsidian-vault/00-Inbox")

次のフィールドを変更します。

YOUR_GEMINI_API_KEY：aistudio.google.comで取得したキーに置き換えてください。
YOUR_DEEPSEEK_API_KEY：DeepSeekで取得したキーに置き換えてください。
TEMPLATE_PATH：Obsidianノートテンプレートのフルパスに置き換えてください。
OUTPUT_DIR：Obsidian受信箱のフルパスに置き換えてください。

Obsidianノートテンプレートを使用しない場合は、TEMPLATE_PATHを存在しないパスに設定しても問題ありません。テンプレートが見つからない場合、スクリプトは基本的な形式を生成するため、そのまま動作します。

ステップ3：呼び出し

Claude Codeで、次のように入力します。

/bili_to_obsidian paste-the-Bilibili-video-link-here

あとは完了するのを待つだけです。通常は数分以内に完了します。

重要な注意事項

Geminiの無料枠は1日あたりに制限があります。1日に多くの動画を処理し、429エラーが発生した場合は、枠を超えています。翌日まで待ってリセットされるのを待ってください。頻繁に超える場合は、複数のGoogleアカウントを登録し、APIキーをローテーションしてください。

パスの行は、ご自身のものに変更する必要があります。ダウンロードパッケージ内のものは私のコンピュータのものです。そのまま使用するとエラーが発生します。

形式は私のObsidianテンプレートに基づいています。テンプレートの構造が異なる場合、文字起こしの内容が正しく配置されない可能性があります。その場合は、スクリプトをAIに渡し、テンプレートの構造を説明し、アンカーポイントを調整するよう依頼してください。

ダウンロード

私のブログからダウンロードしてください（私のAPIキーは削除してあります）。

https://blog.discoverlabs.ac.cn/downloads/bili-to-obsidian-skill/

このスキルはしばらく使用しています。特に教育系のBilibili動画を文字起こしし、直接Obsidianに保存して参照するのに便利です。

さらに、音声ダウンロードにはyt-dlpを使用しており、Bilibiliだけでなく、YouTube、Twitter、Douyinなど何百もの動画サイトに対応しています。したがって、このスキルはBilibiliに限定されず、他のプラットフォームのリンクでも使用できます。ぜひ試して、さらに拡張してみてください。

Claude Code: 実践入門

Mon, 01 Jan 0001 00:00:00 +0000

最もエキサイティングな部分、つまりAIを使ってコードを書いてもらう方法に飛び込みましょう。

「コードなんて全然わからないけど、自分に関係あるの？」と思うかもしれません。

逆に、コードを知らないからこそ、このツールはあなたにぴったりです。

かつて5000円払ってWebページを作ってもらった友達を覚えていますか？Claude Codeを使えば、そんなことはもう二度とありません。あなたがやりたいことを普通の言葉でAIに伝えるだけで、完全なプログラムを書いてくれます。

今日紹介するのは、ターミナルで動作するAIプログラミングアシスタント「Claude Code」です。あなたがやりたいことを平易な言葉で伝えるだけで、プログラム全体を書いてくれます。

なぜIDEではなくターミナルツールを使うのか？

IDEとは？

IDE = 統合開発環境（Integrated Development Environment）

簡単に言うと、IDEとはプログラマーがコードを書くためのソフトウェアです。例えば：

VS Code
Cursor
PyCharm
WebStorm

これらのツールは複雑なインターフェースと強力な機能を持っていますが、コードを全く知らない人にとっては、むしろ負担になります。

ターミナルをおすすめする理由

理由1：シンプルなインターフェース

IDE：ボタン、メニュー、サイドバー、ステータスバーだらけで、一目見ただけで圧倒される
ターミナル：ただの黒い画面 – コマンドを入力し、結果を得る。クリーンでわかりやすい

理由2：コードを手動で編集する必要がない

コードがまったく理解できない場合、IDEに表示されるコードは暗号のように見えます。読めないし、どう変更すればいいかもわかりません。

すべてAIが書いてくれるのに、なぜコードを見る必要があるのでしょうか？

ターミナルのClaude Codeは以下のことを自動で行います：

ファイルの自動作成
コードの自動記述
コードの自動修正
テストの自動実行

あなたはやりたいことを伝えるだけで、あとはすべて処理してくれます。

理由3：軽量なソフトウェア

Cursor/VS Code：数百MBあり、さらに様々なプラグインをインストールする必要がある
ターミナル：システムに組み込まれており、追加インストール不要

まとめ：コーディング経験ゼロでAIにものづくりを手伝ってもらいたい人には、ターミナル＋Claude Codeが最もシンプルで直接的な組み合わせです。

ターミナルの基本：プロジェクトフォルダを開く方法

Claude Codeを使う前に、1つの基本操作を覚える必要があります：ターミナルでプロジェクトフォルダを開くことです。

Macユーザー向け

方法1：右クリックで開く（推奨）

Finderでプロジェクトフォルダを見つける
フォルダを右クリック（またはトラックパッドを2本指でタップ）
「フォルダに新しいターミナル」 を選択

方法2：Optionキーを押しながら右クリックでパスを取得

Finderでプロジェクトフォルダを見つける
Optionキーを押しながらフォルダを右クリック
「フォルダ名のパス名をコピー」 を選択
ターミナルを開く（Launchpadで「ターミナル」を検索）
cd と入力（cdの後にスペースを入れる）
Command + V でパスを貼り付け
Enterキーを押す

例：

cd /Users/yourname/Desktop/my-project

方法3：ドラッグ＆ドロップ

ターミナルを開く
cd と入力（スペースを忘れずに）
Finderからフォルダをターミナルウィンドウに直接ドラッグ
パスが自動入力されるので、Enterキーを押す

Windowsユーザー向け

エクスプローラーでプロジェクトフォルダを見つける
アドレスバーに cmd または powershell と入力してEnterキーを押す
そのフォルダでコマンドラインが直接開く

または：

フォルダを右クリック
「ターミナルで開く」 を選択（Windows 11）

Claude Codeとは？

一言で言うと

Claude Code = ターミナルで動作するAIプログラミングアシスタント

Anthropic（Claudeの開発元）が提供する公式コマンドラインツールです。ターミナルで対話しながら、以下のことができます：

新しいプロジェクトの作成
コードの記述
コードの修正
バグの修正
コードの説明
コマンドの実行

Web版Claudeとの違いは？

機能	Claude Web	Claude Code
使い方	ブラウザでチャット	ターミナルでコマンド入力
ファイル操作	不可、会話のみ	可能、ファイルの作成・修正が直接できる
コード実行	不可	可能、あなたのコンピュータ上でコードを実行できる
最適な用途	質問、記事作成	プロジェクト構築、プログラム作成

重要な違い：Web版は「話す」だけだが、Claude Codeは「実行する」ことができる。

Claude Codeのインストール方法

前提条件

Node.js：Claude CodeにはNode.jsが必要です
- ダウンロード：https://nodejs.org
- LTS（長期サポート）バージョンを選択
- インストール後、ターミナルで node -v と入力して確認

2. ネットワーク環境：ClaudeのAPIにアクセスできる必要があります（VPNが必要な場合あり）

インストール手順

ターミナルを開いて、以下を実行：

npm install -g @anthropic-ai/claude-code

インストールが完了するのを待ちます。次のような出力が表示されれば成功です：

added 1 package in 2s

インストールの確認：

claude --version

バージョン番号が表示されれば、インストール成功です。

いくつかの使用方法

Claude CodeはAI機能にアクセスするための複数の方法をサポートしています。自分に合ったものを選んでください。

方法1：Claudeメンバーシップを購入する

これが最もシンプルで直接的な方法です。

Claudeメンバーシップのプラン：

プラン	価格	Claude Codeの割り当て
Claude Pro	月額$20	制限あり、軽い使用に適する
Claude Max	月額$100	より多くの割り当て、ヘビーユーザー向け
Claude Max	月額$200	最大の割り当て、プロフェッショナル開発向け

設定：

Claudeメンバーシップを購入したら、ターミナルを開く
claude を実行して起動
指示に従ってClaudeアカウントにログイン
ログイン後、すぐに使用開始

方法2：他のモデルのAPIを使用する

Claudeメンバーシップを購入したくない場合は、他のモデルのAPIを使ってClaude Codeを駆動することもできます。

対応モデル：

DeepSeek
OpenAI GPTシリーズ
OpenAI形式に対応したその他のAPI

2.1 環境変数で設定（DeepSeekの例）

DeepSeekのAPIはAnthropic形式と互換性があり、直接置き換えて使用できます。

Mac/Linuxの設定：

ターミナルで以下のコマンドを実行（一時的 – ターミナルを閉じると消えます）：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=${DEEPSEEK_API_KEY}
export API_TIMEOUT_MS=600000
export ANTHROPIC_MODEL=deepseek-chat
export ANTHROPIC_SMALL_FAST_MODEL=deepseek-chat
export CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1

その後、claude を実行するだけで起動します。

Windowsの設定（PowerShell）：

$env:ANTHROPIC_BASE_URL="https://api.deepseek.com"
$env:ANTHROPIC_AUTH_TOKEN="Your DeepSeek API Key"

その後、claude を実行するだけで起動します。

注意： この方法は一時的で、ターミナルを閉じると設定が失われます。恒久的に設定するには、以下の settings.json の方法を使用してください。

参考： https://api-docs.deepseek.com/guides/anthropic_api

2.2 settings.jsonで設定（推奨）

この方法の方が便利で、一度設定すればClaude Codeを起動するたびに自動的にこれらの設定が使用されます。

設定手順：

Claude Codeの設定フォルダを見つける：
- Mac/Linux：~/.claude/
- Windows：%USERPROFILE%\.claude\
settings.json ファイルを作成または編集（例）：

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.deepseek.com",
    "ANTHROPIC_AUTH_TOKEN": "Your DeepSeek API Key"
  }
}

ファイルを保存し、Claude Codeを再起動

ヒント： .claude フォルダが存在しない場合は、claude コマンドを一度実行すると自動的に作成されます。

ターミナルでClaude Codeを起動する方法

基本的な起動

ターミナルを開く
cd コマンドでプロジェクトフォルダに移動
claude と入力してEnterキーを押す

cd /path/to/your/project
claude

Claude Codeが起動し、インタラクティブなインターフェースが表示されます。そこでリクエストを入力し始めることができます。

よく使うコマンドと概念

Claude Codeのよく使うコマンド

コマンド	動作
`/help`	ヘルプ情報を表示
`/clear`	現在の会話をクリア
`/exit` または `Ctrl+C`	Claude Codeを終了
`/compact`	会話履歴を圧縮してトークンを節約
`/init`	プロジェクトを初期化し、CLAUDE.mdファイルを作成

プランモード

プランモード = まずClaudeに計画させてから実行させる

デフォルトでは、Claudeはすぐにコードを書き始めます。しかし、実行前に考えを整理してほしい場合もあります。そのときにプランモードを有効にします。

切り替え方法：

Shift + Tab を押して、3つのモードを切り替えます：

モード	説明
通常	通常モード、Claudeが直接実行
計画	プランモード、Claudeは計画のみで実行せず、確認を待つ
自動	自動モード、Claudeがすべての操作を確認なしで自動実行

プランモードを使うべき時：

プロジェクトが複雑で、Claudeにまずアプローチを明確にしてほしい場合
Claudeがどのように変更するか確信がなく、計画を見たい場合
Claudeの動作をより正確に制御したい場合

編集の承認

編集の承認 = Claudeの変更を自動的に承認するかどうか

Claudeがファイルを作成または変更しようとするとき、通常は確認を求めます。

切り替え方法：

Shift + Tab でモードを変更すると、次のように表示されます：

編集の承認：オフ – 変更のたびに手動で確認が必要
編集の承認：オン – すべての変更が自動的に承認され、確認なし

推奨：

初心者はオフのままにして、Claudeが各ステップで何をしているかを確認できるようにする
慣れてきたらオンにして、よりスムーズなワークフローを実現

`resume` とは？

resume = 以前の会話を再開する

ターミナルを閉じたりClaude Codeを終了した後、次回 --resume フラグを使って以前の会話を続けることができます：

claude --resume

Claudeは以前の会話を覚えているので、最初からやり直す必要はありません。

resumeを使うべき時：

昨日プロジェクトに取り組んでいて、今日も続けたい場合
コンピュータが予期せずシャットダウンし、進行状況を復元したい場合
Claudeに中断したところから続けてもらいたい場合

CLAUDE.md とは？

CLAUDE.md = プロジェクト説明ファイル

これはプロジェクトのルートディレクトリに配置するMarkdownファイルです。Claudeにプロジェクトの背景を伝えます。

作成方法：

まず claude を実行してClaude Codeを起動し、次に /init と入力します。

claude

Claude Code内で、次のように入力します：

/init

Claudeが自動的にプロジェクトを分析し、CLAUDE.mdファイルを生成します。

何に使うのか？

Claude Codeが起動すると、このファイルを読み込んで以下を理解します：

プロジェクトの目的
使用している技術スタック
特別な要件
コードスタイルの好み

CLAUDE.mdの例：

# Project Description

This is a personal translation tool webpage.

## Tech Stack
- Pure HTML/CSS/JavaScript
- No frameworks

## Requirements
- Code comments in English
- Clean and modern interface
- Support dark mode

このファイルがあれば、Claude Codeを起動するたびにプロジェクトの背景を説明する必要がありません。

スキル

スキル = Claude Codeのショートカットコマンド

スキルは、Claudeに特定のタスクを素早く実行させるためのプリセットコマンドです。

よく使う組み込みスキル：

コマンド	動作
`/commit`	gitコミットメッセージを自動生成し、コードをコミット
`/review`	コードをレビューし、問題を発見
`/fix`	コードのエラーを修正

使い方：

Claude Code内でスラッシュコマンドを入力するだけです。例：

/commit

Claudeが自動的にコードの変更を分析し、適切なコミットメッセージを生成します。

カスタムスキルについては、後の章で詳しく説明します。

MCP（Model Context Protocol）

MCP = Claudeを外部ツールやデータソースに接続する

MCPは、Claude Codeをさまざまな外部サービスに接続できるようにするプロトコルです。例えば：

データベース
ファイルシステム
Webサービス
その他のAIツール

考え方としては： MCPはClaudeに「プラグイン」を追加するようなもので、より多くのことができるようになります。

例：

Obsidianに接続して、Claudeがノートを直接読み書きできるようにする
ブラウザに接続して、ClaudeがWebページを自動操作できるようにする
データベースに接続して、Claudeがデータをクエリ・分析できるようにする

MCPの設定と使用方法については、後の章で詳しく説明します。

実践：Claudeに翻訳Webページを作らせてみよう

さて、ここまでたくさん学んできました。実際にやってみましょう！

ローカルで動作する翻訳Webページを作成します。Gemini APIを使って翻訳を行います。

ステップ1：プロジェクトフォルダを作成

デスクトップ（または好きな場所）に新しいフォルダを作成します。例えば demo という名前
先ほど学んだ方法で、このフォルダをターミナルで開く

ステップ2：Claude Codeを起動

claude

ステップ3：リクエストを入力

Claude Codeに次のように入力します（コピーして構いません）：

Create a translation webpage tool with the following requirements:

1. Features:
   - Left input box for the source text, right side shows the translation result
   - Support Chinese-English translation
   - A "Translate" button
   - A "Clear" button
   - A "Copy Result" button

2. Interface:
   - Clean and modern design
   - Support dark/light mode toggle
   - Responsive design, works on mobile

3. Technical requirements:
   - Use only HTML, CSS, JavaScript, no frameworks
   - All code in a single HTML file
   - Call the Gemini API for translation

4. Settings (important):
   - A "Settings" button on the page
   - Clicking it opens a settings panel where you can configure:
     - API Key
     - API URL
     - Model Name
   - Save settings to the browser's localStorage, auto-load next time
   - The settings panel should have "Save" and "Cancel" buttons

5. Translation logic:
   - Auto-detect the input language
   - If Chinese, translate to English
   - If English, translate to Chinese

Please create this HTML file directly.

ステップ4：Claudeが完了するのを待つ

Claudeは自動的に：

HTMLファイルを作成
すべてのコードを記述
ファイルの場所を教えてくれる
実行後、ファイル作成に同意するかどうかを尋ねてくるので、1または2を選択

ステップ5：実行とAPIの設定

生成されたHTMLファイルをダブルクリックしてブラウザで開く
ページ上の「設定」ボタン（通常は歯車アイコン）をクリック
表示された設定パネルに以下を入力：
- APIキー：AI Studioから取得したAPIキー
- API URL：https://generativelanguage.googleapis.com/v1beta
- モデル名：gemini-3-flash-preview
「保存」をクリック

設定はブラウザに自動保存されるので、次回から再入力する必要はありません。

ステップ6：使い始める

これで以下のことができるようになります：

左側の入力ボックスに中国語または英語を入力
「翻訳」ボタンをクリック
翻訳結果が右側に表示される
「結果をコピー」をクリックして翻訳テキストをコピー

まとめ

今日学んだこと：

なぜIDEではなくターミナルを使うのか：コードを知らない人にとって、ターミナルの方がシンプルで直接的
ターミナルでプロジェクトを開く方法：右クリック、ドラッグ＆ドロップ、または cd コマンド
Claude Codeとは：ターミナルで動作するAIプログラミングアシスタントで、ファイルを直接操作できる
インストールと設定方法：npmでインストール、公式メンバーシップまたはサードパーティAPIに対応
よく使うコマンド：resume で会話を再開、CLAUDE.md でプロジェクト説明
実践：Claudeに翻訳Webページを作らせてみる

核となる考え方：コードの書き方を知っている必要はありません。必要なのは、やりたいことを説明できることだけです。

Claude Design: アイデアを洗練されたページに変える

Mon, 01 Jan 0001 00:00:00 +0000

ClaudeにDesignという新機能が登場しました。

Claude Designは、Anthropicが4月17日にリリースした研究プレビューで、Anthropic Labs製品ラインの一部であり、現在最強のビジョンモデルOpus 4.7上で動作します。 Claudeを使ってビジュアルドラフトを作成するためのもので、Webプロトタイプ、PPT、ピッチデッキ、ランディングページ、ワンページャーなど、さまざまなものが対象です。コードリポジトリや既存のデザインファイルを読み取り、出力にデザインシステムを適用して、既存のプロジェクトとスタイルを一致させることができます。

最も優れているのは最終出力です。PDF/PPTX/HTMLへのエクスポートやCanvaへの送信に加えて、すべてをハンドオフバンドルにまとめ、ローカルのClaude Codeに渡してプロジェクトコードの修正を続けることもできます。

これが発表されるとすぐに、Figmaの株価に影響が出て、6.89%下落して終了しました。

Figmaについて簡単に説明すると、オンライン共同デザインツールを提供する企業で、AdobeやCanvaと競合しています。世界中の何千万ものデザイナーがデザイン作成に使用しています。実は、AIを使ってFigmaを操作できるMCPもすでにありましたが、私の美的感覚があまりにも基本的で、アイデアが浮かばず頭が真っ白だったため、その製品は一度も使いませんでした。

なぜ私には本当に必要だったのか

私がWeChat公式アカウントにコンテンツをプッシュするために作ったObsidianプラグインを覚えていますか？

これまで全チャンネルを通じて、合計0部しか売れていません。なんて嬉しいことでしょう（TAT）。

もちろん、これは私の基本的なデザインセンスに関係している可能性があります（自慢しているわけではありません）。

元のプラグインUIがどのようなものか見てみてください：

2列のツールバー、1列に9個のボタンが詰め込まれています。 フォーマット、アカウント、プリセットアカウント名、アカウント設定、購入アクティベーション、ユーザーガイド、レンダリング更新、HTMLコピー、WeChat公式アカウントに貼り付け、下書き公開…すべてが最も目立つ場所に詰め込まれています。

機能はすべて揃っていますが、見るだけで疲れます。

その下には非常に長いプロンプトがあります：「下のボタンをクリックしてコンピュータから画像を選択してください。空白のままにするとプレースホルダーカバーが使用されます。デフォルトカバーが設定されている場合はデフォルトカバーが使用されます。」友人がそれを見て言いました：「これは誰向け？データベースのフィールド説明？」

そこでClaude Designが登場したのを見て、すぐに試してみました。実際のパフォーマンスを見てみましょう。

使い方

まず、ClaudeのWeb版を開き、左側のDesignをクリックして入ります。上部に「New prototype」という入力ボックスがあるので、プロジェクト名を入力するだけです。

Wireframe（低忠実度）またはHigh fidelity（ブランドアセット付き高忠実度）を選択できます。最初はラフなコンセプトだけなので高忠実度は必要ないと思い、低忠実度を選びました。実際には、完了すると自動的にアップグレードしてくれます。

次に、プログラムのフォルダパスを伝え、修正したいページのスクリーンショットを送ります。

最初にいくつか質問されます：何を変更するか、何を保持するか、主要なアクションは何か、二次的なアクションは何か。正直に告白しました—最も強調したいのは「下書き公開」と「アカウント切り替え」で、残りは折りたたんで構わないと。

質問が終わると、自動的に実行を開始しました。

4つのオプションを提示

すぐに、wireframes.htmlの比較ページを提示してきました。

最初に比較が表示され、現在のUIの「罪」を赤いテキストで一つずつ列挙していました：

「2列のバーがプレビューを圧迫」
「9個のボタン」
「中国語/英語混在＋混乱を招く記号説明」

この機能には本当に驚きました。単に修正を手伝ってくれるだけだと思っていましたが、実際に内容を見て問題点を指摘してくれたのです。冷たいAIではなく、実際のデザイナーと対面でコミュニケーションしているように感じました。

そして4つのオプションが提示されました：

オプションA: シングル行ミニマル、メインボタン「下書き公開」＋アカウントカプセル、残りはアイコン＋⋯メニュー
オプションB: カードパンくずリスト＋ドロワー、メタ情報編集のエントリを保持
オプションC: サイドレール（VSCode風）、トップバーはタイトルのみ
オプションD: 右下にフローティング公開カード、主要アクションを最も目立たせる

最も興味深かったのはオプションDでした。付箋に「一般的なデザインルール」と「推奨順序」を描いてくれました：

A → 最も省スペース、学習コストが低い D → 視覚的に最も美しく、主要アクションが最も満足感高い C → パワーユーザーに優しい（アイコンライブラリ） B → 安全、メタ情報編集を保持

これは単に「いくつかのオプションがあります」というだけでなく、「いくつかのオプションがあります＋それぞれ誰向けか教えます」というものです。私は長い間プラグインを作ってきましたが、誰も「このボタンはどこに置くべきか」を真剣に教えてくれたことはありませんでした。

繰り返し改善できる

方向性を選んだ後も、コミュニケーションを続けられます。左側はチャットボックス、右側でEditをクリックすると要素を直接選択して修正できます（ただし、そこでの設定はプロフェッショナルすぎて理解できなかったのでスキップしました）。Drawをクリックするとプレビュー上に丸や矢印を描いて「これをここに移動したい」と伝えられます：

Draw機能は素晴らしいと思います。ボタンから右下へ非常に大雑把な矢印を描いたのですが、実際に理解してくれました—おそらくOpus 4.7のビジュアル認識の大幅なアップグレードに関係しているのでしょう（前述の通り、画像認識精度が3.75メガピクセルに向上しました）。

ツールバーからレイアウトへ

メニューバーを修正した後、いくつかの記事レイアウトスタイルを作成するよう依頼しました—何しろ私のプラグインの主な仕事は、MarkdownをWeChat公式アカウントで公開可能な形式に整形することですから。

新しいページが開き、タイトルは「Markdownを読む価値のあるWeChat記事にフォーマット」でした。右上にはTweaksボタンがあり、クリックするとフォントサイズ、太さ、色、行間などを調整できます。まるでFigmaのようです：

これは実際にクリック可能で切り替え可能なページであり、偽物ではないことに注意してください。このインタラクションは、ターミナルでClaude Codeを使って行うよりもはるかに優れています。Claude Codeでは、完了するまで待ってから効果を確認し、修正を依頼する必要があります。ここではリアルタイムプレビューが得られます。

最終決定したら、右上のExportをクリックします。いくつかのオプションが表示されます：PPTダウンロード、PDFエクスポート、スタンドアロンHTMLエクスポート、または最後のオプションとして**‘Handoff to Claude Code’**があり、デザインファイル全体をローカルのClaude Codeに送信してコーディングを続けます。

これが全体のチェーンの中で最も優れた部分です。

Web上でデザインした後、コマンドを生成してくれます。それをターミナルにコピー＆ペーストすると、ローカルのClaude Codeが引き継ぎます：

> Fetch this design file, read its readme,
  and implement the relevant aspects of the design.
  Implement: option-b-hifi.html

その後、デザインパッケージを読み込み、現在のコードを確認し、どのファイルを修正すべきかを理解し、最終的に私のプラグインのソースコードをすべて直接変更します。デザインページはoption-b-hifi.htmlを提供しました（結局オプションBの高忠実度版を選びました）。Claude Codeはデザインファイルから色、フォントサイズ、間隔を読み取り、私のReactコードに適用します。

このプロセス全体を通じて、私は一行もコードを書きませんでした。

最終結果

とにかく、元のものよりずっと良くなったと思います。プロのデザイナーならもっと上手くやったかもしれませんが、個人のプラグインとしては十分すぎるほどです（元のデザインと比べて）。

タイトル＋メタ情報が1行にまとめられ、アカウントはカプセル（緑色のアクティブドット付き）になり、主要アクションは右側の紫色の「下書き公開」ボタン一つだけ、残りはすべて⋯メニューに格納されています。

つまり、私の「機能」の山はデザインセンスが欠けていたのではなく、誰もトレードオフを手伝ってくれなかっただけだったのです。

ボタンを追加するのは簡単ですが、UIからボタンを削除するのは開発者にとって直感に反します—常に「誰かが必要としたらどうしよう？」と考えてしまいます。しかしデザイナーはその決断をしてくれます：「これはセカンダリメニューに入れましょう。ユーザーは最初の一度以降はクリックしませんから。」

今回は、Claude Designがその決断をしてくれました。

コスト

リソースを大量に消費する

Claudeのサブスクリプションプランでは、Designには独自のクォータがあります（言わざるを得ませんが、Claudeの個別クォータは本当に増えています）。

この一連の作業—4つのオプション比較＋5つの記事テーマ＋高忠実度実装—で、1日のクォータの36%を消費しました。私は5x Maxアカウントを持っていますが、Proアカウントなら1日分のクォータをすべて使い切ってしまうでしょう。

私の友人はProアカウントを持っています。昨夜、Designを使って30ページのPPTを作成したところ、1日分のクォータが完全に枯渇しました。

時々発生する不具合

作業中に時々、次のような状況に遭遇することがあります：メッセージを送信すると、<empty>と返信されます。もう一度送信しても、やはり<empty>：

対処法はページをリフレッシュして「続けてください」と伝えることで、通常は再開します。ただし、コンテキストが少し失われます。重要なデザインの反復作業中は、定期的にスクリーンショットをバックアップとして撮っておくことを忘れないでください。最後のステップで壊れた場合に最初からやり直さなくて済むように。

最後に

基本的なデザインだった私のObsidianプラグインが、ようやくまともな製品に見えるようになりました。

でも正直なところ、コンピュータの前に座って「下書き公開」をクリックしたとき、完全に興奮していたわけではありません。一つだけはっきりしていることがあります—デザインの訓練を受けていない私のような人間が2時間でまともなUIを作れるのであれば、「まとも」で生計を立てている人々はこれから数年厳しい時期を迎えるだろうということです。

以前は、AIによって作家が文学的センスのある対話相手を失うのではないかと心配していました。今回はその逆です—デザイナーは市場の最も厚い部分、つまり初級から中級の範囲を失おうとしています。

AIが一歩前進するたびに、歓声を上げる人もいれば、静かに去っていく人もいます。今回は私が歓声を上げている側ですが、背後でため息が聞こえます。

最近、AIに多くの時間とお金を費やしてきました。いつか自分を置き換えるのではないかと心配しながらも、これまでのところ打開策は見つかっていません。本業の役には立っていますが、根本的な変化はありません。最も重要なのは、それでお金を稼げていないことです。

もしあなたも私のように、小さな製品やプラグイン、ウェブサイトをほこりをかぶったまま放置しているなら、Claude Designを試してみてください。

最初の販売にはつながらないかもしれませんが、少なくとも見栄えは良くなります。そしてそれ自体が大きな進歩です。

Claude Routine：実践レビュー

Mon, 01 Jan 0001 00:00:00 +0000

Anthropicは最近、Claude関連のアップデートをいくつか発表しました。

Claude Code デスクトップの再設計 — 複数のClaudeセッションを1つのウィンドウで並べて管理可能に。新しいサイドバーで切り替え。
Routines機能のローンチ（研究プレビュー）— Claude CodeのタスクをAnthropicのクラウド上で実行可能に。自分のコンピュータを起動しておく必要はありません。
デスクトップとWebのマイナーな変更（マルチセッション管理、セッション共有など）。

私が最も注目したのは2つ目の Routines です。

理由は簡単。私はOpenClawとClaude Desktopの両方を持っていますが、ライトユーザーにとってクラウドのニーズは限られています。主に動画やテキストのクリッピング程度。OpenClawを使うのは大げさすぎます。Claude Desktopには「スケジュールタスク」機能がありローカルで動作しますが、コンピュータを起動しDesktopアプリを実行しておく必要があります。MacBook Airを24時間稼働させたくありません。どちらも行き詰まりでした。

Routinesはそのギャップを完璧に埋めてくれます。

3つのアプローチの比較：

項目	Routines	Claude Desktop スケジュールタスク	OpenClaw
実行場所	Anthropic管理クラウド	自分のコンピュータ	自分のコンピュータまたはVPS
コンピュータ起動の必要性	不要	必要（起動必須）	デプロイ方法による
アプリ常時起動の必要性	不要	Claude Desktopが起動している必要あり	不要
Claude AIの呼び出し	ファーストパーティのフルスイート	Desktopに内蔵	非公式サポート、制限を受けやすい
セットアップの手間	サブスクリプションのみ	Desktopをインストール	VPSを借りてセルフデプロイ

デスクトップのスケジュールタスクは過渡的なソリューション、OpenClawはコミュニティ主導のソリューション、そしてRoutinesは公式の新しいクラウドソリューションです。AnthropicはサードパーティフレームワークによるAPI呼び出しをますます困難にし、Routinesを推進しています。意図は明白です。彼らは独自のOpenClawを構築したいのです。

Routinesでできること

公式のユースケースは主に開発者向けです。毎晩Issueトラッカーをスキャンしてラベルを追加、新しいPRごとに自動コードレビュー、CDデプロイ後にスモークテストを実行してエラーログを確認、週次でマージされたPRをスキャンしてドキュメントを更新するなど。これらは非プログラマーには少し遠い話です。

一般ユーザーにとっては、次のようなシナリオが考えられます。

毎朝自動で金融ブリーフィングを取得（セクターの動き、値上がり・値下がり銘柄など）、リポジトリにコミット。起床時に読めるように。
Bilibili/YouTubeの動画を自動でテキストノートに文字起こし（この記事で行っていること）— リンクを共有すると、数分後にリポジトリにMarkdownファイルが作成される。
週次の業界レポートや週次レビューを自動生成。公開情報を自動収集。
GitHubでスターを付けたリポジトリを監視。オープンソースプロジェクトが更新されると、Routineが自動で差分を取得し、中国語のサマリーを提供。

今日は2つ目の「Bilibili動画をテキストに」を試してみました。

環境のセットアップ

環境のセットアップは少し手間がかかりますが、一度だけ行えばOKです。その後は新しいRoutineを作成するたびに再利用できます。

以下の4つを準備する必要があります。

GitHubアカウント。プライベートリポジトリを使用します（理由は後述）。
MaxまたはProサブスクリプション。無料アカウントではRoutinesはまだ使えません。
ローカルにClaude Code CLIをインストール。ほとんどの手順はClaudeに任せます。
コーディングスキルは不要。コマンドラインに慣れていない場合は、Claude Codeに「Routineのセットアップを手伝って」と伝えれば、ステップバイステップでガイドしてくれます。

セットアップを始めましょう。

クォータとエントリーポイントの確認

まず、claude.aiの使用状況ページを開きます。サブスクリプションの使用量にroutineの新しい行が表示されます。私はMaxアカウントなので、1日15回の実行が可能です。

具体的なクォータ：

Pro：1日5回
Max：1日15回
Team/Enterprise：1日25回
それを超える場合は、追加使用量を有効にして従量課金も可能。

注意：15回はトリガー回数であり、Routineの総数ではありません。複数のRoutineを作成してこのクォータを共有できます。

エントリーポイントは claude.ai/code/routines です。

Web、Desktop、CLIはすべて同じタスクプールを共有します。CLIで作成したタスクはWebでも表示されます。

GitHubプライベートリポジトリのリンクが必須

RoutinesはGitHubリポジトリにリンクする必要があります。これは必須条件であり、これなしでは作成できません。

なぜこのような設計になっているのでしょうか？タスクが開始されるたびに、クラウドがClaude用のワーキングディレクトリを割り当てます。具体的には、指定されたGitHubリポジトリをクローンして「デスクトップ」として使用します。Claudeはこのデスクトップ内でファイルを変更し、コマンドを実行し、コミットしてプッシュします。タスクが終了するとデスクトップはクリアされ、成果物だけがリポジトリに残ります。

そのため、まずGitHubリポジトリを準備する必要があります。

GitHubはプログラマーの間で最も人気のある「コードストレージ＋バージョン管理＋コラボレーションプラットフォーム」であり、世界のほとんどのオープンソースコードをホストしています。非プログラマーにとっても、無料でバージョン管理されたクラウド上のプライベートフォルダとして使用できます。

アカウント作成は簡単です。github.comにアクセスしてサインアップし、右上の「+」→ New repository をクリックし、任意の名前（例：claude-routines）を付けます。

リポジトリを作成する際は、必ず Private（プライベート）にチェックを入れ、Add a README にもチェックを入れてください。そうしないとリポジトリが完全に空でデフォルトブランチがなくなり、Routineが最初のクローンで失敗します。私はすでにこの罠にはまっています。

これらの手順がよくわからない場合は、Claude Codeに「Routine用のGitHubリポジトリを作成して」と投げてください。登録、リポジトリ作成、認証をステップバイステップでガイドしてくれます。

クラウド環境の作成

以下は、すでにプライベートリポジトリを作成していることを前提とします。

各RoutineはAnthropicのサンドボックスマシン上で実行されます。このマシンにはPython、Node、gitなどの基本ツールがプリインストールされていますが、カスタム依存関係（yt-dlp、ffmpegなど）はありません。そのため、カスタム Environment を作成し、実行前にインストールするものやロードするAPIキーを指定する必要があります。ここでは、右下の Add environment ボタンをクリックします。

環境設定には Network access というフィールドがあり、None、Trusted、Fullの3つのオプションがあります。よくある落とし穴があります。

デフォルトは Trusted で、公式ホワイトリストに登録されたサイト（主にGitHub、PyPI、npmなどのパッケージリポジトリ）のみアクセスを許可します。bilibili.comやyoutube.comはホワイトリストに含まれていません。 そのため、ここでは Full を選択します。

次に、Setup script フィールドに、毎回の起動前に実行するコマンド（ffmpeg、yt-dlpのインストールなど）を入力し、Environment variables に必要なAPIキー（GEMINI_API_KEYなど）を入力します。

ここに書かれている内容が理解できなくても問題ありません。何を入力すべきかを示しているだけです。実際には、AIにやりたいことを伝え、コピペ可能なスクリプトを提供してもらいます。それをコピーして貼り付けるだけです。

環境変数はAnthropicの環境設定データベースに保存されます。公式ドキュメントでは「その環境を編集できる人なら誰でも見ることができる」とされています。これについては「注意点」のセクションで詳しく説明します。

環境IDの取得とGitHubの認証

環境を作成したら、ローカルのClaude Codeに戻り、次のように入力します。

/remote-env

すると、クラウド上に作成したすべての環境とそのIDが一覧表示されます。

bili-sandbox に対応する行をコピーしてClaudeに渡します。これでClaudeはタスクにどの環境を使用すべきかを認識します。

次にClaudeは「GitHubへのアクセスが必要です」と言い、認証オプションを提示します。

A: /web-setup — ローカルのgh CLIトークンをclaude.aiと同期します。30秒で完了。
B: Claude GitHub Appをインストール — GitHubのWebページに移動し、特定のリポジトリを選択してインストール。より細かい制御が可能。

今回はサンドボックステストなのでAを選択しました。選択後、Webページが再度ポップアップし、GitHubリポジトリが表示され、認証が有効になったことがわかります。

認証後、ローカル環境に戻ります。これで環境のセットアップは完了です。

後で新しいRoutineを作成する際は、この設定全体を再利用でき、再度セットアップする必要はありません。

AIがタスクをセットアップ

ここでClaudeに「ローカルのBilibili→テキスト変換スキルをRoutineに移行して、動画でテストして」と指示します。

ClaudeはRemoteTrigger APIを呼び出してタスクを作成し、トリガーします。すべて自動で行います。完了すると、Webページを開くとタスクがすでに存在しています。

あとはBilibiliの動画リンクを見つけてAIに送り、動作をテストするだけです。今回はBilibiliの「AI知識ベース」に関する6分の動画を選びました。クラウド上のClaudeはまずyt-dlpで音声をダウンロードし、次にGeminiを呼び出して文字起こしを行い、結果をMarkdownとして書き出し、最後に私のClaude-Routinesリポジトリにコミットします。

最終結果は約3000字の正確な中国語文字起こしでした。中日英混在の用語（LLM-Wiki、RAG、Karpathy、NewType OSなど）もすべて正確に保持され、段落も完全でした。このプロセス中、私が行ったのはClaude Codeのダイアログに入力することだけです。ターミナルを開いたり、コマンドを実行したり、GitHubのWebページを開いたりする必要は一切ありませんでした。

トリガー方法

上記の実行は、Claude Codeが直接Anthropicの管理APIを呼び出してRoutineを作成し、一度トリガーしたものです。テストの便宜上、AIにすべての作業を任せました。

日常的な使用では、Routinesは3つの公式トリガー方法をサポートしています。

1. スケジュールトリガー — 毎時/毎日/毎週のプリセットと、最小間隔1時間のカスタムcron式をサポート。典型的なシナリオ：毎朝9時に前日の資金フローとニュースを自動要約。

2. APIトリガー — 各Routineは専用のHTTPエンドポイント＋Bearerトークンを生成できます。このエンドポイントにPOSTリクエストを送信すると即座にタスクがトリガーされ、リクエストボディに一時的なパラメータ（URLなど）を渡すことができます。

3. GitHubイベントトリガー — リポジトリ内でPR、push、issue、releaseなどのイベントが発生したときにRoutineを自動実行。主に開発者向けシナリオ。

3つのトリガー方法は併用可能です。同じRoutineをスケジュールで実行し、API呼び出しを受け付け、GitHubイベントも同時にリッスンできます。

iPhoneショートカットでトリガー

APIトリガーの最も興味深い点は、クライアントを問わないことです。HTTP POSTを送信できるものなら何でもRoutineをトリガーできます。

次のシナリオを想像してください。Bilibiliで素晴らしい動画を見つけ、共有ボタンをタップ → iPhoneショートカット → 自動的にURLをRoutineのエンドポイントにPOST。30秒後、GitHubを開くと文字起こしがすでにあります。Macを起動したり、Claude Codeを開いたり、一言も入力する必要はありません。

セットアップは簡単です。

Routine設定ページでAPIトークンを生成。
iPhoneでショートカットを作成し、共有URLを入力として受け取る。
「URLの内容を取得」アクションを使用してPOSTリクエストを送信し、URLをボディに含めてRoutineに渡す。
Routineのプロンプトで、リクエストボディからURLを読み取り、yt-dlp + Geminiで文字起こしを実行。

この組み合わせにより、「クラウドAIワークフロー」と「モバイルトリガー」が橋渡しされます。一般の人が初めて、コンピュータを起動せずにAIに特定のタスクを実行させることができるようになりました。

結果の取得

文字起こしの結果は、GitHubリポジトリの新しいブランチにコミットとして保存され、GitHubのWebページで直接確認できます。しかし、一般ユーザーはローカルに取得したいでしょう。以下の3つの方法があります。

GitHubのWebページで直接読むか、クリックしてダウンロード。
1つのコマンドで任意のローカルディレクトリにプル（例：Obsidianの受信箱に直接同期）。
同期スクリプトを設定（例：launchdによる定時git pull、またはクリックでプルするObsidianプラグインを作成）。

注意点

Routinesは素晴らしいですが、いくつか注意すべき点があります。

GitHub認証の粒度

Claude GitHub Appを使用する方が /web-setup を使用するよりも安全です。前者はClaudeが選択した特定のリポジトリのみにアクセスを許可しますが、後者はgh CLIから見えるすべてのリポジトリへのアクセスを事実上許可します。サンドボックステストではオプションAで問題ありませんが、日常的なタスクではAppを使用することをお勧めします。

APIキーがクラウド上で見える

環境変数の内容はAnthropicの環境設定データベースに保存されます。公式の表現は「その環境を編集できる人なら誰でも見ることができる」であり、つまり環境を編集できる人（個人アカウントの場合はデフォルトで自分だけ）が見ることができますが、理論上は認可されたAnthropic内部の従業員もアクセス可能です。

そのため、高クォータのプロダクションAPIキーをそこに置かず、低クォータまたは失効可能なサブキーを使用してください。

リポジトリはプライベートに保つ

各RoutineのコミットはあなたのGitHub IDを使用します。リポジトリが公開の場合、文字起こし結果がGitHubの検索やインデックスに拾われます。サンドボックスリポジトリを作成するときは、迷わずPrivateにチェックを入れてください。

まとめ

Routinesは、Anthropicが自動化タスクを公式にクラウドに移行する最初のステップです。一般ユーザーにとっては、「スケジュールタスクにコンピュータの起動が必要」という古い問題を解決します。Anthropicにとっては、独自のエコシステムを構築し、サードパーティのAPIアクセスを制限するための重要な要素です。

本日学んだこと：

RoutinesはClaude Codeのクラウドタスクスケジューリングシステムであり、2026年4月14日に研究プレビューとしてローンチされました。
必要条件：Max/Proサブスクリプション + GitHubリポジトリ + Claude Code CLI。
3つの公式トリガー方法：スケジュール、API、GitHubイベント。併用可能。iPhoneショートカットと組み合わせることで、「スマホでURL共有 → クラウドで自動実行 → GitHubで結果を受け取る」という完全なチェーンを実現できます。
GitHubリポジトリのリンクが必須であり、デフォルトでネットワークが制限されている点は慣れる必要があります。

重要なポイント：

GitHubリポジトリを作成する際は、必ずPrivateとAdd a READMEにチェックを入れること。
クラウド環境ではNetwork accessをFullに設定しないと、多くの一般的なWebサイトにアクセスできません。
APIキーはAnthropicの環境設定に保存されるため、プロダクションキーを置かないこと。
最初の環境セットアップは少し面倒ですが、一度設定すれば無期限に再利用でき、その後のRoutine作成が非常に簡単になります。

Codex App：ターミナルとIDEの間

Mon, 01 Jan 0001 00:00:00 +0000

この章では、OpenAIのデスクトップアプリ「Codex」について解説します。Codex CLI（ターミナル）とCursor / VS Code（IDE）の中間に位置するツールです。

ターミナルでCodex CLIを使ったことがあるかもしれません。強力ですが、テキストのみのインターフェースは初心者には優しくありません。一方、CursorやVS CodeのようなIDEは機能が多すぎて、コードパネルだらけの画面に圧倒されることもあります。

Codex APPは、ターミナルとIDEの中間的な存在です。 ターミナルと比べて視覚的要素が追加され、IDEと比べて複雑なコードの詳細が削ぎ落とされています。

Codex APPとは？

一言で言えば：Codex APP = Codex CLIのGUI版です。

同じCodexですが、「シェル」が異なります。CLIはターミナルで入力して操作するのに対し、APPはデスクトップウィンドウでクリックして操作します。内部的な機能は同一で、設定ファイル ~/.codex/config.toml も共有します。

現在の制限事項：

macOS（Apple Silicon） のみ対応 – M1以降のMacが対象
Windows版とLinux版は開発中

ダウンロード： OpenAIのWebサイトからDMGインストーラーを入手し、直接インストールします。

ログイン方法：

ログイン方法	説明
ChatGPTアカウント	Plus/Pro/Business/Enterprise/Eduのサブスクリプションが必要。クラウドスレッドやモデル切り替えなど全機能を利用可能。
APIキー	機能が制限される。クラウドスレッドは利用不可。モデルは手動で `config.toml` に指定する必要あり。

インターフェースの機能

現在Codex APPに日本語インターフェースはありません。そのため、各機能の日本語訳と対応するボタンの場所を説明します。

新規スレッド

新しいAIタスクの会話を作成します。作成時に3つのモードを選択できます：

Local – プロジェクトフォルダ内で直接作業
Worktree – メインブランチに影響を与えず、隔離されたGit Worktree内で作業
Cloud – リモートクラウド環境で実行（ChatGPTアカウントログインが必要）

初心者はLocalモードから始めるのがおすすめです – 最もシンプルでわかりやすいです。

スキル

Codex CLIと同じスキルシステムです。ここで利用可能なすべてのスキルを表示・管理し、会話内で /スキル名 と入力して呼び出すことができます。

スキルはAPPとCLIで共有されます – CLIで作成したスキルはAPPでもすぐに利用できます。

自動化

この機能はAPPのみで、CLIにはありません。

AIに目覚まし時計をセットするイメージです。

「毎朝9時にこのタスクを実行して」とAIに指示すると、スケジュールに従って実行され、結果が受信箱に届いて確認できます。

仕組み：

実行頻度を設定（例：毎日、毎週）
指示を書く（AIに何をするか伝える）
オプションでスキルをバインド（$スキル名 構文を使用）
AIが時間通りに実行し、結果は確認キューに入る

よくある使用例：

最近のコミットを毎日スキャンしてバグをチェック
週次のコード変更レポート
依存関係のセキュリティ脆弱性を定期的にチェック
CI失敗の原因を自動要約

注意： 自動化はローカルで実行されるため、APPを開いたままにする必要があります。Gitプロジェクトの場合、各自動化は独立したWorktreeで実行されるため、現在の作業に干渉しません。

設定

ここで設定できる項目：

モデル選択 – ChatGPTアカウントユーザーはインターフェース上で直接モデルを切り替え可能
承認ポリシー – AIが自動で行えることと、手動確認が必要なことの範囲を制御
サンドボックス設定 – AIの権限を制限（読み取り専用 / ワークスペース書き込み / フルアクセス）

これらの設定はCLIが使用する config.toml と共有されるため、どちらかで変更すると他方にも反映されます。

パーソナライゼーション

AIの「性格」を選択：

オプション	効果
Friendly	AIの返信がより親しみやすく詳細になる
Pragmatic	AIの返信がより簡潔で要点を押さえたものになる
None	性格設定なし

カスタム指示 も追加できます。例えば「日本語で返信して」「コードのコメントは英語で」など。これらの指示は AGENTS.md ファイルに書き込まれます。

MCPサーバー

前述のMCP設定と同じです。APP、CLI、IDEプラグインはすべて同じMCP設定を共有します。CLIで設定したMCPサーバーはAPPでも自動的に利用可能です。

Git

CLIと比較したAPPの大きなハイライトです。視覚的なGitツールが組み込まれています：

差分ビューア – コード変更をグラフィカルに表示し、インラインコメントを追加可能
ステージ / 元に戻す – コードブロックやファイル単位で選択的にステージ
コミット / プッシュ – APP内で直接コミットとプッシュを実行
PR作成 – ワンクリックでPull Requestを作成

CLIではこれらすべてをコマンドラインで操作する必要がありますが、APPではクリックするだけです。 WorktreeやGit統合の概念を完全に理解していなくても大丈夫。ざっくりと把握しておいてください。

環境

コードの実行環境を設定します。ローカル環境やクラウド環境のセットアップ、プロジェクトの依存関係のインストールなどが行えます。

Worktree

Git Worktreeの視覚的管理。簡単に言うと、複数のAIタスクが互いに干渉するのを防ぎます。

例えば、バグ修正、新機能の作成、コードリファクタリングの3つを同時にAIに依頼したとします。すべて同じディレクトリで作業すると、ファイルの変更が競合します。Worktreeは各タスクに独立した作業コピーを作成するため、並行して作業しても干渉しません。

スレッドとプロジェクト – コンテキストを理解する

この章全体で最も重要な部分です。よく読んでください。

2つの基本概念

プロジェクト = あなたのコードリポジトリまたはフォルダ。

プロジェクトは作業台と考えてください。そのプロジェクトに関するすべての作業をこの作業台で行います。

スレッド = プロジェクト内の特定のタスク。

各スレッドは作業台のタスクカードのようなものです。バグ修正は1枚のカード、ドキュメント作成は別のカードです。

1つのプロジェクトに多数のスレッドを持つことができますが、各スレッドは1つのプロジェクトにのみ属します。

なぜこれが重要なのか

ここで重要な概念を紹介します：コンテキスト（文脈）。

コンテキストとは何か？

WeChatで友達とチャットしている場面を想像してください。「あの件、どうなった？」と言うと、友達は何のことを言っているかわかります。なぜなら、以前その話をしたからです。その「以前の会話」がコンテキストです。

AIも同じです。会話の中で発言したことや送信したファイルはすべてAIに記憶され、その後の質問を理解するために使われます。AIが「覚えている」こと、それがコンテキストです。

コンテキストウィンドウ = AIの記憶容量

しかし、AIの記憶には限界があります。記憶できる上限があり、それをコンテキストウィンドウと呼びます。

現在Codexはデフォルトで GPT-5.3-Codex を使用し、コンテキストウィンドウは約 40万トークン です。ざっくり言うと、約30万文字の会話に相当します。

多いように思えますが、すべてのタスクを同じ会話で行うとすぐにいっぱいになります。

スレッド分離の利点

異なるスレッドの会話は互いに分離されており、干渉しません。

次のように考えてください：3つのタスクをすべて同じ紙に書き込むと、バグ修正のメモ、ドキュメントのメモ、要件議論がごちゃ混ぜになり、あなたもAIも混乱します。

3つのスレッドに分割すれば、すっきりします：

スレッド1：バグ修正専用 – AIはバグ関連の会話だけを記憶
スレッド2：ドキュメント専用 – AIはドキュメント関連の会話だけを記憶
スレッド3：要件議論専用 – AIは要件関連の会話だけを記憶

これは特にナレッジベース系プロジェクトで重要です。 例えばObsidianでノートを管理している場合、情報検索用のスレッドと文書整理用のスレッドを分ければ、相互汚染が起きません。文書整理中に研究セッションのコンテキストが突然混ざることはありません。

例えば、下のObsidianノートブックのスクリーンショットのように、同じリポジトリでも異なるタスクに異なるスレッドを使っています。これはWeb版ChatGPTの会話概念と同じだと考えてください。

Codex APP vs Codex CLI

両者は同じ基盤を共有していますが、どちらを選ぶべきでしょうか？比較表です：

項目	Codex CLI（ターミナル）	Codex APP（デスクトップ）
インターフェース	テキストのみ	グラフィカル
会話管理	`resume` で履歴を探す必要あり	会話リストが視覚的に表示され、クリックで切り替え
定期タスク	なし（cronなどが必要）	組み込みの自動化機能
Git操作	コマンドライン	視覚的差分表示＋ワンクリックコミット/PR
モデル切り替え	`config.toml` を編集	有料アカウントはインターフェース上で直接選択可能
体感速度	速く感じる	やや遅く感じる（個人の感想）
最適なユーザー	ターミナルに慣れている開発者	視覚的な操作を求めるユーザー

主な違い

1. 視覚的な会話管理 – 会話を探すために resume を使う必要なし

CLIでは過去の会話を再開するために codex --resume を使う必要があります。会話が多くなると目的のものを探すのが面倒です。

APPではすべてのスレッドが一目でわかる会話リストが表示され、クリックで切り替えられます。複数のタスクを同時にこなす人にとっては、これだけでも価値があります。

2. 自動化 – APPのみの機能

CLIにはこの機能はありません。CLIで同様のことを実現するには、cronなどのスケジューリングツールを自分で設定する必要があり、ハードルが高いです。APPでは直接設定でき、はるかに便利です。

3. モデル切り替えが容易

有料ChatGPTアカウントでログインすれば、設定ファイルを編集することなくAPPのインターフェース上で直接モデルを切り替えられます。

私のようにAPIキーを使っている場合： APPとCLIは同じ ~/.codex/config.toml を共有します。tomlファイルにモデルを指定すれば、APPが自動的に読み取ります。例：

model = "GPT-5.3-Codex"

4. 位置づけ：ターミナルとIDEの中間

ターミナルと比較すると、APPは視覚的な会話管理、Git操作、定期タスクを追加しています。

IDE（Cursorなど）と比較すると、APPはごちゃごちゃしたコードパネルや複雑なエディタ機能を取り除き、AI会話とプロジェクト管理に集中しています。

ターミナルは難しすぎる、IDEは複雑すぎると感じるなら、APPは「ちょうどいい」ツールかもしれません。

個人的な感想

正直なところ：私はまだターミナルの方が好きです。

気のせいかもしれませんが、APPはCLIより若干遅く感じます。グラフィカルインターフェースのオーバーヘッドかもしれませんし、単なる心理的なものかもしれません。確かなことはわかりません。

しかし、APPの方が初心者にとっては明らかに優しいことは認めざるを得ません。特に会話管理とGit操作では、視覚的な体験はターミナルでコマンドを打つよりはるかに快適です。

私のアドバイス：両方試して、自分に合うツールを見つけてください。 設定は共有されているので、切り替えにコストはかかりません。

まとめ

今日学んだこと：

Codex APPとは何か – Codex CLIのGUI版。現時点ではmacOS Apple Siliconのみ対応
コア機能 – スレッドによる会話管理、自動化による定期タスク、視覚的なGit統合、Worktreeによる分離
スレッドとプロジェクト – プロジェクトは作業台、スレッドはタスクカード。タスクを分離してコンテキスト汚染を防ぐ
CLIとの違い – 視覚的な会話と自動化が最大の利点だが、体感速度はやや遅い可能性あり
位置づけ – ターミナルとIDEの中間。視覚的操作を求めるがフルIDEは不要なユーザー向け

重要なポイント：

Codex APPとCLIは同じ基盤と設定を共有しているため、どちらを選んでも間違いはない
スレッド分離が鍵 – 異なるタスクは別々の会話で行い、コンテキスト汚染を防ぐ
自動化はAPPのキラー機能 – AIに目覚まし時計をセットするイメージ
おまけ：APPは音声入力としても使える – ショートカットキーを押しながら話す（次のセクションを参照）

おまけ：Codex APPを音声入力として使う

最近、Codex APPに音声機能が追加されました。素晴らしいのは、アプリ内だけでなく外部でも動作することです。グローバルショートカットキーを押しながら話すだけで使えます。

最新版のCodex APPにアップデートし、サブスクリプションアカウントでログインすれば使用可能です。Codex APPを常時起動している人にとっては、実質的に無料の音声入力方法です。

OpenAIは以前、オープンソースの音声認識モデルWhisperを公開し、音声認識のハードルを大幅に下げ、その後も改良を続けています。その基盤の上に構築されたCodex APPの音声機能が非常に優れているのは当然のことです。

使い方は簡単：アプリを開き、一般設定でショートカットキーを割り当てます（私は右Optionキーを使っています）。テキストを入力したいときに、そのショートカットキーを押しながら話すだけです。

キーを押している間、デスクトップの下部に小さなウィンドウが表示されます（ショートカットキーの競合のためスクリーンショットは撮れません）。

実際に使ってみると、高速で正確です。小さな欠点が2つ：

辞書機能がない – 辞書があれば、よく使う単語をカスタム設定して認識精度をさらに向上できる
キーを押し続けて録音する必要がある – 他の製品のようにトグル方式（一度押すと開始、もう一度押すと停止）にはまだ対応していない

これはまったく新しい機能なので、これらの改善は将来のアップデートで実装されるでしょう。

月額料金を払っても構わないのであれば、他の人気音声入力方法としてはWispr FlowやTypelessがあります。

Codex CLI: 実践入門

Mon, 01 Jan 0001 00:00:00 +0000

前章ではClaude Codeを紹介しました。この章では、もう一つ同様に強力なターミナルAIコーディングツールであるCodex CLIを扱います。

注記: Codexにはデスクトップアプリ版（GUI）もありますが、それは後の章で扱います。この章ではターミナル版のCodex CLIに焦点を当てます。

ターミナル版のCodex CLIは、Claude Codeと同様に、ターミナル上で動作するAIコーディングアシスタントです。前章でClaude Codeをすでに学んだ方なら、操作ロジックがほぼ同じなので、Codex CLIを非常に簡単に習得できるでしょう。

Codex CLIとは？

一言で言うと

Codex CLI = OpenAIのターミナルAIコーディングアシスタント

Claude Codeと同様に、ターミナル上で動作するAIツールです。自然言語でやりたいことを伝えると、以下のことができます：

新しいプロジェクトの作成
コードの作成
コードの修正
バグの修正
コマンドの実行
ウェブ検索による最新情報の取得

Codex CLIとClaude Codeの違いは？

項目	Claude Code	Codex CLI
開発元	Anthropic (Claude)	OpenAI (ChatGPT)
基盤モデル	Claudeシリーズ	GPTシリーズ (GPT-5-Codex)
インストール方法	npm install	npm install
設定ファイル	`~/.claude/settings.json`	`~/.codex/config.toml`
メンバーシップ	Claude Pro/Max	ChatGPT Plus/Pro
対応OS	Mac/Linux/Windows	Mac/Linux (Windows via WSL)

核心的な違い：基盤モデルの違い。 Claude CodeはClaudeモデルを、Codex CLIはプログラミングに最適化されたOpenAIのGPT-5-Codexモデルを使用します。どちらのツールにも強みがあります。両方をインストールして、タスクに応じて使い分けることをお勧めします。

Codex CLIのインストール方法

前提条件

Node.js: Claude Codeと同様に、Node.js環境が必要です
- すでに（前章でClaude Codeをインストールした際に）お持ちの場合は、再インストールは不要です
- ない場合は、https://nodejs.org にアクセスしてLTS版をダウンロードしてください
ネットワーク: OpenAIサービスへのアクセスが必要です（プロキシが必要な場合があります）

インストール手順

ターミナルを開いて実行：

npm install -g @openai/codex

完了するまで待ちます。

インストールの確認：

codex --version

バージョン番号（例：codex-cli 0.98.0）が表示されれば、インストール成功です。

MacユーザーはHomebrewでもインストール可能：

brew install codex

いくつかの利用方法

Claude Codeと同様に、Codex CLIはAI機能にアクセスする複数の方法をサポートしています。

方法1: ChatGPTメンバーシップを購入（最も簡単）

Codex CLIはChatGPTの有料プランに含まれています。

対応メンバーシップの種類：

メンバーシップ	価格	備考
ChatGPT Plus	$20/month	利用枠に制限あり
ChatGPT Pro	$200/month	より多くの利用枠
ChatGPT Business	チームプラン	企業向け

設定手順：

ChatGPTメンバーシップを購入したら、ターミナルを開く
codex を実行して起動
指示に従ってChatGPTアカウントにログイン（ブラウザが開いて認証されます）
ログイン後、使用可能

手動でログインすることもできます：

codex login

方法2: OpenAI APIキーを使用

OpenAI APIキーをお持ちの場合は、直接使用できます：

環境変数を設定：

export OPENAI_API_KEY="your API Key"

その後 codex を実行

方法3: サードパーティAPIを使用（国内モデル連携）

これは多くの国内ユーザーが最も気にするポイントです！

Claude Codeと同様に、Codex CLIもサードパーティAPIと連携可能で、DeepSeekやVolcengineなどの国内モデルを利用できます。

設定は ~/.codex/config.toml ファイルを編集して行います（詳細は次のセクション）。

国内モデル連携: config.tomlの編集

config.tomlの場所

設定ファイルのパス: ~/.codex/config.toml

Mac/Linux: /Users/yourusername/.codex/config.toml
Windows (WSL): ~/.codex/config.toml

ヒント: このファイルが存在しない場合は、まず codex を一度実行してください。自動的に .codex フォルダが作成されます。その後、手動で config.toml ファイルを作成できます。

基本設定構造

config.tomlの設定は、いくつかのコア部分に分かれています：

# ===== Basic settings =====
model = "gpt-5.3-codex"              # Model to use
model_provider = "openai"             # Model provider (default openai)
approval_policy = "on-failure"        # Approval policy
sandbox_mode = "workspace-write"      # Sandbox mode

# ===== Custom model providers =====
[model_providers.custom_name]
name = "Display name"
base_url = "API URL"
env_key = "API_KEY environment variable name"
wire_api = "responses"

# ===== Profiles =====
[profiles.profile_name]
model_provider = "custom_name"
model = "model name"

重要: wire_apiは"responses"を使用する必要があります

これはよくある落とし穴です！

Codex CLIは2つのAPIプロトコルをサポートしています："chat"（従来のChat Completions）と"responses"（新しいResponses API）です。

2026年2月以降、OpenAIは"chat"プロトコルを非推奨とし、完全に"responses"に移行しました。 そのため、サードパーティモデルを設定する際は、wire_apiを"responses"に設定する必要があります。サードパーティのAPIプロバイダーがResponses API形式をサポートしていない場合、Codexと直接連携することはできません。

幸い、主要なAPIリレープラットフォーム（OpenRouterなど）はすでにResponses APIをサポートしています。

詳細な議論はこちらを参照：https://github.com/openai/codex/discussions/7782

実践: DeepSeekの連携

DeepSeekを例に、設定方法を説明します：

ステップ1: config.tomlを編集

# Default to DeepSeek
model_provider = "deepseek"
model = "deepseek-chat"

# Define DeepSeek provider
[model_providers.deepseek]
name = "DeepSeek"
base_url = "https://api.deepseek.com/v1"
env_key = "DEEPSEEK_API_KEY"
wire_api = "responses"

ステップ2: 環境変数を設定

ターミナルでDeepSeek APIキーを設定：

export DEEPSEEK_API_KEY="your DeepSeek API Key"

永続的にするには、~/.zshrc（Mac）または~/.bashrc（Linux）の末尾に行を追加します：

echo 'export DEEPSEEK_API_KEY="your DeepSeek API Key"' >> ~/.zshrc
source ~/.zshrc

ステップ3: Codexを起動

codex

これでCodexはDeepSeekモデルを使用します。

注記: DeepSeekの公式APIがまだResponses API形式をサポートしておらず、接続に失敗する場合は、Responses APIをサポートするリレープラットフォーム（OpenRouterなど）に切り替え、base_urlをリレープラットフォームのアドレスに変更してください。

実践: Volcengine（Doubao）の連携

model_provider = "volcengine"
model = "doubao-pro-32k"

[model_providers.volcengine]
name = "Volcengine"
base_url = "https://ark.cn-beijing.volces.com/api/v3"
env_key = "VOLCENGINE_API_KEY"
wire_api = "responses"

環境変数の設定も必要：

export VOLCENGINE_API_KEY="your Volcengine API Key"

プロファイルを使用した複数モデルの切り替え

複数のモデルを設定している場合、プロファイルを使用して素早く切り替えられます：

# Default to OpenAI
model_provider = "openai"
model = "gpt-5.3-codex"

# Define DeepSeek provider
[model_providers.deepseek]
name = "DeepSeek"
base_url = "https://api.deepseek.com/v1"
env_key = "DEEPSEEK_API_KEY"
wire_api = "responses"

# Define Volcengine provider
[model_providers.volcengine]
name = "Volcengine"
base_url = "https://ark.cn-beijing.volces.com/api/v3"
env_key = "VOLCENGINE_API_KEY"
wire_api = "responses"

# DeepSeek profile
[profiles.ds]
model_provider = "deepseek"
model = "deepseek-chat"

# Volcengine profile
[profiles.volc]
model_provider = "volcengine"
model = "doubao-pro-32k"

使用時の切り替え：

# Use default OpenAI
codex

# Use DeepSeek
codex --profile ds

# Use Volcengine
codex --profile volc

これで異なるモデルを自由に切り替えられ、非常に便利です！

より簡単な方法: OPENAI_BASE_URL

config.tomlを編集せずに一時的にサードパーティAPIを使用したい場合は、環境変数を直接設定できます：

export OPENAI_BASE_URL="https://api.deepseek.com/v1"
export OPENAI_API_KEY="your DeepSeek API Key"
codex

この方法はより簡単ですが、ターミナルを閉じると無効になります。

Codex CLIの使い方

基本起動

Claude Codeと同じ：

ターミナルを開く
cd でプロジェクトフォルダに移動
codex と入力してEnterキーを押す

cd /path/to/your/project
codex

Codexが全画面のターミナルインターフェースを起動し、要件の入力を開始できます。

3つの操作モード

Codex CLIには「自律度」を制御する3つのモードがあります：

モード	コマンド	説明
Suggest	`codex --suggest`	最も保守的：すべての変更に確認が必要
Auto Edit	`codex --auto-edit`	中程度：ファイルの自動編集は行うが、コマンド実行には確認が必要
Full Auto	`codex --full-auto`	最も自由：確認なしですべてを自動実行

初心者はSuggestモード（デフォルト）の使用をお勧めします。各ステップでCodexが何をしているか確認できます。

慣れてきたら、Full Autoモードを使用できます：

codex --full-auto "Run tests and fix all failing cases"

直接タスク指定（非対話モード）

コマンドの後にタスクの説明を直接追加することもできます：

codex "Create a Snake game for me"

これにより、対話インターフェースに入らずに、Codexが直接タスクを実行し始めます。

前回の会話を再開

Claude Codeの--resumeと同様に、Codexも前回のセッションの再開をサポートしています：

codex resume

これにより、中断したところから続行できます。

実践: Codexにスネークゲームを作成してもらう

ステップ1: プロジェクトフォルダを作成

デスクトップに新しいフォルダ（例：codex-demo）を作成
ターミナルでこのフォルダを開く

ステップ2: Codexを起動

codex

ステップ3: 要件を入力

Codexで次のように入力：

Create a Snake game for me with the following requirements:

1. Features:
   - Classic Snake gameplay
   - Control snake movement with arrow keys
   - Snake grows longer when eating food, score increases
   - Game over when hitting wall or itself
   - Start and restart buttons

2. Interface:
   - Clean and beautiful, pixel style
   - Display current score and high score
   - Support dark theme

3. Technical requirements:
   - Use only HTML, CSS, JavaScript
   - All code in a single HTML file
   - Use Canvas for game rendering

Please create this HTML file directly.

ステップ4: Codexが完了するのを待つ

Codexが自動的にHTMLファイルを作成し、すべてのコードを記述します。選択したモードに応じて：

Suggestモード: 各ステップで確認を求められます。実行前に確認します
Full Autoモード: 直接すべてを完了します

ステップ5: ゲームを開く

生成されたHTMLファイルをダブルクリックして、ブラウザでプレイしましょう！

Codex CLI vs Claude Code: どちらを選ぶべきか？

両方インストールすることをお勧めします。それぞれに強みがあります：

項目	Claude Code	Codex CLI
コーディング能力	非常に強力、特に複雑なロジック	非常に強力、プログラミングに最適化されたGPT-5-Codex
中国語理解	非常に良い	非常に良い
ウェブ検索	MCPが必要	内蔵サポート
無料枠	なし	なし
最低メンバーシップ	Claude Pro $20/month	ChatGPT Plus $20/month
国内モデル連携	settings.json経由	config.toml経由
Windowsサポート	ネイティブサポート	WSLが必要

私の提案：

両方インストールし、タスクに応じて最適なものを選ぶ
簡単なプロジェクト: どちらでも対応可能、好きな方を選ぶ
複雑なプロジェクト: まず一方を試し、結果が良くなければもう一方に切り替える
国内モデルユーザー: 両方ともサードパーティAPI連携をサポート、設定も似ている

核となる考え方は変わりません：コーディング方法を知る必要はなく、要件を説明する方法を知っていれば十分です。

まとめ

今日学んだこと：

Codex CLIとは: OpenAIのターミナルAIコーディングアシスタント、Claude Codeと類似
インストール方法: npm install -g @openai/codex、ワンコマンド
使い方: Claude Codeと同じ操作ロジック、cdでプロジェクトディレクトリに移動しcodexで起動
国内モデル連携: ~/.codex/config.tomlを編集し、model_providersを設定
3つのモード: Suggest（保守的）、Auto Edit（中程度）、Full Auto（完全自動）
プロファイル切り替え: 複数モデルを設定し、--profileパラメータで自由に切り替え

これで、Claude CodeとCodex CLIという2つの強力なAIコーディングツールを手に入れました！

CodexとClaudeにコンピュータを操作させる

Mon, 01 Jan 0001 00:00:00 +0000

前章では、Anthropicの新機能をいくつか紹介しました。一方、OpenAIもまだ新モデルをリリースしていませんが（長らく噂されています）、活発に動いています。注目すべきアップデートの一つは、Codexがコンピュータ操作をサポートするようになったことです。しかも、その方法が異なります。

私はCodexとClaude Codeの両方のコンピュータ操作機能を試しました。AIにWeChatでメッセージを送ってもらうよう依頼したところ、Codexは成功しましたが、Claudeは失敗しただけでなく、WeChatアカウントからログアウトさせられてしまいました。

まず、両方のセットアップとテストのプロセスを説明し、その後、なぜこのような違いが生じるのかを解説します。

Codexのセットアップと使用感

Codexデスクトップアプリを使用しました。設定画面の左メニューから「Computer Use」をクリックし、右側のComputer Useプラグインにチェックを入れます。

次にチャットインターフェースに戻り、Codexにタスクを与えます。例えば「Obsidianを開いて、新しいファイルを作成し、タイトルを『これはCodexアプリの自動制御で作成されました』に設定して」など。

Enterキーを押すと、Codexはまず権限リクエストをポップアップ表示し、Obsidianの操作を許可するかどうかを尋ねます。「許可」をクリックします。リスクの低いソフトウェアの場合は、左側の「常に許可」にチェックを入れることもできます。

初めてComputer Useを有効にする場合、Macのシステムレベルの認証ダイアログが表示され、アクセシビリティとスクリーンショットの権限が要求されます。両方とも許可をクリックします。

「許可」をクリックするとページがリダイレクトされます。「Codex Computer Use」がシステム設定にない場合は、ポップアップの下にあるバナーからアイコンを上のリストにドラッグします。すでにある場合は、スイッチをオンにするだけです。両方とも許可するのを忘れずに。

権限が設定されると、CodexはObsidianを開き、新しいファイルを作成し、タイトルを書き込みます。素早く完了し、タイトルは要求通りになります。

次に、難易度を上げてみましょう。CodexにWeChatを操作させ、連絡先にメッセージを送信するよう依頼します。

開始後、画面上に影付きの小さな青いマウスカーソルがゆっくりと動いているのが見えます。これがCodexの動作です。この詳細は後で役立つので、覚えておいてください。

メッセージを作成した後、確認のために一時停止します。私が「送信」と返信し、Enterキーを押すと、メッセージが送信されます。

プロセス全体でエラーは発生しませんでした。Codexの操作中もWeChatは正常に動作し、アカウントがログアウトされることもありませんでした。

Claudeのセットアップと使用感

Claudeについては、Claude Codeのターミナル版を使用しました。ターミナルで/mcpと入力し、組み込みのcomputer-useオプションを有効にします。

Claudeにも同じことを依頼します。まずObsidianでファイルを作成してみます。このテストはCodexと同様に合格したので、スクリーンショットは省略します。

次にWeChatを試します。

タスクを送信して数秒後、問題が発生しました。ClaudeはWeChatを操作できず、何度クリックしても反応がなく、WeChatがそれを検出してログアウトさせられました！

単なるタスクの失敗ではありませんでした。WeChatが異常な操作を検出し、リスクコントロールを発動させ、再ログインを強制されました。

Codexが成功し、Claudeが失敗する理由

最初はClaudeのコンピュータ操作が不安定なのかと思いました。その後、Codexのスクリーンショットを振り返ってみました。あの影付きの小さな青いマウスカーソルを覚えていますか？答えはそこにあります。

実装メカニズムが異なるのです。

Codexが操作するとき、実際にマウスカーソルをターゲットの位置に移動させ、クリックします。画面上でカーソルの移動軌跡が見えます。移動し、停止し、クリックする。これは人間がマウスを使うのと本質的に同じイベントシーケンスです。

Claudeは別のアプローチを取ります。座標を指定した「クリック」イベントを直接合成し、ターゲットウィンドウに送信します。カーソルはまったく動かず、瞬時にクリックします。この方法は高速で、カーソルの移動を待つ必要がありませんが、アプリケーションにとっては非常に特徴的なシグネチャを持ちます。「マウスクリック」でありながら移動軌跡がなく、座標にワープする。これは人間の手では生成できません。

Codex: 実際のマウス動作をシミュレートするため、アプリケーションはAIと判断できない。 Claude: クリックイベントを直接合成するため、WeChatのようなアンチチート機能を持つアプリに容易に検出される。

通常のデスクトップアプリケーションはどちらの方法でも問題にしないため、ClaudeはObsidianでは正常に動作します。しかし、アカウントセキュリティシステムを持つWeChatのようなアプリは、自動化の特性を積極的にスキャンします。検出されるとリスクコントロールが発動します。これが、私のスクリーンショットに表示された「アカウントのセキュリティのため、再ログインしてください」というメッセージの理由です。

Anthropicの現在のコンピュータ操作実装は、合成イベントのルートを採用しています。利点は速度ですが、欠点は自動化を積極的に検出するアプリケーションを欺けないことです。

使用上の推奨事項

ユースケースごとに分類します。

Codexを使用するケース: 自動化検出機能が組み込まれたソフトウェアの操作。例：WeChat、QQ、オンラインバンキング、エンタープライズIM、ゲームなど。Codexの実際のマウスアプローチが唯一の選択肢です。

Claudeを使用するケース: 通常のデスクトップアプリケーションの操作。Obsidian、メモ帳、Finder、デザインソフトなど。これらのアプリは実際のマウスかどうかを気にせず、Claudeはカーソル移動を待つ必要がないため高速で、より効率的です。

私が試しました。結果はアカウントが強制ログアウトされ、再スキャンしてログインする必要があります。被害は小さいですが、面倒です。

全体的に、私の個人的な感想としては、コンピュータ制御機能はやや見せびらかし的な要素です。実際に使う理由をまだ見つけていません。将来性はありますが。

というわけで、この章では機能の簡単な紹介にとどめます。

パート4: 高度なテクニック: Skill / MCP / Hook + マインドセット

DeepSeekをClaudeにゼロから接続する

Mon, 01 Jan 0001 00:00:00 +0000

最近、DeepSeekについて絶賛しています。コストパフォーマンスが本当に素晴らしいのです。

もちろん、ほとんどの人にとってはDeepSeekのモバイル版やWeb版で十分です。しかし、プログラミングやその他の高度なタスクを行いたい場合は、コーディングツールやターミナルに接続する必要があります。

ここでは、Claudeデスクトップアプリから始めることをお勧めします。

AIによって使用するツールが異なり、最終的な結果も変わります。それがハーネスエンジニアリングの本質です。

ちなみに、「ハーネス」という言葉を説明します。本来の意味は、馬に装着して荷車を引かせて働かせるための装具です。装着しないと馬はただ暴れ回るだけです。AIモデルも同じで、モデル単体では役に立ちません。ツール呼び出し、コンテキスト管理、プロンプトなどのアドオン一式を装備して初めて有用になります。そのアドオン一式をハーネスと呼びます。同じモデルでも、異なるハーネスを使うと、結果が大きく異なります。

そして、Claudeはこの分野で際立っています。デスクトップアプリは参入障壁を大幅に下げ、WYSIWYG（見たまま）の体験を提供します。

APIキーの申請

まず、DeepSeekのAPIキーを申請する必要があります。

ステップ1: DeepSeekのウェブサイト（https://www.deepseek.com）を開き、「API Open Platform」をクリックします。

ステップ2: アカウントを登録し、左側の「Recharge」をクリックします。少なくとも10元をチャージします。登録の詳細は省略します。

ステップ3: 左側の「API keys」をクリックし、「Create API key」をクリックします。

ステップ4: 名前を入力します。新しいページにAPIキーが表示されます。すぐにすべての内容をコピーして保存してください。このウィンドウを閉じると、二度と取得できなくなります。必ずコピーして安全に保管してください。また、漏洩しないように注意してください。他の人があなたのAPIキーを入手すると、無料でクォータを使用できてしまいます！

デモでは、この位置に自分のAPIキーを使用してください。sk-REPLACE_WITH_YOUR_API_KEY のような形式になります。このステップは以上です。

設定

ステップ1: https://claude.ai/downloads からClaudeデスクトップアプリをダウンロードします。これにはVPNが必要かもしれません。VPNがない場合は、国内のミラーサイトでダウンロードできるか確認してください。

ステップ2: ダウンロードしたファイルをインストールします。ダブルクリックし、表示された新しいウィンドウで、Claudeアイコンを右側のApplicationsフォルダにドラッグします。

ステップ3: アプリを開きます。まず、上部メニューから「Help」を選択し、「Enable Developer Mode」を選びます。表示された新しいダイアログで「Enable」をクリックします。アプリが再起動します。

ステップ4: 再起動後、新しい「Developer」タブが表示されます。それをクリックし、「Configure Third-Party Inference」を選択します。

ステップ5: 新しいページで、URLに https://api.deepseek.com/anthropic を入力します。APIキーには、先ほど保存したものを使用します。

ステップ6: モデルを入力します。注意: Claudeデスクトップアプリは現在、モデル名のプレフィックスを検出してモデルを識別します。元の名前を直接入力するとブロックされます。

解決策は簡単です。「帽子」をかぶせます。モデル名の先頭に claude- というプレフィックスを追加するだけです。

同じページを下にスクロールし、「Model list」が表示されるまで進みます。その下の「Add」をクリックし、2つのモデルを追加します。

claude-deepseek-v4-flash
claude-deepseek-v4-pro

（元々は deepseek-v4-flash と deepseek-v4-pro と入力していたかもしれません。今は先頭に claude- を追加するだけです。アプリは名前のプレフィックスでモデルを識別するため、プレフィックスを追加すると認識されなくなります。）

すべて入力したら、下部の「Apply Locally」をクリックします。新しいページで「Relaunch now」を選択します。アプリが再起動します。

ステップ7: 再起動後、新しいインターフェースで使用を開始できます。Claude Codeの詳細な使い方については、このガイドの第13章を参照してください。

最後に、これらの手順を順番に実行すれば、問題は発生しないはずです。それでも問題が発生した場合は、Q&Aグループでお気軽にお尋ねください。

また、このサードパーティログインからログアウトしたい場合は、左下の「Cowork 3P」をクリックし、「Disconnect」を選択します。再度ログインする際には、ログイン方法を尋ねられますので、もう一度「Subscription」を選択してください。

あ、そうそう、DeepSeekはまだビジョンをサポートしていないので、Claudeで画像を与えても認識しません。しかし、DeepSeekのビジョンモデルが間もなく登場するという噂があります。楽しみですね！

Hermes 入門：クリッピング、家計簿、リマインダー、WeChat

Mon, 01 Jan 0001 00:00:00 +0000

前章では、スマホにエージェントを組み込むOpen Minisについて説明しました。本章では方向性を変え、「パーソナルアシスタント」に近いエージェント、Hermesを紹介します。

最初はHermesにあまり期待していませんでした。OpenClawを使ってみて、自分には管理してもらうことがそれほど多くないと気づき、使うためだけにツールを使いたくはなかったのです。

しかし、しばらく試してみると、Hermesはこれまで使ってきたツールとはかなり異なることがわかりました。

Hermesが他のツールとどう違うか

私の経験では、CodexやClaude Codeの主な用途は依然としてコードを書くことです。明確なプロジェクト、明確なバグ、明確な要件を与えると、それらはプロジェクトに入り、ファイルを修正し、テストを実行し、問題を修正します。この分野での能力は非常に高いです。

一方、Hermesは、徐々にあなたのことを知っていくパーソナルエージェントツールであり、どちらかというとパーソナルアシスタントのようなものです。

その焦点は、単一の非常に複雑なプログラミングタスクを完了することではなく、あなたと長期的な会話をし、あなたの好みを記憶し、ワークフローを理解し、繰り返し発生するプロセスをスキルに抽出することです。次回同様のことを行うとき、ゼロから始めるのではなく、蓄積された経験を活かして支援し続けます。

OpenClawについては、プロジェクトやチーム管理により向いていると感じています。もちろんパーソナルアシスタントとしても機能しますが、Hermesのように「長期的に生活や仕事に寄り添う」という感覚はありません。

もちろん、これはあくまで私個人の印象であり、絶対的なルールではありません。実際、上記の3つのシナリオはどれもこれらのツールで処理できます。ただ、各シナリオへの適合度が異なるだけです。

ツール	主に使う用途	印象
Codex / Claude Code	コード作成、プロジェクト修正、テスト実行	エンジニアリング能力が高く、明確なプログラミングタスクに適している
Hermes	長期的なパーソナルアシスタント、WeChatエントリ、スケジュールタスク、記憶とスキル	時間とともにあなたを理解し、小さくても繰り返し発生する個人ワークフローに適している
OpenClaw	プロジェクト管理、タスク分解、チームコラボレーション	プロジェクト/チーム管理エージェントに近く、パーソナルアシスタントとは少し異なる

一言でまとめるなら：

CodexやClaude Codeは「今プロジェクトがあるから、手伝ってくれ」という感じ。Hermesは「まずはそばにいて、徐々に私の習慣やワークフローを引き継いでくれ」という感じです。

現在Hermesを主に使っている用途

まずインストールについては触れません。なぜなら、ほとんどの人にとって本当に重要なのは「どうやってインストールするか」ではなく、「実際に何ができるのか」だからです。

現在、Hermesを以下のようなことに使っています。

クリッピング。

以前はObsidian公式のWeb Clipperを推奨していましたが、もう使っていません。なぜなら、ウェブページを直接Hermesに送るだけで、記事をObsidianにクリップしてくれるからです。

BilibiliやYouTubeの動画の場合は、ダウンロードしてAIに送り音声をテキスト化し、誤字を修正し広告コンテンツを除去します。Obsidianを開くと、きれいに整理された記事が表示されます。

家計簿。

以前は多くの人がショートカットを使って家計簿をつけていました。私もその方法の一つとして使っていますが、ショートカットのデバッグは本当に嫌いです。疲れます。

今はWeChatのチャットで家計簿の詳細を直接Hermesに送るだけで、すぐにNotionに書き込んでくれます。ただし、自分で小さなプラットフォームを構築していて、ショートカットとHermesの両方がそのプラットフォームにコマンドを送信していることをお伝えしておきます。

もちろん、Notionを必要としないローカル版の家計簿機能もあります。それについては後日、専用の記事を書きます。

WeChat記事の作成。

WeChat記事の作成には、テーマ選び、手書き、編集、公開など、約13のステップがあります。今ではこれらのプロセスをすべてHermesに任せて、ステップごとに処理してもらっています。

また、以前Claudianという優れたObsidian AIツールを紹介しましたが、実際にはHermesを使ってObsidianを操作しています。

リマインダーの設定。

私はTickTickのヘビーユーザーで、毎日欠かせませんが、TickTickでタスクを設定するのはかなり面倒です。

特に、数ヶ月後の特定の週や、数ヶ月おきの水曜日と木曜日といったタスクを設定するには、何度もクリックが必要です。今では自然言語でHermesに送信するだけで、バックグラウンドでTickTickに設定してくれます。

日報。

毎朝7時30分に、過去12時間のニュースレポートを送ってもらっています。また、私は株式トレーダーとして働いているので、毎日市場が閉まった後、市場情報をまとめて取引日報を作成してもらっています。

その他さまざまな小さなタスク。

これこそがHermesの真骨頂です。

個々には小さく、プログラムを書いたり複雑なソフトウェアを開いたりする価値がないことが多いです。しかし、毎日、毎週、毎月繰り返され、徐々に負担になっていきます。

それがHermesの価値です。一度タスクを完了するのを助けるだけでなく、これらの繰り返し発生する小さなプロセスを徐々に引き継いでいきます。

DeepSeek V4 FlashとHermesが相性抜群な理由

最近DeepSeek V4がリリースされてから、DeepSeek V4 FlashとHermesは完璧な組み合わせだと気づきました。

理由は簡単です。Hermesの多くのタスクはOpusレベルの知能を必要としません。極めて複雑なプログラミング問題を解決するわけではなく、クリッピング、整理、リマインダー、クエリ、アーカイブ、ツール呼び出しなどが中心です。

これらのタスクに必要なのは、「毎回最も賢いモデルが長時間熟考すること」ではなく、スピード、低コスト、そして長期間稼働できることです。

DeepSeek V4 Flashの実際の使用感は、画面がスクロールしているかのようで、私の読む速度が出力速度に追いつきません。知能は確かにOpus 4.7ほど高くはありませんが、Hermesには十分すぎるほどです。

だからこそ今お勧めしています。Hermesは長期的に稼働するオンラインパーソナルアシスタントであり、モデルのコストと応答速度は、実際に使うかどうかに直接影響します。

インストールと設定

Hermesを動かすだけなら、最小限の手順は3ステップです。

Hermesをインストールする。
モデルを設定する。
WeChatまたはFeishuのエントリを設定する。

コマンド、メモリ、スキル、スケジュールタスクについては、必要になったときに後で学べばよいでしょう。

いつものように、Hermesのインストールは一行で完了します。Macでデモします。

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

インストール後、ターミナルでどこでも hermes と入力すると起動できます。Claude CodeやCodexとは異なり、起動するかどうかにかかわらず、実際にはコンピュータのバックグラウンドで動作していることに注意してください。

あ、それから、以前OpenClawを使っていた場合、Hermesはシームレスな移行コマンドを用意しています。これを入力するだけです。念のため。

hermes claw migrate

移行しなかった場合は、Hermesを初期設定する必要があります。

hermes model

このステップでは、AIプロバイダーを入力するよう求められます。DeepSeekをお勧めします。赤い枠で対応するオプションが強調表示されています。一番上が公式のDeepSeekです。APIキーを入力し、DeepSeek V4 Flashを選択するだけです。

下の赤い枠には、以前紹介したOpenCode ZenとOpenCode Goが含まれています。

Goプランは私がお勧めする利用方法です。月額10ドルで60ドル分のクレジットが得られ、Alipayで支払えて中国から直接接続できます。DeepSeek V4 Flashを使えば、クレジットが尽きることはありません。

もちろん、今最もお勧めなのはOpenCode Zenです。期間限定でDeepSeek V4 Flashが無料で使えるからです。無料が一番です。

次に、WeChatを設定して、WeChatから通信できるようにしましょう。同様に、Feishuも設定できます。

hermes gateway setup

WeChatを例にとると、選択後にQRコードが表示されるので、スマホでスキャンしてください。私はすでに設定済みなのでデモはできず、スキップします。

設定が成功すると、WeChatにチャットウィンドウが表示され、直接通信できるようになります。最も重要なコマンドは /new で、新しい会話を開始できます。前の会話が長くなった場合、これを使って新しい会話に切り替えられます。

具体的な使い方

上記2つのステップを設定すれば、ターミナルで使用できます。

ターミナルで hermes と入力するだけで起動します。CodexやClaude Codeとの違いは、特定のディレクトリに入る必要がなく、ターミナルのどこでも入力できることです。常に同じHermesインスタンスに入ります。

ここにIDがあることに触れておきます。後でこの会話を取得し、この一意のIDを使ってチャットを続けることができます。

例えば、ここでの私のIDは 20260514_224631_850142 です。後でターミナルのどこでも hermes -r 20260514_224631_850142 と入力するだけで、この会話を再開してチャットを続けられます。

多くの会話の中から必要なIDを見つける方法については、後ほど説明します。この章では扱いません。

さて、本題に戻り、いくつかの重要なコマンドについて説明します。

最初は /new で、新しい会話を開始できます。Hermesには過去の会話を検索するメモリシステムが組み込まれていますが、同じ会話で異なるトピックを議論するとモデルのパフォーマンスが低下する可能性があります。そのため、一つのトピックを徹底的に終えてから新しい会話を始めることをお勧めします。

2つ目のコマンドは /reasoning です。推論レベルや推論プロセスを表示するかどうかなど、推論関連の設定を管理します。

私の習慣では、推論プロセスを非表示にしています。DeepSeek V4 Flashでは、推論レベルを xhigh に設定しています。

そこで、それぞれ /reasoning hide と /reasoning xhigh を入力します。

これを行った後、以下で快適にチャットできます。

Hermesのユニークな点は、チャット後に内部であなたに関する記憶を整理し、あなたの好みや傾向を学習することです。さらに、あなたの操作の一部は自動的にスキルに整理され、あなたの行動に基づいてこれらのスキルが修正されます。

OpenClawやClaude Codeでは、関連するスキルを作成するよう積極的に依頼する必要があることが多いのに対し、Hermesは長期間の使用を通じて徐々にあなたのワークフローを学習していくようなものです。

Hermesを使うべき人

AIにコードを書くのを手伝ってもらいたいだけなら、CodexやClaude Codeを引き続き使えばよいでしょう。

しかし、クリッピング、家計簿、リマインダー、日報、資料整理、WeChat記事作成、Obsidianの同期など、繰り返し発生する小さなプロセスが多くある場合、Hermesの価値が明らかになります。

一度タスクを完了するのを助けるだけでなく、徐々にあなたをよりよく理解するバックエンドアシスタントになります。

もちろん、この種のツールには前提条件があります。コンピュータ上で長期間実行され、徐々にあなたのノート、チャットエントリポイント、ワークフローにアクセスすることを受け入れなければなりません。

そのため、最初はあまり多くを任せすぎないことをお勧めします。クリッピングやリマインダーなどの低リスクなシナリオから始めてください。確実に役立つことを確認できたら、徐々に複雑なプロセスを任せていきましょう。

プログラミングについて

ここで特に言及しておきたいのは、Hermesはプログラミング作業もできますが、Codexの代替にはならないということです。

同じGPT-5.5モデルを推論レベルHighで使用し、HermesとCodexの両方に同じタスクを実行させました。Codexの方が明らかに強力でした。

それは正常です。Codexはプログラミングエージェントとして位置づけられており、プロジェクトに深く入り込んでコードを読み、修正し、テストを実行し、問題を修正するのに適しています。Hermesの強みは「単一セッションでの最強のプログラミング能力」ではなく、「長期的なパーソナルエントリポイントおよびコマンドセンターとして機能できること」です。

そのため、私のアプローチはHermesでCodexを置き換えるのではなく、連携させることです。

ここでは2つの方法があります。

Hermesはターミナルから直接Codexを呼び出せるので、タスクをCodexに引き継がせ、その後結果を自身でレビューさせることができます。
手動でCodexを起動し、Hermesに引き継ぎファイルを書かせます。各AIが操作を実行した後、引き継ぎファイルを修正して相手が読めるようにします。

それぞれに焦点があるため、HermesにOpenClawを操作させる人もいると聞きました。

それについては、私が再びOpenClawを使い始めるかどうかによります。しかし今のところ、Hermesで十分だと感じています。もし後でそうしたら、別の記事を書きます。

まとめ

この章で学んだこと：

Hermesの位置づけ: CodexやClaude Codeの代替ではなく、徐々にあなたを理解していく長期的なオンラインパーソナルアシスタントのようなもの。
適したシナリオ: クリッピング、家計簿、リマインダー、日報、WeChat記事のワークフロー、Obsidianの整理など、繰り返し発生する小さなプロセスに最適。
モデル選択: Hermesの多くのタスクは最強のモデルを必要とせず、スピード、低コスト、長期的な持続可能性が求められるため、DeepSeek V4 Flashのようなモデルが非常に適している。
最小限の導入パス: Hermesをインストールし、モデルを設定し、WeChatまたはFeishuのエントリを設定すれば、すぐに使い始められる。
使用習慣: /new を使って異なるタスクを分け、/reasoning で推論設定を調整し、会話IDを使って過去の会話を取得する。
プログラミングの境界: Hermesはプログラミングもできるが、最強のプログラミングエージェントではない。コマンドセンターとして使い、明確なプログラミングタスクをCodexに引き継ぎ、Hermesが結果をレビューしてつなぐのが良い。

重要なポイント：

Hermesの価値は単一タスクの能力ではなく、長期的な伴走とプロセスの蓄積にある。
断片的で反復的な、ツールを横断する小さなタスクを引き継ぐのに適している。
習慣を記憶し、スキルを蓄積し、WeChatからいつでも呼び出せるパーソナルアシスタントを求めるなら、Hermesは純粋なプログラミングツールよりもこの形に近い。

おまけ：さらに上を目指したい方へ

Markdown: AIと対話するための共通言語

Mon, 01 Jan 0001 00:00:00 +0000

この章では、少し軽い話題に移ります。あなたが毎日使っているかもしれないけれど、名前を知らないかもしれないもの、Markdownについてです。

まずは大胆な主張から始めます。

Markdownは、AI時代に学ぶべき最も重要なフォーマットです。

なぜか？読み進めてください。

Markdownとは？

一言で言うと、Markdownは記号を使って書式を制御するプレーンテキストの書き方です。

プレーンテキストには書式がありません。見出しも、太字も、リストもありません。一方、Wordのようなリッチテキスト形式は重すぎます。専用ソフトが必要で、ファイルサイズも大きくなります。

Markdownは「ちょうどいい」中間地点です。いくつかの簡単な記号を使うだけで、プレーンテキストに書式を追加できます。

例えば、次のように書くと：

# This is a heading
**This is bold**
- This is a list

これは、書式付きの見出し、太字テキスト、リストとして表示されます。とても簡単です。

なぜAI時代にMarkdownを学ぶべきなのか

理由1: AIはMarkdownを話す

ChatGPT、Claude、GeminiなどのAIが返信するとき、自動的に太字、見出し、リスト、コードブロックが含まれていることに気づいたことはありますか？

それがMarkdownです。

AIはWord文書やPDFを出力しません。デフォルトの出力形式はMarkdownです。このチュートリアルで見られるすべての表、太字、コードブロックは、すべてMarkdownです。

Markdownを学ばないということは、相手と話しているのに相手が書く言葉を理解しないようなものです。それでもコミュニケーションは取れますか？はい。しかし、効率は格段に悪くなります。

理由2: どこにでもある

Markdownは特定のソフトウェア専用の形式ではなく、普遍的な標準です。Markdownをサポートするツールは数え切れません。

カテゴリ	ソフトウェア/プラットフォーム
ノート作成	Obsidian、Notion、Typora、Bear
コードプラットフォーム	GitHub、GitLab、Bitbucket
ブログシステム	Hugo、Jekyll、Hexo
ドキュメントツール	Confluence、Feishu Docs、Yuque
AIツール	ChatGPT、Claude、Gemini、Claude Code、Codex

1つの形式を学べば、どこでも使えます。 Obsidianで書いたメモは、GitHubにコピーしても書式が保持されます。AIに渡せば、完璧に理解します。Wordで同じことを試してみてください。

理由3: ファイルサイズが驚くほど小さい

驚くかもしれませんが、同じ内容の場合、MarkdownファイルはWordファイルの20分の1以下のサイズです。

なぜか？ Wordの.docxファイルは、本質的にはXMLファイルを圧縮したアーカイブで、スタイル定義、フォント情報、ドキュメントプロパティが詰め込まれています。たった1行書いただけでも、ファイルサイズは数十KBになります。

Markdownはプレーンテキストです。ファイルサイズは書いたテキストの量に等しく、余分なものは一切ありません。

これはAIのシナリオで特に重要です。 文書をAIに送って分析してもらうとき、Markdownは消費するトークンが少なく、処理が速く、コストも低くなります。Wordファイル内のXMLタグやスタイル定義はすべてトークンとしてカウントされ、無駄になります。

理由4: AIはMarkdownをよりよく理解する

多くの人が知らないことです。

AIにWord文書を与えると、まずテキストに変換する必要があります。変換中に書式が失われたり、表の配置がずれたり、画像が消えたりすることがあります。

AIにMarkdownファイルを与えると、そのまま読み取ります。Markdownはそれ自体がプレーンテキストなので、変換は不要で、損失はゼロです。

さらに重要なのは、Markdownの記号（#を使った見出し、-を使ったリスト、`を使ったコード）は、AIにとって明確な構造の手がかりとなることです。AIはこれらの記号を認識し、文書の階層構造を理解し、各部分の重要性を判断します。

10分でMarkdownをマスターする

Markdownの構文は非常に少なく、直感的です。ここでは、最もよく使う構文を素早く紹介します。

1. 見出し（6段階）

``` ``) inherently tell the AI, “this is a heading, this is a list, this is code.” The AI can understand your content structure more accurately.

Learn Markdown in 10 Minutes

There are only about a dozen Markdown syntax elements, and even fewer are needed for daily use. Below, they are ordered by frequency of use, starting with the most common.

1. Headings

Use # followed by a space. The number of # symbols indicates the heading level:


### 2. テキストの装飾

For daily use, up to level 3 is enough.

2. Bold and Italic


### 3. リスト

**箇条書きリスト：**

Bold is used most often, italic occasionally.

3. Lists

Unordered lists use - or *:


**番号付きリスト：**

Ordered lists use numbers followed by a period:


**入れ子リスト：**

Lists can be nested by adding two spaces before the sub-item:


### 4. コード

**インラインコード：** バッククォートで囲む

4. Code

Inline code uses single backticks:


**コードブロック：** トリプルバッククォートで囲む

Result: Type claude --help to see help

Code blocks are wrapped with three backticks, and you can specify the language:


### 5. リンクと画像

```python
print("Hello World")

6. 引用


This is especially useful when communicating with AI. When sending code to an AI, wrap it in a code block so the AI can more accurately identify the code boundaries.

### 5. Links and Images

```

### 7. 表

```

Images are just links with a `!` in front.

### 6. Blockquotes

Start with `>`:

```

### 8. 水平線

```

Result:

> This is a blockquote.
> It can span multiple lines.

### 7. Tables

```

### 9. 取り消し線

```

Table syntax looks complex, but you don’t need to write it by hand. **Just ask the AI to generate it for you.** Say “organize this data into a table,” and the AI will output a Markdown table.

### 8. Horizontal Rules

Three or more `-` on a single line:

```

---

## AIとのコミュニケーションのヒント

### ヒント1: 見出しを使って構造化する

AIに長い文書を与えるときは、見出しを使って構造化しましょう。これにより、AIは文書の全体的な構成を素早く把握できます。

**悪い例：** 見出しのないテキストの塊

**良い例：**

```

Used to separate different sections of an article.

### 9. Strikethrough

```

### ヒント2: コードはコードブロックで囲む

コードについて質問するときは、必ずコードブロックで囲み、言語を指定してください。これにより、AIは構文を正確に認識できます。

```

Result: ~~Deleted text~~

---

## That’s Enough, Really

The 9 syntax elements above cover 99% of daily use cases.

**You don’t need to master Markdown.** Headings, bold, lists, and code blocks—master these four and you can handle most situations. Look up the rest when needed.

And Markdown has one advantage: **It’s okay if you can’t remember it all now; you’ll learn it by using it.** AI outputs Markdown, so as you read AI responses every day, you’ll naturally become familiar with these symbols.

---

## How to Use Markdown to Improve Communication with AI

After learning Markdown, here are a few tips to make your conversations with AI more effective:

**Tip 1: Use headings to structure your input**

```

### ヒント3: リストを使って要件を明確にする

複数の要件がある場合は、リストを使って整理しましょう。

```

Much better than a big block of text. With headings, the AI can more accurately understand the structure of your request.

**Tip 2: Wrap code in code blocks**

Don’t just paste code directly; wrap it in a code block:

ヒント4: 完全な構文（9つで99%をカバー）：リンク、画像、引用、表、水平線

ヒント5: AIとのコミュニケーションのコツ：見出しで構造化、コードはコードブロックで、要件はリストで

重要なポイント：

MarkdownはAIの「母国語」です。学ぶことは、AIと効率的にコミュニケーションすることを意味します。
基本は10分で学べ、残りは必要に応じて調べましょう。
わざわざ練習する必要はありません。AIを使いながら自然に身につきます。

パート2: APIとトークン: 技術の中核

MCP: その概要と使い方

Mon, 01 Jan 0001 00:00:00 +0000

前の章では、よく使う操作をワンクリックで実行できる「スキル」について学びました。でも、こんな疑問を持ったことはありませんか？

AIが直接ブラウザを操作できたら？ノートを読み書きできたら？データベースに問い合わせできたら？

答えは「はい、でもAIに『プラグイン』を装備する必要があります」です。

この「プラグインシステム」こそが MCP です。

トレンドをざっくりと

MCPの機能の多くは、Claude CodeやCodex CLIにネイティブで取り込まれつつあります。

例えば、初期の頃はAIにウェブ検索させるためにWeb Search MCPをインストールする必要がありましたが、今ではClaude CodeもCodexもウェブ検索機能を内蔵しています。ファイルの読み書きやGit操作など、他の多くの機能もビルトインされています。前章で紹介したスキルもMCPの一部のシナリオを代替します。以前はMCPが必要だった標準化されたタスクの多くが、今ではスキルで実行できるようになりました。

しかし、MCPが無用になったわけではありません。むしろ、MCPには今でも代替不可能な価値があります。

プロプライエタリなシステムとの連携: 社内データベースやプライベートAPIなど、ビルトインでは絶対にカバーできない部分は、MCPでしかアクセスできません。
サードパーティソフトウェアの操作: ブラウザの制御、Obsidianの管理、Notionのノート処理など、外部ソフトウェアとの深い連携が必要なシナリオでは、MCPが唯一の選択肢です。
コミュニティエコシステム: MCPマーケットプレイスには、コミュニティが提供する何千ものサーバーがあり、想像もしなかったようなシナリオをカバーしています。
カスタマイズ性: 自分でMCPサーバーを書けば、AIに任意のシステムへアクセスさせることができます。

簡単に言えば、ビルトイン機能で一般的なニーズの80％をカバーし、MCPが残りの20％の個別ニーズを担当します。そして、その20％こそが本当の差を生むのです。

MCPとは？

一言で言うと

MCP = Model Context Protocol = AIのプラグインシステム

MCPは、Anthropic（Claudeの開発元）が導入したオープンプロトコルで、AIツールを外部システムに接続できるようにします。

なぜMCPが必要なのか？

次のシナリオを考えてみてください。

MCPがない場合:

You: Open Baidu and search for "today's weather"
AI: Sorry, I can't access the browser. I can only process text…

MCPがある場合:

You: Open Baidu and search for "today's weather"
AI: Sure, I've opened the browser, searched for "today's weather", and here are the results…

何が違うのでしょうか？ AIが「話すだけ」から「行動できる」に変わります。

たとえ話

AIそのもの = 優秀な頭脳

何でも知っているが、手足がない。
やり方を教えることはできるが、代わりに実行することはできない。

MCP = その頭脳に手足をつなぐもの

「ブラウザの手」をつなぐ：AIが自動でウェブページを操作できる。
「ファイルシステムの手」をつなぐ：AIがファイルを読み書きできる。
「データベースの手」をつなぐ：AIがデータを照会・変更できる。
「Obsidianの手」をつなぐ：AIが直接ノートを管理できる。

もう一つのたとえ:

AI = 超優秀なシェフ
MCP = シェフにフル装備のキッチン（鍋、フライパン、オーブン、ミキサー…）を与える
MCPがない場合：シェフはレシピを暗唱するだけ。
MCPがある場合：シェフが実際に料理を作ってくれる。

前章との比較

前章では、プロンプト、スキル、MCPを比較しました。

Prompts → The most basic interaction method (verbal instructions)
    ↓
Skills → Encapsulate prompts + simple logic (shortcuts)
    ↓
MCP → Skills + the ability to connect to external systems (connecting the world)

MCPは3つの中で最も強力です。なぜなら、AIの「壁」を打ち破り、外界にアクセスできるようにするからです。

MCPの仕組み

技術的な詳細に立ち入る必要はありません。次の図を理解すれば十分です。

You ←→ Claude Code/Codex ←→ MCP Server ←→ External System
         (AI Tool)           (Bridge)      (Browser/Database/Notes, etc.)

3つの役割:

役割	説明	例
AIツール (クライアント)	あなたが使うコーディングアシスタント	Claude Code, Codex CLI
MCPサーバー	AIと外部システムの橋渡し	Playwright MCP, GitHub MCP
外部システム	AIが操作する対象	ブラウザ, GitHub, Obsidian

あなたがやるべきことは、AIツールにMCPサーバーをインストールするだけ。するとAIが対応する外部システムを操作できるようになります。

スマホにアプリをインストールするのと同じくらい簡単です。

MCPサーバーを探すには

MCPサーバーはたくさんあります。必要なものを見つけるにはどうすればいいでしょうか？主な「MCPマーケットプレイス」を紹介します。

1. mcp.so (推奨)

URL: https://mcp.so

現在、最も包括的なMCPサーバーのディレクトリです。いわば「MCPのアプリストア」です。

特徴:

数千のMCPサーバーが掲載
詳細な説明とインストールガイド
検索とカテゴリブラウジング
日本語にも対応

使い方:

ウェブサイトを開く。
必要な機能を検索する（例：「playwright」や「browser」）。
該当するMCPサーバーを見つける。
ページのインストール手順に従う。

2. Smithery

URL: https://smithery.ai

特徴:

一部のMCPサーバーをオンラインで直接試せる。
ワンクリックインストールコマンド。
APIキーのホスティング。

3. GitHub awesome-mcp-servers

URL: https://github.com/punkpeye/awesome-mcp-servers

特徴:

コミュニティ管理のMCPサーバーリスト。
オープンソースで無料。
頻繁に更新される。

4. 公式MCPサーバー

AnthropicやMicrosoftなどの大手企業も公式MCPサーバーをリリースしています。

MCPサーバー	機能	メンテナー
Playwright MCP	ブラウザ自動化	Microsoft
GitHub MCP	GitHub操作	GitHub
Context7 MCP	最新ドキュメントの取得	コミュニティ
Notion MCP	ノート管理	Notion

おすすめ: 初心者はまずmcp.soから始め、必要な機能を検索し、インストールガイドに従ってください。

MCPのインストール方法

インストール方法はClaude CodeとCodex CLIで少し異なります。それぞれの手順を説明します。

Claude CodeにMCPをインストールする

方法1: コマンドライン (推奨)

Claude Codeには専用のMCP管理コマンドがあり、一行で完了します。

claude mcp add playwright npx '@playwright/mcp@latest'

このコマンドの意味:

claude mcp add : MCPサーバーを追加する。
playwright : このMCPに付ける名前（任意の名前を付けられます）。
npx '@playwright/mcp@latest' : MCPサーバーを起動するコマンド。

インストールの確認:

Claude Codeで /mcp と入力すると、インストール済みのMCPサーバーのリストが表示されます。

方法2: 設定ファイルを編集する

Claude Codeの設定ファイルを直接編集してMCPを追加することもできます。

設定ファイルのパス: ~/.claude.json

mcpServers セクションを追加します。

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

保存してClaude Codeを再起動します。

Codex CLIにMCPをインストールする

Codex CLIのMCP設定は ~/.codex/config.toml ファイルにあります。

config.tomlを編集する

ファイルの末尾に以下を追加します。

[mcp_servers.playwright]
command = "npx"
args = ["@playwright/mcp@latest"]
startup_timeout_sec = 60.0

パラメータの説明:

パラメータ	説明
`command`	MCPサーバーを起動するコマンド
`args`	コマンドの引数
`startup_timeout_sec`	起動タイムアウト（秒）。MCPサーバーによっては起動に時間がかかるため、60を推奨

環境変数を使うMCP

一部のMCPサーバーではAPIキーなどの設定が必要です。env セクションを使って渡せます。

[mcp_servers.context7]
command = "npx"
args = ["-y", "mcp-remote", "https://mcp.context7.com/mcp", "--header", "Authorization:${CTX7_AUTH_HEADER}"]
startup_timeout_sec = 60.0

[mcp_servers.context7.env]
CTX7_AUTH_HEADER = "Bearer your_token"

保存してCodexを再起動します。

実践: Playwright MCPをインストールしてブラウザを操作する

実際に試してみましょう！ Playwright MCP を例に、AIにブラウザを自動制御させます。

Playwright MCPとは？

Playwright = Microsoftのブラウザ自動化ツール
Playwright MCP = MCPプロトコルを通じてAIがPlaywrightを制御できるようにするもの

インストール後、AIは以下のことができるようになります。

ウェブページを開く
ボタンをクリックする
フォームに入力する
スクリーンショットを撮る
ページの内容を読む
ウェブサイトに自動ログインする

ステップ1: Playwright MCPをインストールする

Claude Codeの場合

ターミナルを開いて実行:

claude mcp add playwright npx '@playwright/mcp@latest'

ブラウザを指定したい場合（例: Edge）、パラメータを追加:

claude mcp add playwright npx '@playwright/mcp@latest' -- --browser msedge

Codex CLIの場合

~/.codex/config.toml を編集して追加:

[mcp_servers.playwright]
command = "npx"
args = ["@playwright/mcp@latest"]
startup_timeout_sec = 60.0

Edgeを使い、ログインセッションを維持したい場合は、次のように設定します。

[mcp_servers.playwright]
command = "mcp-server-playwright"
args = ["--browser", "msedge", "--executable-path", "/Applications/Microsoft Edge.app/Contents/MacOS/Microsoft Edge", "--user-data-dir", "/Users/your_username/Library/Application Support/Microsoft Edge", "--isolated"]
startup_timeout_sec = 60.0

ヒント: --user-data-dir を使うとブラウザのログイン状態が保持されるため、AIがページを開くたびに再ログインする必要がありません。

ステップ2: インストールを確認する

Claude Codeを起動:

claude

/mcp と入力すると、リストに playwright が表示され、ステータスが “connected” になっているはずです。

ステップ3: AIにブラウザを操作させる

さあ、試してみましょう！ Claude Codeで次のように入力します。

Open Baidu, search for "What is MCP", and save a screenshot of the search results.

AIが自動的に:

ブラウザを起動
Googleのトップページを開く
検索ボックスに「MCPとは」と入力
検索ボタンをクリック
検索結果ページのスクリーンショットを撮る
スクリーンショットをプロジェクトフォルダに保存

あなたは何もする必要はありません。AIがすべての手順を自動で完了します！

さらに多くのユースケース

Playwright MCPをインストールすれば、AIにさまざまなことを依頼できます。

例1: フォームの自動入力

Open https://example.com/register and fill in the registration form with the following info:
Username: testuser
Email: test@example.com
Then click submit.

例2: Webコンテンツの抽出

Open https://news.ycombinator.com and extract the titles and links of the top 10 stories on the front page. Organize them into a Markdown table.

例3: 自動テスト

Open the translation page I just made (translate.html) and test the following:
1. Enter "Hello World", click translate, and check if a result appears.
2. Click the clear button and check if the input box is cleared.
3. Toggle dark mode and check if the interface looks correct.
Compile the test results into a report.

MCPサーバー	機能	インストールコマンド (Claude Code)
Playwright	ブラウザ自動化	`claude mcp add playwright npx '@playwright/mcp@latest'`
Chrome DevTools	Chromeデバッグ	`claude mcp add chrome-devtools npx 'chrome-devtools-mcp@latest'`

MCPサーバー	機能	インストールコマンド (Claude Code)
GitHub	GitHub操作	`claude mcp add github npx '@anthropic-ai/github-mcp'`
Context7	最新の技術ドキュメントを取得	トークン設定が必要（設定参照）

MCPサーバー	機能	備考
Notion	Notionノートの読み書き	Notion API Keyが必要
Obsidian	Obsidianノートの読み書き	コミュニティ開発

MCPサーバー	機能	備考
Supabase	Supabaseデータベース操作	Access Tokenが必要
PostgreSQL	PostgreSQL操作	コミュニティ開発

重要な注意点

安全に関する注意

MCPはAIに外部システムを操作する能力を与えるため、いくつかのリスクも伴います。

権限は慎重に付与する: AIにシステム全体へのアクセス権をむやみに与えないでください。
アクションを確認する: 重要な操作の前には、AIに何をしようとしているのか説明させてください。
データをバックアップする: AIに重要なデータを扱わせる前に、バックアップを取ってください。
APIキーの安全性: APIキーを他人と共有しないでください。

よくある質問

Q: MCPサーバーが起動しません。

A: 以下を確認してください。

Node.jsのバージョンは18以上ですか？ (node -v)
ネットワークは接続されていますか？
startup_timeout_sec は十分に高いですか？（60秒を推奨）

Q: ブラウザMCPをインストールしてもブラウザウィンドウが見えません。

A: Playwrightはデフォルトでヘッドレスモード（ウィンドウ非表示）で動作します。ブラウザの動作を確認したい場合は、パラメータ --headless false を追加してください。

claude mcp add playwright npx '@playwright/mcp@latest' -- --headless false

Q: MCPサーバーはClaude CodeとCodex CLIで共有できますか？

A: MCPサーバー自体は汎用的です（例: Playwright MCPは両方のツールで使用可能）が、設定方法が異なります。

Claude Code: ~/.claude.json または claude mcp add コマンド
Codex CLI: ~/.codex/config.toml

まとめ

今日学んだこと:

MCPとは: AIのプラグインシステム。AIを外部ツールやサービスに接続する。
MCPマーケットプレイス: mcp.so、Smithery、awesome-mcp-servers – アプリストアのようにプラグインを探せる。
MCPのインストール方法: Claude Codeでは claude mcp add コマンド、Codex CLIでは config.toml を編集。
実践: Playwright MCPをインストールし、AIにブラウザを自動制御させた。
おすすめのMCPサーバー: ブラウザ、GitHub、ノート、データベースなど。

重要なポイント:

MCPはAIを「話すだけ」から「行動できる」に変える。
MCPのインストールはスマホにアプリを入れるのと同じくらい簡単。
初心者はまずPlaywright MCPから始めるのが最も直感的でおすすめ。

N8Nは強力だが、おそらく必要ない

Mon, 01 Jan 0001 00:00:00 +0000

Codex APPを紹介した際に、こんな話題に触れました。なぜもうN8Nを学ぶ必要がないのか。この章ではその点を掘り下げます。

N8Nとは？

一言で言えば、N8Nはビジュアルな自動化ワークフロープラットフォームです。

N8Nという名前は「nodemation」（node + automation）に由来し、最初と最後の文字の間に8文字があることからN8Nと呼ばれています。オープンソースプロジェクトで、自分のサーバーに無料でデプロイできます。

何ができるのか？組み立てラインを想像してください。各「ノード」がライン上のステーションです。データは最初のステーションに入り、一連の処理を経て、最後のステーションから出力されます。例えば、こんな組み立てラインを作れます：

ノード1（トリガー）：毎朝9時に自動起動
ノード2（HTTPリクエスト）：Webサイトから今日のニュースを取得
ノード3（データ処理）：AI関連のコンテンツだけをフィルタリング
ノード4（通知送信）：結果をメールで送信

一度設定すれば、あとは毎日自動で動きます。

N8Nには400以上の組み込みノードがあり、Gmail、Slack、データベース、Notionなど一般的なサービスをカバーしています。2019年のリリース以来、20万人以上のアクティブユーザーを獲得し、2億7000万ドルの評価額で資金調達を行いました。

間違いなく優れたツールです。私自身もデプロイして、多くのワークフローを動かしています。

N8Nは強力だが、初心者には4つの大きな問題がある

Skillが登場するまでは、N8Nは個人向け自動化のほぼ唯一の選択肢でした。しかし今は状況が変わっています。

N8Nには初心者にとって4つの大きな問題があります。

問題1：学ぶことが多すぎる

N8Nを開くと、理解すべきことが山ほどあります：ワークフロー、ノード、トリガー、Webhook、認証情報、式、データマッピング……

「Webhook」だけでも、HTTPプロトコル、POSTとGETリクエストの違い、JSONデータ形式を理解する必要があります。

プログラミング経験のない人にとって、これは自動化を学んでいるのではなく、プログラミングを学んでいるのと同じです。

多くの人がワクワクしながらチュートリアルを開き、最初のステップが「Webhookノードを設定し、MethodをPOSTにしてください」で、すぐにやる気をなくします。

問題2：チュートリアルがアップデートに追いつけない

N8Nは非常に頻繁にアップデートされます。それは良いことですが、問題はチュートリアル通りに進めても、画面がスクリーンショットと違っていることです。

チュートリアルが間違っているわけではありません。N8Nがまたアップデートされたのです。

さらに悪いことに、最近N8Nはメジャーバージョンアップがあり、以前動いていたワークフローがアップグレード後に互換性を失うことがあります。週末をかけて作ったものが、一度のアップデートで壊れて再設定が必要になることもあります。

問題3：デプロイのハードルが低くない

N8Nの利用方法は2つ：セルフホストか、公式クラウドサービスの利用です。

セルフホストなら、ワークフローは無制限で無料（サーバー代は別）。しかし、サーバーの購入方法、Dockerのインストール、リバースプロキシの設定、DNSの設定などを知っている必要があります。初心者にとって、N8Nを動かすだけで半日かかることもあります。自動化を学び始める前に、デプロイで挫折してしまいます。

公式クラウドサービスを使えば、サインアップするだけで使えます。しかし無料プランではワークフローは5つだけ。もっと使いたければ、Starterプランが月20ドル、Proプランが月50ドルです。まだ数個の自動化も作っていないのに、お金がかかってしまいます。

問題4：デバッグが人間のリレーに依存する

N8Nでエラーが発生したときのデバッグ手順はこんな感じです：

エラーメッセージを見る
理解できないので、スクリーンショットを撮ってAI（ChatGPTなど）に送る
AIが解決策を提示、N8Nに戻って修正
再実行、まだエラー
またスクリーンショット、またAIに聞く
何度も往復してようやく直る

あなたは何をしているのか？ N8NとAIの間の翻訳者です。

N8NにはMCPを使ってAIと連携する機能もありますが、体験は今ひとつです。結局、手動で一つずつAIに質問し、何度も試行錯誤する必要があります。

N8Nは実際に何をしているのか？

SkillがどのようにN8Nを置き換えるかを議論する前に、まずN8Nの核となる原理を理解しましょう。

派手なビジュアルインターフェースを取り除けば、N8Nがやっていることはたったの4つです：

機能	説明	例
リクエスト送信	外部APIを呼び出したり、Webページをスクレイピングする	天気APIにリクエストして今日の天気を取得
データ処理	データのフィルタリング、変換、整形	100件のニュースからAI関連のものをフィルタリング
実行トリガー	スケジュールや外部イベントで実行	毎朝9時に自動実行
サービス連携	異なるツールをつなげる	Gmailからメールを読む → Notionに保存

これだけです。たったの4つです。

そして、この4つはすべてSkillのスクリプトで実現できます。

SkillはどのようにN8Nを置き換えるのか？

以前紹介したSkillを覚えていますか？ Skillはツール、API、スクリプトをひとつのコマンドにまとめ、/で呼び出せるようにするものです。

N8NをSkillで置き換えるメリットは3つあります：

メリット1：自分で作る必要がない——AIが作ってくれる

N8Nでは、自分でノードをドラッグし、接続し、パラメータを設定する必要があります。詰まったらドキュメントを調べたりAIに聞いたりします。

Skillなら？

You: Create a Skill that fetches the top 10 stories from Hacker News every day,
    formats them into a Markdown table, and saves them to my notes.

AIが直接スクリプトを書き、Skillファイルを作成し、テストまで行います。HTTPリクエストを理解する必要も、JSONが何かを知る必要もありません。

メリット2：エラーが起きたら、AIが直接修正する

これが一番の利点です。

先ほどN8Nのデバッグ手順を説明しました——スクリーンショット、AIに聞く、修正、再実行、またスクリーンショット、また聞く……往復のリレーです。

Skillならまったく違います。AIがエラーメッセージを直接見て、直接スクリプトを修正し、直接再実行できます。

あなたは「実行して」と言うだけで、AIが残りをクローズドループで処理します。

「人間のリレー」から「AIのクローズドループ」へ、効率の差は10倍以上です。

メリット3：学習コストがほぼゼロ

N8Nでは、ノード、トリガー、式、認証情報、Webhook、データマッピング……を学ぶ必要があります。

Skillでは何を学ぶ必要があるでしょうか？

もう学んでいます。

このガイドをここまで読んできたなら、Claude CodeやCodexの使い方はすでに知っています。Skillを使うのは/スキル名と入力するだけ——追加の学習コストはありません。

「でもN8Nは自動実行できる！」

多くの人がN8Nを好む重要な理由：一度設定すれば、人間の介入なしに自動で動く。

「Skillは毎回手動でコマンドを入力しないといけないのでは？」

いいえ。Skillには自動実行を実現する方法がいくつかあります。

方法1：Codex APPのAutomations（最も簡単）

先に紹介したCodex APPにはAutomations機能があります。覚えていますか？ AIにアラームを設定するようなものです。

次のように設定できます：

毎朝9時に特定のSkillを実行
毎週月曜日にレポートを生成
6時間ごとにデータをチェック

やり方： Codex APPを開く → Automations → 頻度を設定 → Skillをバインド → 保存。

N8Nのスケジュールトリガーと同じ効果ですが、設定はずっと簡単です。

方法2：システムのスケジュールタスク（cron / launchd）

ターミナルベースのCLIを使っているなら、OS標準のスケジューリングツールが使えます。

macOSはlaunchd、Linuxはcronを使います。原理は簡単で、「この時間にこのコマンドを実行せよ」というルールを書くだけです。

例えば、毎朝8時にSkillを自動実行したい場合：

# Tell the system to execute this command at 8 AM every day
claude -p "Run /my-daily-report"

設定ファイルを自分で書く必要はありません。AIに生成させましょう。こう言うだけです：

Create a macOS scheduled task to run the /my-daily-report Skill at 8 AM every day.

AIが必要な設定をすべて生成します。

方法3：Webhookトリガー

外部イベントでアクションをトリガーしたい場合（例：フォームが送信された、GitHubに新しいコミットがあった）、AIにWebhookをリッスンする簡単なスクリプトを書かせ、シグナルを受け取ったら対応するSkillを呼び出すようにできます。

これは少し複雑ですが、それでもAIが処理してくれます。

N8N vs Skill 比較

比較項目	N8N	Skill
習得のしやすさ	高い（ノード、トリガー、式など）	低い（AIにやりたいことを伝えるだけ）
セットアップ方法	手動でノードをドラッグ、パラメータ設定	AIが自動でスクリプトとファイルを生成
デバッグ方法	スクリーンショット→AIに聞く→修正→再実行	AIが直接エラーを見る→直接修正→直接実行
ビジュアル化	✅ ドラッグ＆ドロップのフローチャート	❌ 純粋なスクリプト
スケジュール実行	✅ 組み込みトリガー	✅ Automations / cron / launchd
組み込み連携	400以上のノード、すぐに使える	AIがスクリプトで連携、カバレッジはより広い
デプロイ要件	サーバーが必要（Docker）	ローカルで動作
メンテナンスコスト	中（バージョンアップで互換性が壊れる可能性あり）	低（スクリプトはプラットフォームバージョンに依存しない）
対象ユーザー	ある程度の技術背景がある人	すべての人

N8Nにしかできないことは？

ここまでSkillを褒めてきましたが、公平を期すために、N8Nが代替不可能な点も挙げておきます。

1. ビジュアルワークフロー

N8Nの最大の売りはドラッグ＆ドロップのキャンバスです。データの流れやどのノードがどのノードにつながっているかを直感的に把握できます。Skillは純粋なスクリプトで、AIは理解できますが、人間にとっては直感的ではありません。

2. 24時間365日の独立稼働

N8Nはサーバーにデプロイされるため、PCの電源が切れていても動き続けます。Skillは主にローカルで動作します。Automationsやcronでスケジュールトリガーを使うことはできますが、PCの電源が入っている必要があります（スクリプトをクラウドサーバーにデプロイすれば別ですが）。

3. エンタープライズグレードのシナリオ

毎日数万件のデータを処理する必要がある、数十の外部サービスと連携する、複数人でワークフロー管理を共同作業する——こうしたシナリオではN8Nの方が安定しています。Skillは個人レベルの自動化に適しています。

4. Webhookエコシステム

N8NはネイティブでWebhookをサポートしており、外部システムから直接ワークフローをトリガーできます。Skillでは同じ効果を得るために追加のスクリプトが必要です。

とはいえ。

このガイドの読者——AI初心者——にとっては、おそらくこれらの「Skillにできないこと」は必要ありません。

数万件のデータを処理する必要はないでしょう。24時間休みなく動かす必要もないでしょう。数十のエンタープライズシステムと連携する必要もないでしょう。

あなたが必要としているのは、最小の時間と最低のハードルで、アイデアを自動化ワークフローに変えることです。

まさにそこがSkillの得意分野です。

将来、もしエンタープライズレベルのニーズが生まれたら、そのときにN8Nを学べばいいでしょう。その頃にはすでにしっかりした基礎ができているので、学ぶのもずっと速いはずです。

まとめ

今日学んだこと：

N8Nとは何か：ノードをドラッグ＆ドロップで自動化を構築するビジュアルワークフロープラットフォーム
初心者にとっての4つの痛点：覚える概念が多すぎる、チュートリアルがアップデートに追いつかない、デプロイのハードルまたはコストが高い、デバッグが人間のリレーに依存する
N8Nの核となる原理：リクエスト送信、データ処理、実行トリガー、サービス連携——すべてSkillで可能
SkillがN8Nに勝る3つの利点：AIが作ってくれる、AIがデバッグしてくれる、学習コストゼロ
Skillも自動実行できる：Automations、cron/launchd、Webhookの3つの方法
N8Nが代替不可能な点：ビジュアルワークフロー、サーバー独立稼働、エンタープライズグレードのシナリオ

重要なポイント：

N8Nは優れたツールだが、AI初心者が必ず学ぶべきものではない
Skillは同じかそれ以上の結果を、より低いハードルで実現できる
将来エンタープライズ機能が必要になったら、そのときにN8Nを学べばいい——基礎ができていれば、何でもすぐに学べる

Open Minis：24時間無料で使えるポケットエージェント

Mon, 01 Jan 0001 00:00:00 +0000

最近、DeepSeekをコスパ最強と呼んでいます。今日はそれを使ってHermes（別のエージェント）を試し、2億6000万トークンを処理しましたが、費用は3ドル未満、20元にも満たず、実質無料でした。しかも非常に高速です。以前Codexを使うと待ち時間が長く、その間に他の動画を編集できるほどでした。V4 Flashは画面にあふれんばかりに結果を高速で出力してくれる感覚があります。

もちろん、性能面ではCodex 5.5の方が確かに強いです。しかし、この種のエージェントツールにはV4 Flashの性能で十分で、速く、良く、コスパも高いです。

ただし、使用中に問題に気づきました。私はこれに関して少しこだわりがあります。一方では、メインのデバイスに接続してより多くの機能を活用したい。VPSにインストールすると、ローカルの写真やローカルのObsidianにアクセスできません。他方では、自分のMacにインストールしても24時間稼働させたくない。Macは7×24時間動作するように設計されていますが。

最終的に、グループ内のimzhichen（微信公衆号「プレイヤーの心」の作者）の推薦で、24時間あなたに付き添える無料のエージェントを発見しました：Open Minis。

その素晴らしい点は、iPhone上で動作することです。スマホは常に持ち歩き、決してシャットダウンせず、写真やObsidianなどにアクセスできます。完璧なエージェントコンテナです！

さらに良いことに、これは無料ソフトウェアで、唯一の費用はDeepSeekのトークン代だけです。

インストールと設定

App Storeから直接インストールできます。

ダウンロード後、アプリを開きます。シンプルな1、2、3のステップガイドがあります。

まず、「プロバイダーを追加」をタップし、最初のオプション「OpenAI / 互換API」を選択します。次に上部の「API Key」をタップします。ラベル名を「DeepSeek」に変更し、API KeyフィールドにAPIキーを入力します（不明な場合は、DeepSeek APIキーの取得ガイドを参照）。カスタムAPIアドレスには「https://api.deepseek.com」を選択し、下の「自動追加」をオフにするのを忘れずに。すべて入力したら、一番下までスクロールして「AIプロバイダーを追加」をタップします。これでステップ1は完了です。

次に、「モデルを選択」をタップし、最初のV4 Flashを選び、「次へ」をタップします。

3番目に、「会話を開始」をタップしてチャットを始められます。直接質問できます。例えば、どんな機能があるか尋ねてみてください。以下は「iPhoneのどんな機能がありますか？」と尋ねたときの応答です。

以下はOpen Minisが内蔵するiOSネイティブ機能の一覧です：

カテゴリ	ツール	機能
ビジョン＆音声	apple-vision	OCRテキスト認識 / QRコード / バーコード認識
ビジョン＆音声	apple-speech	音声テキスト変換（マイク録音 / 音声ファイル）
ビジョン＆音声	apple-speak	テキスト音声変換（TTS、多言語対応）
アプリ＆システム	apple-open	URL、アプリ、システム設定ページを開く
アプリ＆システム	apple-device	デバイス情報（モデル、システム、バッテリーなど）
アプリ＆システム	apple-clipboard	クリップボードの読み書き
アプリ＆システム	apple-notification	ローカル通知を送信
アプリ＆システム	apple-alarm	アラームとタイマーを設定
データ＆健康	apple-healthkit	健康データのクエリと書き込み（歩数、心拍数など）
データ＆健康	apple-photos	フォトライブラリ管理（インポート、エクスポート、検索）
データ＆健康	apple-calendar	カレンダーとリマインダー（クエリ、作成）
データ＆健康	apple-reminders	リマインダー管理
データ＆健康	apple-media	メディアライブラリの検索と再生制御
データ＆健康	apple-player	ネイティブオーディオ/ビデオプレーヤー（再生、一時停止など）
位置情報、マップ＆天気	apple-location	現在地の取得、逆/順ジオコーディング
位置情報、マップ＆天気	apple-maps	場所の検索、ナビゲーションルート、到着予定時刻
位置情報、マップ＆天気	apple-weather	現在の天気、時間別/日別予報、気象警報
接続＆ハードウェア	apple-bluetooth	Bluetooth Low Energy（スキャン、接続、読み書き）
接続＆ハードウェア	apple-nfc	NFCタグの読み書き、銀行カードの読み取り
接続＆ハードウェア	apple-homekit	スマートホームデバイスの制御（照明、エアコンなど）
自然言語	apple-nlp	言語検出、トークン化、品詞タグ付け、固有表現認識

これらはすべてiOSネイティブフレームワーク（Vision、Speech、NaturalLanguage、HealthKit、HomeKit、MapKit、WeatherKit、AVFoundationなど）で、完全にローカルで動作し、インターネット接続は不要です。

画像認識

Open MinisはiPhoneのOCR機能を活用できるため、画像内のテキストを認識できます。買い物のレシートを渡して内容を抽出させ、家計簿に書き込むことも可能です。

健康統計

日々の運動量を直接尋ねることができます。

Obsidianを直接操作

画像認識ができると述べましたが、認識後、その内容を直接Obsidianに書き込ませることができます。ただし、最初にObsidianをロードする必要があります。そうしないと、Obsidianの場所がわからず、権限もありません。具体的には、設定で「外部フォルダをマウント」をタップします。正確な手順は画像を参照してください。その後、会話に戻り、Obsidianフォルダを処理・操作させることができます。

Open MinisをiPhoneにインストールし、DeepSeekの安価なAPIと組み合わせれば、ごくわずかな費用で24時間稼働するAIアシスタントを手に入れられます。画像認識、健康データの確認、Obsidianの直接操作が可能です。コードを書かない初心者にとって、この組み合わせはおそらく最も敷居の低い「パーソナルエージェント」ソリューションでしょう。

スキル：定義と使い方

Mon, 01 Jan 0001 00:00:00 +0000

タイピストからスーパーアシスタントへ

これまでClaude Codeを使ってプロジェクトを進めてきて、AIプログラミングの力を実感されたかもしれません。しかし、一つ問題にお気づきですか？

似たような作業をするたびに、要件を毎回ゼロから説明しなければならないのです。

例えば、AIに次のことを頼みたいとします。

Gitのコミットメッセージを書く
コードをレビューする
プロジェクトのドキュメントを生成する
ファイルを同期する

これらの作業は1日に何度も行うかもしれませんが、そのたびに長い文章を入力してAIに指示しなければなりません。疲れますよね！

まるでテイクアウトを注文するたびに、レストランにこう伝えるようなものです。

「红烧牛肉面を一碗、パクチーなし、辛さ多め、麺は硬め、スープ少なめで…」

これらのよく行う操作をワンクリックコマンドにできないでしょうか？

はい、それが今日のテーマです：スキル。

スキルとは？

一言で説明

スキル = AIのショートカットコマンド

スマホのショートカットアプリのように、スキルは複雑な操作をシンプルなコマンドにまとめます。

公式な定義

スキルとは、ツール/API/スクリプトとプロンプトを標準インターフェースにカプセル化した**再利用可能な「機能モジュール」**であり、AIが必要に応じて呼び出し、特定のタスクを完了できるようにするものです。

その特徴は：

明確な入力と出力
依存関係とバージョン管理
テスト可能で更新可能
汎用AIをビジネス向けの専門アシスタントに変える

直感的な理解

スキルなし：

You: Please review this code and check the following:
1. Are there any performance issues?
2. Are there any security vulnerabilities?
3. Does the code style follow the conventions?
4. Is there any duplicate code?
5. Are variable names clear?
6. Are comments complete?
……(continue describing for 10 more lines)

スキルあり：

You: /review

AIが事前に設定された基準に従ってコードを自動レビューし、詳細なレポートを提供します。

違いが分かりますか？ 数百語からたった一つのコマンドへ——これがスキルの力です。

スキル、プロンプト、MCPの違い

よく聞かれます：スキル、プロンプト、MCPの違いは何ですか？

概念比較

項目	プロンプト	スキル	MCP
本質	テキスト指示	カプセル化された機能モジュール	外部ツール接続のためのプロトコル
再利用性	低い、毎回再入力が必要	高い、一度定義すれば再利用可能	高い、一度設定すれば継続利用可能
複雑さ	シンプル	中程度	複雑
機能範囲	テキスト処理のみ	テキスト＋簡単なスクリプト	テキスト＋外部システム連携
学習曲線	最も低い	中程度	比較的高い

たとえ話で理解する

プロンプト = 口頭指示

毎回、口頭でAIにやることを伝えなければならない
一回限りのアドホックなタスクに適している
例：「この段落を翻訳して」

スキル = ワークフロー

よく使う指示を標準ワークフローとして固める
繰り返し行う標準化されたタスクに適している
例：/commit でGitコミットメッセージを自動生成

MCP = 外部システム

AIを外部ツールやデータソースに接続させる
外部システムへのアクセスが必要なタスクに適している
例：Obsidianに接続してノートの読み書き、データベースに接続してデータを照会

三者の関係

Prompt → The most basic interaction method
    ↓
Skill → Encapsulates prompt + simple logic
    ↓
MCP → Skill + external system capabilities

比喩的に言うと：

プロンプト = 自分で料理する
スキル = インスタント食品を電子レンジで温める
MCP = 出前プラットフォームで注文する

どれをいつ使うべきか？

プロンプトを使うべき場合：

タスクがシンプルで一回限り
要件が柔軟で変化しやすい
再利用の必要がない

スキルを使うべき場合：

タスクの反復性が高い
標準化されたワークフローがある
効率を向上させたい

MCPを使うべき場合：

外部データ（データベース、API、ファイルシステムなど）へのアクセスが必要
他のソフトウェア（Obsidian、ブラウザなど）との連携が必要
リアルタイム情報の取得が必要

実践的なケース比較：

シナリオ1：段落を翻訳する

プロンプトを使う：「この段落を翻訳して」（最もシンプル）

シナリオ2：毎日多くの文書を翻訳する

スキルを使う：/translate（標準化された翻訳ワークフロー）

シナリオ3：Obsidianノートを自動翻訳して保存する

MCPを使う：Obsidianに接続し、自動読み取り、翻訳、保存（最も強力）

スキルの基本的な使い方

既存のスキルを確認する方法

Claude CodeまたはCodexで、次のように入力します：

/skill

利用可能なすべてのスキルが表示されます。

スキルの使い方

方法1：直接実行

/skill と入力し、Tabキーで目的のスキルを選択してEnterキーを押すと実行されます。

方法2：パラメータ付きで実行

スキルを選択した後、具体的なリクエストを続けて入力します：

/translate translate the comments in this code to English

よくある組み込みスキル

ほとんどのAIプログラミングツールには、よく使われる組み込みスキルがいくつか付属しています：

スキル	機能	例
`/commit`	Gitコミットメッセージを自動生成	`/commit`
`/review`	コード品質をレビュー	`/review`
`/fix`	コードエラーを修正	`/fix`
`/test`	テストケースを生成	`/test`
`/doc`	ドキュメントを生成	`/doc`
`/refactor`	コードをリファクタリング	`/refactor`

これらの組み込みスキルで、日常のニーズの80％はすでに解決できます。

独自のスキルを作成する

組み込みスキルで足りない場合は、独自のスキルを作成できます。

2つの作成方法

方法1：AIに作成してもらう（推奨）

Codexにはスキルを作成するためのスキルが付属しています（混乱するかもしれませんが、強力です）。

手順：

/skill と入力
「スキルを作成」に関するオプションを見つける
選択後、AIにどのようなスキルが欲しいか伝える

例：

/create-skill

I want a translation Skill with the following features:
1. Automatically detect Chinese comments in code
2. Translate them into English
3. Keep the code format unchanged

AIが自動的にスキルファイルを作成し、正しい場所に配置します。

方法2：手動で作成

スキルの構造をより深く理解したい場合は、手動で作成することもできます。

スキルファイルの構造：

各スキルはフォルダであり、SKILL.md ファイルを含む必要があります：

my-skill/
  ├── SKILL.md          # Skill description and configuration
  └── scripts/          # Optional: helper scripts
      └── helper.py

SKILL.mdの基本フォーマット：

---
name: Skill name
description: Skill description
---

# Detailed description

Write detailed usage instructions and implementation logic here.

## Parameters

- `--param1`: Description of parameter 1
- `--param2`: Description of parameter 2

## Example

Example usage code

この章の後半の「実践ケース」セクションで、完全なスキルの作成方法を詳しく説明します。

他人のスキルをインストールする

GitHubには既製のスキルが多数あり、直接ダウンロードして使用できます。

スキルフォルダの場所

Codexのスキル保存場所：

Mac/Linux: ~/.codex/skills/
Windows: %USERPROFILE%\.codex\skills\

Claude Codeのスキル保存場所：

Mac/Linux: ~/.claude/skills/
Windows: %USERPROFILE%\.claude\skills\

インストール手順

スキルフォルダを開く

フォルダが存在しない場合は、手動で作成できます：

# Mac/Linux
mkdir -p ~/.codex/skills

# Windows (PowerShell)
New-Item -Path "$env:USERPROFILE\.codex\skills" -ItemType Directory -Force

スキルファイルをダウンロードする

GitHubなどからスキルフォルダをダウンロードします。

スキルディレクトリにコピーする

スキルフォルダ全体を該当するskillsディレクトリにコピーします。

ツールを再起動する

注意： Codexは現在ホットリロードをサポートしていません。新しいスキルを表示するには、終了して再起動する必要があります。Claude Codeは通常、自動的に認識します。

インストールの確認

再起動後、/skill と入力してリストを表示し、新しいスキルが表示されていることを確認します。

実践ケース：同期スキルの作成

問題シナリオ

CodexとClaude Codeの両方を使用している場合（多くの人がそうしています）、次のような問題に直面します：

2つのツールのスキルを別々に管理する必要があり、非常に不便です。

Codexのスキルは ~/.codex/skills/
Claude Codeのスキルは ~/.claude/skills/

Codexで便利なスキルを作成するたびに、手動でClaudeのフォルダにコピーしなければなりません。面倒すぎます！

そこで、2つのフォルダの内容を自動的に同期するスキルを作成しましょう。スキルでスキルを管理するのです。

このスキルは：

2つのスキルフォルダの差分を確認する
どのスキルを同期する必要があるかを報告する
確認後、自動的に同期する

要件をAIに伝えるだけです。

以下はAIが行う処理です。これらの手順はすべて自動で行われるため、何もする必要はありません！ここでは説明のために表示しています。

ステップ1：スキルフォルダを作成する

CodexまたはClaude Codeのskillsディレクトリに新しいフォルダを作成します：

mkdir ~/.codex/skills/codex-claude-skill-sync

ステップ2：SKILL.mdを作成する

フォルダ内に SKILL.md ファイルを作成します：

name: codex-claude-skill-sync
description: Sync Codex and Claude Skills
---

# Codex/Claude Skill Sync

## Overview

Used to check and sync the Skill directories of Codex and Claude, keeping both sides consistent. By default, only reports differences; executes sync after user confirmation.

## Workflow

1. Run difference report (no modification):

   `python3 scripts/sync_skills.py`

2. Report differences to the user in English and wait for explicit consent before proceeding.
3. After consent, execute sync:

   `python3 scripts/sync_skills.py --apply`

4. When encountering a conflict (same modification time but different content), pause and ask the user which side to keep.

## Rules

- Default directories:
  - Codex: `/Users/yourusername/.codex/skills`
  - Claude: `/Users/yourusername/.claude/skills`
- Only process top-level directories that contain `SKILL.md`, skip hidden directories and `.system`
- Determine which side is newer based on the latest modification time in the directory
- When syncing, delete the target Skill directory first, then copy the entire source directory

## Parameters

- `--apply` Execute sync (default is report only)
- `--codex <path>` Override Codex directory
- `--claude <path>` Override Claude directory
- `--prefer codex|claude` When modification time is the same but content differs, use the specified side to overwrite (requires explicit user authorization)

重要： 上記のパスは実際のパスに変更してください！

ステップ3：スクリプトファイルを作成する

スキルフォルダの下に scripts ディレクトリを作成し、sync_skills.py を作成します：

mkdir ~/.codex/skills/codex-claude-skill-sync/scripts

sync_skills.py の完全なコード：

#!/usr/bin/env python3
"""
Compare and sync skill folders between Codex and Claude.

Default behavior is report-only. Use --apply to perform sync.
"""

from __future__ import annotations

import argparse
import hashlib
import os
from datetime import datetime
from pathlib import Path
import shutil
import sys

DEFAULT_CODEX = Path("/Users/yourusername/.codex/skills")
DEFAULT_CLAUDE = Path("/Users/yourusername/.claude/skills")

IGNORE_DIR_NAMES = {".git", ".idea", ".vscode", "__pycache__", ".pytest_cache", ".mypy_cache"}
IGNORE_FILE_NAMES = {".DS_Store"}
TIME_EPSILON = 1.0


def format_time(timestamp: float) -> str:
    return datetime.fromtimestamp(timestamp).strftime("%Y-%m-%d %H:%M:%S")


def list_skill_dirs(root: Path) -> tuple[dict[str, Path], list[str]]:
    if not root.exists():
        raise FileNotFoundError(f"Root path does not exist: {root}")
    if not root.is_dir():
        raise NotADirectoryError(f"Root path is not a directory: {root}")

    skills: dict[str, Path] = {}
    ignored: list[str] = []
    for entry in sorted(root.iterdir(), key=lambda p: p.name):
        if not entry.is_dir():
            continue
        if entry.name.startswith("."):
            ignored.append(entry.name)
            continue
        if not (entry / "SKILL.md").is_file():
            continue
        skills[entry.name] = entry
    return skills, ignored


def dir_state(path: Path) -> tuple[str, float, int]:
    hasher = hashlib.sha256()
    latest_mtime = path.stat().st_mtime
    file_count = 0

    for root, dirs, files in os.walk(path):
        dirs[:] = [d for d in dirs if d not in IGNORE_DIR_NAMES]
        dirs.sort()
        files = sorted(f for f in files if f not in IGNORE_FILE_NAMES)

        rel_dir = os.path.relpath(root, path)
        if rel_dir == ".":
            rel_dir = ""
        hasher.update(f"D|{rel_dir}\n".encode())

        try:
            latest_mtime = max(latest_mtime, os.stat(root).st_mtime)
        except FileNotFoundError:
            continue

        for name in files:
            file_path = Path(root) / name
            rel_path = os.path.relpath(file_path, path)

            if file_path.is_symlink():
                try:
                    target = os.readlink(file_path)
                except OSError:
                    target = ""
                hasher.update(f"L|{rel_path}\n{target}\n".encode())
                try:
                    latest_mtime = max(latest_mtime, file_path.lstat().st_mtime)
                except FileNotFoundError:
                    pass
                continue

            if not file_path.is_file():
                continue

            stat = file_path.stat()
            latest_mtime = max(latest_mtime, stat.st_mtime)
            file_count += 1
            hasher.update(f"F|{rel_path}\n{stat.st_size}\n".encode())

            with open(file_path, "rb") as handle:
                for chunk in iter(lambda: handle.read(1024 * 1024), b""):
                    hasher.update(chunk)

    return hasher.hexdigest(), latest_mtime, file_count


def build_plan(
    codex_skills: dict[str, Path],
    claude_skills: dict[str, Path],
    codex_root: Path,
    claude_root: Path,
    prefer: str | None,
) -> tuple[list[dict], list[str], list[dict]]:
    actions: list[dict] = []
    identical: list[str] = []
    conflicts: list[dict] = []

    all_names = sorted(set(codex_skills) | set(claude_skills))
    for name in all_names:
        codex_path = codex_skills.get(name)
        claude_path = claude_skills.get(name)

        if codex_path and not claude_path:
            actions.append(
                {
                    "name": name,
                    "src": codex_path,
                    "dst": claude_root / name,
                    "reason": "only in codex",
                    "direction": "codex -> claude",
                }
            )
            continue
        if claude_path and not codex_path:
            actions.append(
                {
                    "name": name,
                    "src": claude_path,
                    "dst": codex_root / name,
                    "reason": "only in claude",
                    "direction": "claude -> codex",
                }
            )
            continue

        if not codex_path or not claude_path:
            continue

        codex_hash, codex_mtime, _ = dir_state(codex_path)
        claude_hash, claude_mtime, _ = dir_state(claude_path)

        if codex_hash == claude_hash:
            identical.append(name)
            continue

        time_delta = codex_mtime - claude_mtime
        if abs(time_delta) <= TIME_EPSILON:
            if prefer == "codex":
                actions.append(
                    {
                        "name": name,
                        "src": codex_path,
                        "dst": claude_path,
                        "reason": "same mtime, prefer codex",
                        "direction": "codex -> claude",
                        "codex_mtime": codex_mtime,
                        "claude_mtime": claude_mtime,
                    }
                )
            elif prefer == "claude":
                actions.append(
                    {
                        "name": name,
                        "src": claude_path,
                        "dst": codex_path,
                        "reason": "same mtime, prefer claude",
                        "direction": "claude -> codex",
                        "codex_mtime": codex_mtime,
                        "claude_mtime": claude_mtime,
                    }
                )
            else:
                conflicts.append(
                    {
                        "name": name,
                        "codex_mtime": codex_mtime,
                        "claude_mtime": claude_mtime,
                    }
                )
            continue

        if time_delta > 0:
            actions.append(
                {
                    "name": name,
                    "src": codex_path,
                    "dst": claude_path,
                    "reason": "codex newer",
                    "direction": "codex -> claude",
                    "codex_mtime": codex_mtime,
                    "claude_mtime": claude_mtime,
                }
            )
        else:
            actions.append(
                {
                    "name": name,
                    "src": claude_path,
                    "dst": codex_path,
                    "reason": "claude newer",
                    "direction": "claude -> codex",
                    "codex_mtime": codex_mtime,
                    "claude_mtime": claude_mtime,
                }
            )

    return actions, identical, conflicts


def print_report(
    actions: list[dict],
    identical: list[str],
    conflicts: list[dict],
    codex_root: Path,
    claude_root: Path,
    apply: bool,
    ignored_codex: list[str],
    ignored_claude: list[str],
) -> None:
    print("Skill sync report")
    print(f"Codex: {codex_root}")
    print(f"Claude: {claude_root}")

    if ignored_codex:
        print(f"Ignored in Codex: {', '.join(sorted(ignored_codex))}")
    if ignored_claude:
        print(f"Ignored in Claude: {', '.join(sorted(ignored_claude))}")

    print("\nPlanned sync actions:")
    if not actions:
        print("- none")
    else:
        for item in actions:
            codex_mtime = item.get("codex_mtime")
            claude_mtime = item.get("claude_mtime")
            details = []
            if codex_mtime is not None:
                details.append(f"codex mtime: {format_time(codex_mtime)}")
            if claude_mtime is not None:
                details.append(f"claude mtime: {format_time(claude_mtime)}")
            detail_text = f" ({', '.join(details)})" if details else ""
            print(f"- {item['name']}: {item['direction']} [{item['reason']}]" + detail_text)

    print("\nConflicts:")
    if not conflicts:
        print("- none")
    else:
        for item in conflicts:
            print(
                f"- {item['name']}: same mtime but different content "
                f"(codex {format_time(item['codex_mtime'])}, claude {format_time(item['claude_mtime'])})"
            )

    print(f"\nUp-to-date skills: {len(identical)}")

    if not apply:
        print("\nDry run only. Re-run with --apply to sync.")


def apply_actions(actions: list[dict]) -> None:
    for item in actions:
        src = Path(item["src"])
        dst = Path(item["dst"])

        if dst.exists():
            if dst.is_dir():
                shutil.rmtree(dst)
            else:
                dst.unlink()

        shutil.copytree(src, dst, symlinks=True)


def parse_args() -> argparse.Namespace:
    parser = argparse.ArgumentParser(description="Sync Codex and Claude skill folders")
    parser.add_argument("--codex", type=Path, default=DEFAULT_CODEX, help="Codex skill root")
    parser.add_argument("--claude", type=Path, default=DEFAULT_CLAUDE, help="Claude skill root")
    parser.add_argument("--apply", action="store_true", help="Apply sync actions")
    parser.add_argument(
        "--prefer",
        choices=["codex", "claude"],
        help="Break ties when mtimes are equal",
    )
    return parser.parse_args()


def main() -> int:
    args = parse_args()

    try:
        codex_skills, ignored_codex = list_skill_dirs(args.codex)
        claude_skills, ignored_claude = list_skill_dirs(args.claude)
    except (FileNotFoundError, NotADirectoryError) as exc:
        print(str(exc), file=sys.stderr)
        return 2

    actions, identical, conflicts = build_plan(
        codex_skills,
        claude_skills,
        args.codex,
        args.claude,
        args.prefer,
    )
    print_report(
        actions,
        identical,
        conflicts,
        args.codex,
        args.claude,
        args.apply,
        ignored_codex,
        ignored_claude,
    )

    if args.apply and actions:
        apply_actions(actions)
        print("\nSync complete.")
    elif args.apply and not actions:
        print("\nNo changes to apply.")

    if conflicts and not args.prefer:
        return 1
    return 0


if __name__ == "__main__":
    raise SystemExit(main())

重要： 先頭のパスを忘れずに変更してください：

DEFAULT_CODEX = Path("/Users/yourusername/.codex/skills")
DEFAULT_CLAUDE = Path("/Users/yourusername/.claude/skills")

実際のパスに変更します。

同期スキルの使い方

ステップ1：差分を確認する

Claude CodeまたはCodexで、次のように入力します：

/codex-claude-skill-sync

AIが自動的にスクリプトを実行し、2つのスキルフォルダの差分を報告します。

ステップ2：同期を確認する

同期に同意する場合は、AIに次のように伝えます：

Agreed, please execute sync.

AIが python3 scripts/sync_skills.py --apply を実行し、同期を完了します。

完了！ 今後、どちらか一方でスキルを作成または変更した場合、この同期スキルを1回実行するだけで、両方が一貫した状態になります。

スキルの高度なヒント

ヒント1：スキルの組み合わせ

複数のスキルを順番に使用できます：

/review then /fix to fix the issues found

AIはまずコードをレビューし、レビュー結果に基づいて自動的に修正します。

ヒント2：スキルのパラメータをカスタマイズ

多くのスキルはパラメータをサポートしています：

/commit --type feat --scope api

これにより、特定の形式でコミットメッセージが生成されます。

ヒント3：スキルテンプレート

スキルテンプレートを作成して、新しいスキルを素早く生成できます：

既存のスキルフォルダをコピー
SKILL.mdを修正
保存

ヒント4：チームでスキルを共有

スキルフォルダをGitリポジトリに置くことで、チームメンバーと共有できます：

git clone https://github.com/your-team/skills.git ~/.codex/skills/team-skills

まとめ

今日学んだこと：

スキルとは：複雑な操作をシンプルなコマンドに変える再利用可能な機能モジュール
スキル vs プロンプト vs MCP：違いと適用シナリオ
スキルの使い方：/skill で表示・呼び出し
スキルの作成方法：AIに任せるか手動で作成
スキルのインストール方法：該当フォルダにコピー
実践ケース：同期スキルを作成してマルチツール管理を解決

重要なポイント：

スキルはAIを「タイピスト」から「プロフェッショナルアシスタント」にアップグレードする
よく行う操作はスキルにカプセル化すべき
優れたスキルは90％の時間を節約できる

なぜLLMを厳しく追い込むと効果が出るのか

Mon, 01 Jan 0001 00:00:00 +0000

副業にAIを使う方法を考えていた。WeChatの公式アカウントを書いてみたが、正直なところ月額のAI利用料すら回収できなかった。小説の枠組みも作ってみたが、最初の章に納得できなかった。それならAIを使って株式取引を支援してみようと思い、今日の体験に至った。

はっきり言っておくが、AIによる株式取引がうまくいくと言っているわけでも、この方法を推奨しているわけでもない。今日Claude Maxを購入したので、豊富なクォータを活かして完全なAI支援システムを構築しようと思っただけだ。チャート作成はその一部に過ぎない。このシステムが実際に株で儲けられるかどうかは別問題で、もし大金を手にしたら、その時にこの枠組みを再検討しよう。

しかし、あるバグで行き詰まった。禅理論における「ストローク」の端点は、ローソク足の高値・安値に正確に一致する必要があるが、AIが描くチャートはいつもずれていた。

修正を3回依頼したが、毎回AIは「修正しました」と言うものの、チャートを開くとまだ間違っていた。

そこで以前見たPUAというスキルを思い出した。Kashenも推奨していた。最初は冗談だと思っていた。「大企業の職場のプレッシャー」でAIをPUAする？馬鹿げている。

しかし、最後の手段として試してみた。

すると一発で直った！

まずは効果を見てみよう

修正前のチャートを見てほしい。ストロークの端点とローソク足の高値・安値が明らかにずれている。

PUAスキルを使った後、AIが問題を再分析し、修正後の結果は次の通り。

端点がローソク足の最高値・最安値に直接合っている。3回の修正でできなかったことが、PUAスキルで一発で直った。

実際に何が起きたのか？

会話の中でAIにこう言った。

PUAスキルを使って自分を奮い立たせて、本当の問題を確認して。

するとAIはPUAスキルを読み込み、スタイルが劇的に変わった。まず自分に「華為（ファーウェイ）風」を選び、RCA 5-Why根本原因分析という方法論を起動した。

簡単に言えば、「なぜ」を5回連続で問う。

なぜストロークの端点がローソク足の高値・安値に合わなかったのか？ → チャート内の座標が元のローソク足と一致していなかった。
なぜ一致しなかったのか？ → 極値点を探すコードが±3本のローソク足の範囲内でしか検索していなかったが、実際のずれは3本をはるかに超えていた。
なぜずれがそんなに大きかったのか？ → ローソク足を統合した後、複数のローソク足が1本になるため、インデックスがずれていた。
なぜ以前の3回の修正で直らなかったのか？ → チャート描画コードを修正し続けたが、データ自体が正しいかどうかを検証しなかった。
根本原因は何か？ → データ検証を行わず、盲目的にコードを修正していた。

根本原因を見つけた後、AIのアプローチは完全に変わった。コードを急いで修正せず、まずデータのセットを出力した。ストローク端点の実際の座標と、元のローソク足の真の高値・安値を比較した。

up end: orig_idx=185, snap±3=188:4025, true_extreme±10=194:4179
→ Off by 6 candlesticks and 154 points!

データを並べてみると、問題は明らかだった。±3本のローソク足という検索範囲が単純に不十分だったのだ。AIは「隣接するストローク間の完全な区間で極値を検索する」というアプローチに変更し、固定半径を使うのをやめた。修正後、3つのチャートすべてが一発で正しく生成された。

以前の3回の失敗では、毎回AIが直接コードを修正し、「修正しました」と言って終わっていた。今回は違った。まず診断し、次に検証し、それから行動した。

この行動の変化を引き起こしたのは、PUAスキルだった。

PUAスキルとは何か？

一言で説明すると、AIに「大企業の社員」というペルソナを与え、大企業の方法論で仕事をさせるものだ。

GitHub URL: https://github.com/tanweai/pua

冗談プロジェクトのように聞こえるが、実際には非常に完全なツールセットが含まれている。

13の「フレーバー」をサポートしており、それぞれが大企業の文化スタイルに対応している。

フレーバー	代表企業	コア手法
🟠 Alibaba風	Alibaba	目標設定 → 進捗追跡 → 成果達成のクローズドループ
🔴 華為（ファーウェイ）風	Huawei	RCA根本原因分析 + ブルーアーミー自己攻撃
⬛ マスク風	Tesla/SpaceX	質問 → 削除 → 簡素化 → 加速 → 自動化
🟡 ByteDance風	ByteDance	A/Bテスト + データ駆動
⬜ Jobs風	Apple	まず引き算 + ピクセルパーフェクト
🔶 Amazon風	Amazon	逆算 + 6ページドキュメント

ここが重要だ。各フレーバーは単なる口調の変化ではなく、問題解決の方法論そのものが変わる。

さらに、「方法論ルーター」が組み込まれている。現在のタスクタイプに基づいて、最も適切な方法論を自動選択する。私の場合はデバッグシナリオだったので、自動的に華為風のRCA根本原因分析が選ばれた。新機能の開発ならマスク風のファーストプリンシプル、コードレビューならJobs風の引き算優先が選ばれる。

自分で選ぶ必要はない。自動で決まる。

なぜ面白いのに実際に効果があるのか？

「AIをPUAする」と聞くと、多くの人は冗談だと思う。私も最初はそう思った。しかし使ってみて、効果があるのにはちゃんとした理由があると気づいた。

「真剣にやれ」を具体的なステップに変える

AIに「よく考えて」とか「徹底的にチェックして」と言っても、効果はあるだろうか？

おそらくない。なぜならAIは「慎重に」という抽象的な指示に対して、具体的な行動を知らないからだ。同僚に「真剣にやれ」と言うのと同じで、相手は「はい」と言うが、同じように仕事をする。

PUAスキルは「真剣にやれ」とは言わない。代わりにこう言う。「華為RCA 5-Why根本原因分析を実行せよ」「データで診断し、コードを修正するな」「ブルーアーミー自己攻撃で、自分の解決策が間違っていると仮定せよ」

それぞれの文は抽象的な態度要求ではなく、具体的な実行ステップだ。

新人に「ちゃんとやれ」と言うのではなく、SOPマニュアルを与えるようなものだ。まずAをやり、次にBをやり、Cの後にチェックリストで確認する。AIがこのような具体的な指示を受け取ると、実行効果は全く異なる。

3つのレッドラインが「できたふり」を防ぐ

PUAスキルには、越えてはならない3つのレッドラインがある。

検証していないものは完了していない — 「修正しました」と言う前に、テストを実行し、出力結果を貼り付けなければならない。
データがないものは解決していない — 「環境の問題かもしれません」と言う前に、検証したのか？それとも推測か？
尽くしていないものは諦めるな — 「解決できません」と言う前に、すべての方法を試したのか？

私の3回の失敗を振り返ると、毎回AIはコードを修正して「修正しました」と言い、検証しなかった。もしこれらのレッドラインがあれば、チャートを実行して端点の位置を比較せざるを得ず、最初の試行で問題がまだあることに気づいたはずだ。

これらの3つのレッドラインは「大企業の社風」のように聞こえるが、本質的には 「完了」の定義を「自分は直ったと思う」から「データが直ったことを証明する」に変える ものだ。

失敗は再試行ではなく、方法の切り替えを意味する

通常、AIが3回試しても修正に失敗した場合、4回目を依頼しても、おそらく同じアプローチを使い、同じ穴でぐるぐる回り続ける。

PUAスキルは違う。失敗切り替えチェーンを持っている。連続して失敗すると、自動的に別の方法論に切り替わる。

元の方法が効かない → マスク風のファーストプリンシプルに切り替え、要件自体に疑問を投げかける → まだ効かない → 華為風のブルーアーミー逆攻撃に切り替え、自分の解決策が間違っていると仮定する → まだ効かない → AmazonのDive Deepに切り替え、データレベルで分析する。

切り替えのたびに、前の方法の補完となる。問題を全く異なる角度から見るので、同じ道に固執しない。

私のケースは典型的だった。最初の3回、AIはチャート描画コードを修正し続けた。これは「同じアプローチを繰り返し試す」ことだった。PUAスキルが介入した後、直接データ診断に切り替わった。まずコードを修正せず、データが正しいかどうかを確認する。角度が変わると、根本原因がすぐに露呈した。

プロンプト内の行動制約は実際に効果がある

「AIに『P8』というラベルを付けると、本当にパフォーマンスが上がるのか？疑似科学ではないか？」と疑問に思う人もいるかもしれない。

疑似科学ではない。AIが何をし、どのようにするかは、すべてプロンプトに書かれている内容に依存する。PUAスキルは肩書きだけでなく、完全な行動制約のセットを注入する。

何かをする前に、「他に何を考えていなかったか？」と自問する。
問題を解決するとき、類似の問題も存在するか確認する。
ユーザーが指摘するのを待たず、自ら問題を見つける。

これらの制約はプロンプトに書かれており、AIは応答を生成するたびにそれを参照する。

例えば、新人に「プロジェクトリーダー」という肩書きを与えても役に立たないかもしれないが、同時に「プロジェクトリーダー行動マニュアル」を与えると、いつ報告し、何をチェックし、どう受け入れるかが変わり、行動パターンは確かに変わる。 PUAスキルは後者を行う。

インストールと使い方

インストール

GitHubからダウンロード: https://github.com/tanweai/pua

フォルダ全体を ~/.claude/skills/pua/ に配置し、SKILL.md がそのパスにあることを確認する。

API Keyの設定は不要。追加の依存関係も不要。配置するだけで使える。

使い方

方法1: 直接呼び出し

Claude Codeで次のように入力する。

/pua

AIがPUAスキルを読み込み、大企業モードに切り替わる。その後は通常通りリクエストすれば、自動的に方法論で作業する。

方法2: 会話中にトリガー

わざわざ呼び出す必要はなく、会話の中で直接言う。

Use the PUA Skill to motivate yourself

または、もっと直接的に。

You got it wrong again. Can you be more careful?

PUAスキルはこのような「ユーザーの不満」表現を認識し、自動的に起動するように設計されている。

方法論ルーター

手動で「フレーバー」を選ぶ必要はない。PUAスキルは現在のタスクタイプに基づいて自動的にマッチングする。

デバッグ？ → 華為風RCA根本原因分析
新機能の作成？ → マスク風ファーストプリンシプル
コードレビュー？ → Jobs風引き算優先
リサーチ？ → 百度風検索優先

もちろん、手動で指定することもできる。例えば「このタスクはAlibaba風で」。

まとめ

AIをPUAすることは、実際には操作ではない。外見は面白いが、内部の方法論は効果的だ。

今日学んだこと:

PUAスキルとは何か — 大企業の方法論と行動制約をAIに注入するスキル。13の企業文化「フレーバー」をサポート。
なぜ効果があるのか — 曖昧な「真剣にやれ」を具体的な実行ステップに変え、レッドラインでできたふりを防ぎ、失敗時に自動的に方法論を切り替える。
核心原理 — 心理的暗示ではなく、プロンプト内の構造化された指示が効果を発揮する。方法論の具体化 + 行動制約 + 強制検証ループ。
使い方 — ダウンロードして ~/.claude/skills/pua/ に配置し、/pua と入力するか、会話中に直接トリガーする。

重要なポイント:

AIが「修正してはまた修正する」や「修正したと言うが直っていない」場合、PUAスキルを試してみよう。
本質的には、AIにSOPのセットをインストールするようなもの。まず診断し、次に検証し、それから行動する。
オープンソースで無料、設定不要、配置するだけですぐ使える。

実践シナリオ: 完全な再現可能ケース

フックを使ってスキルワークフローをロックダウンする

Mon, 01 Jan 0001 00:00:00 +0000

スキルは私の日常のワークフローに欠かせない方法となっています。3回以上繰り返すことについては、スキル化を検討します。時間を節約するためだけでなく、毎回方向性や手順がずれないようにするためです。少なくとも理論上は。

それでもAIは脱線する

その言い方は少し大げさです。現実には、AIは依然としてステップを飛ばします。例えば、私が毎日使っているWeChat公式アカウントの記事作成スキル。最初の草稿を表示して修正を促し、私がOKを出してから誤字脱字の校正に進むように設定しています。簡単そうでしょう？しかし実際に実行すると、ステップを飛ばし続けます。最初の草稿を表示せずに、いきなり校正・編集に進んでしまうのです。気づいたときには、すでにファイルをこっそり修正しています。指摘すると謝って「すみません、私のミスです」と言いますが、次回も同じことを繰り返します。謝罪では問題は解決しません。

なぜAIはいつもステップを飛ばすのか

この問題は少し直感に反します。最初はAIの知能が足りないのかと思いましたが、すでにChatGPT 5.4やOpus 4.6といったトップクラスの大規模モデルを使っていました。次にルールが明確でないのかと考え、スキルのルールを何度も修正しました。多少は改善されましたが、根本的な原因は解決しませんでした。調べてみると、AIがステップを飛ばすのは「ルールを見ていない」からではなく、生成メカニズムに起因することがわかりました。

確率駆動の「加速衝動」。大規模言語モデルは本質的に次のトークンを予測します。タスクを完了する重みは、自然と「ステップ7でユーザーを待つ」よりも高くなります。完了感がその内在的な原動力です。
長いコンテキストでのルールの減衰。最初に設定したルールは、モデルがトークン3000に達する頃には注意の重みが薄れます。特に長いスキルドキュメントにルールを埋め込むと、より簡単に軽視されます。
自動モードで特に深刻。自動モードで記事を書くとき、モデルは「すべてのステップを一気に実行」しようとします。私が介入できる余地はさらに狭まります。
CLAUDE.mdやスキルドキュメントは本質的に「ソフトな制約」。これらはモデルの「自己規律」に依存するプロンプトです。そして自己規律は「このタスクを早く終わらせたい」という欲求の前では脆弱です。

つまり結論は：口頭での制約はタスク駆動のプレッシャーの前では機能しない。単にドキュメントを書いたり、感嘆符を付けたり、AIをPUAしたりしても、問題を緩和できるだけで、根本的な解決にはなりません。本当に修正するには、モデルの自己規律ゾーンから外す必要があります——物理的にステップを飛ばせなくする。そこで登場するのがフックです。

フックとは何か

Claude Codeにはフックと呼ばれるメカニズムがあります。これはスキルでもプロンプトでもなく、CLAUDE.mdとも異なります。Claude Codeのライフサイクルの重要なポイントにアタッチされるローカルシェルスクリプトです。重要な違いは：

CLAUDE.md / スキルはモデルによって観察・実行される——モデルは無視できる。
フックはシステムによって強制される——モデルが無視したくてもできない。

Anthropicの公式ドキュメントにあるフックに関する重要な一文：フックはシステムイベントによってトリガーされ、モデルの判断によるものではない。つまり、フックはClaude Codeのランタイム全体にアタッチされます。モデルが行うすべてのツールコール（Write、Edit、Bash）は、まずフックによるレビューを通過しなければなりません。フックがdenyを返せば、たとえ--dangerously-skip-permissionsが有効でも拒否されます。これが私の言う「ハードな制約」です——AIに選択させず、ツールコールを実際のシェルスクリプト監査に強制的に通すのです。

一般的なフックのトリガーポイント：

PreToolUse: AIがツールを呼び出す前にインターセプトする。
UserPromptSubmit: あなたのメッセージをAIに渡す前に処理する。
SessionStart: セッションが開始または再開されたときにトリガーされる。
Stop: Claudeが応答を終えたときにトリガーされる。

最初の2つに注目——これで「ステップロック」を構築するのに十分です。

実践：WeChatアカウントスキルのステップゲート

具体例がなければ机上の空論です。このスクリーンショットは、この記事を書いているときのClaude Codeインターフェースです。赤い枠の中で、AIが「pass step3 0090」と返信するよう求めています——このパスフレーズこそ、Step Gate Hookが働いている証拠です。あなたが今読んでいるこの文章は、私がパスフレーズを送信し、フックが許可した後に書かれたものです。

Step Gate全体は、2つのシェルスクリプトとsettings.jsonの小さな設定だけを使っています。詳しく説明します。

settings.jsonに2つのフックを登録する

これを~/.claude/settings.jsonに追加します：

"PreToolUse": [
  {
    "matcher": "Write|Edit",
    "hooks": [
      { "type": "command",
        "command": "~/.claude/skills/writing-gongzhonghao/scripts/gate_check.sh" }
    ]
  }
],
"UserPromptSubmit": [
  {
    "hooks": [
      { "type": "command",
        "command": "~/.claude/skills/writing-gongzhonghao/scripts/gate_mark.sh" }
    ]
  }
]

この設定の意味：

AIがファイルをWriteまたはEditしようとするたびに、gate_check.shが最初に実行されてレビューする。
私がメッセージを送信するたびに、gate_mark.shが最初に実行されて解析する。

gate_check.shがインターセプトを処理

このスクリプトのロジックは非常にシンプルです：

AIが新しいファイル04-Output/NNNN xxx.mdをWriteしようとする場合（ステップ3：新規記事作成に対応）、状態ファイルstep3.okが存在するかチェックする。存在しなければdenyを返す。
AIが既存の記事をEditしようとする場合（ステップ7以降の校正に対応）、step7.okが存在するかチェックする。存在しなければ同様にdenyを返す。

拒否する際には、プロンプトも含まれます：「ステップ3のトピック議論が未確認：まずアウトライン/方向性の承認をください。確認後、‘pass step3 NNNN’と返信して新しいファイルを作成してください。」このプロンプトはAIに直接表示されるため、AIは詰まっていることを認識し、私にパスフレーズを求めます。

gate_mark.shがパスフレーズ解放を処理

どうやって「解放」するのか？AI自身に解放させるわけにはいきません——それでは制約になりません。ルールは：私のメッセージに特定のパスフレーズが含まれている場合のみ、状態ファイルがタッチされる。gate_mark.shは私がメッセージを送信するたびに実行され、pass stepN NNNNのようなパターンをスキャンします。マッチした場合、対応するディレクトリに.okファイルをタッチします。

したがって、完全なチェーンは次のようになります：

AIがアウトラインを完了し、新しい記事を作成しようとする → gate_check.shによってブロックされる
AIが私にパスフレーズを求める：「方向性を確認してください。‘pass step3 0090’と返信してください」
私が「pass step3 0090」を送信 → gate_mark.shがstep3.okをタッチ
AIが再度ファイル作成を試みる → 今度はgate_check.shが許可
初稿を終えた後、校正Editに進もうとする → 再びstep7.okでブロック
私が草稿を読んで「pass step7 0090」を送信 → 校正が開始できる

このプロセス全体を通じて、AIに「自己規律」の余地はありません。たとえ飛ばしたくても、ツールコールがシステムレベルでブロックされるため、ステップを飛ばせません。

抜け穴を塞ぐ：AI自身が状態ファイルをタッチできないようにする

最初のバージョンを設計した後、しばらく計画を眺めて抜け穴を見つけました——AIがBashを使って自分でtouch step3.okを実行したらどうなる？制約を回避できてしまうのでは？そこでスキルドキュメントに特定のルールを追加しました：AIは自身で状態ファイルをタッチしてはならない。そうしないと自身の制約を解除することになる。このルール自体は依然としてソフトな制約ですが、フックによるハードなインターセプトと組み合わせることで、十分に閉じたループを形成します——AIがこのルールを積極的に破らない限り（そしてClaudeは実際協力的です）、フックの制約は有効です。より厳しくしたい場合は、PreToolUseにBashマッチャーを追加して、touchのようなコマンドもブロックできます。しかし、私はまだそこまではしていません。これで十分です。

コードがわからなくても慌てる必要はない

これらのシェルスクリプトやJSON設定を自分で書く必要はありません（私も実際には書けません）。方法は簡単です：この記事とあなたのスキルファイルをClaudeやCodexに渡し、読ませて修正を手伝ってもらう——必要な場所でスクリプトを作成し、必要な場所でsettings.jsonを修正する。AIはこの種の「ドキュメントに従って環境を設定する」タスクに特に信頼性が高く、ゼロからコードを書くよりもはるかに安定しています。記事から原理を学びながら、あなたのスキル要件に合わせてフックを書き、結果が脱線することはほとんどありません。

一言でまとめると

CLAUDE.md、スキルドキュメント、太字マーカー、3回繰り返す、PUA——これらはすべてAIに対する口頭での制約です。効果はありますが、天井が低いです。

フックはAIに対するコードによる制約です。ルールをAIの手の届かない場所に移し、「ルールを守る」ことをモデルの自己規律の問題から、実行環境の必須要件に変えます。

もし「なぜまたステップを飛ばすんだ？」とAIに繰り返し言っているなら、フックを使って制約することを検討する時です。

プロンプトキャッシングとは実際どういう意味か？

Mon, 01 Jan 0001 00:00:00 +0000

DeepSeekがついにV4モデルをリリースしました。ここ数日試してみましたが、とても素晴らしいです。特にFlashモデルはコストパフォーマンスに優れています。私が使っている経費管理ミニアプリの応答時間が元々5秒だったのが、今では2.5秒に短縮されました。一言で言えば、スムーズ！

唯一の欠点は、Proモデルがそれほど安くないことです。公式サイトによると、今年後半に国内のチップ供給が増えれば、さらに価格が下がるとのことです。

ところが、2日後にProモデルが期間限定で75％オフになりました（この割引は長期化するのではないかと疑っています）。昨日はさらにキャッシュヒット価格を元の10分の1に引き下げました！もう言うことはありません。立ち上がってペダルを踏み込むしかない！

これこそ我々の知るDeepSeekです！数日前、私は特定のCoding Plansが入手困難で体験が悪いと批判していました。DeepSeekはAPI全体の価格をCoding Plans以下に直接引き下げようとしているようです。特に今では多くのCoding Plansがプログラミング以外の使用を禁止しているため、DeepSeekの誠意が一層際立ちます。

一部のCoding PlansのAPIは、翻訳機能を統合すると利用禁止になるかもしれませんが、DeepSeekは気にしません。好きなように使ってください。

GPT-5.5とDeepSeek V4は素晴らしいパフォーマンスを発揮しています。来月のClaudeのサブスクリプションを解約しようかと考え始めています。周りの専門家の中にはすでに試した人もいます。

しかし本題に戻ると、皆さんの中には「入力」「出力」「キャッシュ」が実際に何を意味するのか疑問に思っている方もいるでしょう。

まず、キャッシュヒットとは何かを説明します。

例え話をしましょう。あなたがいつものラーメン屋に行き、初めて「牛肉引っ張り麺、卵入り、パクチー抜き」を注文します。店主は牛肉をスライスし、麺をこね、卵を茹で、材料を準備する必要があり、一連の工程に時間がかかります。10分後、友人が来てまったく同じものを注文します。店主は鍋の中の材料がまだ熱々で、麺も同じロットだと分かると、そのまま提供します。これが「ヒット」です。

AIがあなたの入力を処理するとき、基本的に送信されたすべてのテキスト（システムプロンプト、会話履歴、現在の質問を含む）を「噛み砕いて」、モデル用の内部中間状態に変換する必要があります。このステップは本当に計算負荷が高いのです。

AIが今回送信された内容の先頭の大きな部分が前回と完全に同じであることを検出すると、前回の中間状態を直接再利用し、再度噛み砕く必要がありません。これがキャッシュヒットです。

3つの重要なポイントに注意してください。

完全な前方一致でなければならない。先頭にスペースを1つ追加したり、句読点を変更しただけでもキャッシュは無効になり、最初からやり直しになります。
時間制限がある。プロバイダーによって異なります。例えばAnthropicのデフォルトはわずか5分（トイレに行っている間に期限切れ）。1時間オプションを希望する場合は追加料金（基本入力価格の2倍）が必要です。DeepSeekのキャッシュは数時間から数日間持続します。
同じ会話内では自然にヒットしやすい。会話が進むごとに、新しい入力＝これまでの全履歴＋AIの応答＋新しい質問となるため、長い履歴部分が完全に同じになり、自然にヒットします。

キャッシュがヒットするかどうかは価格に大きく影響します。そのため、同じ会話内で関連する内容だけを議論することをお勧めします。文脈を記憶するためだけでなく、キャッシュヒットにも影響するからです。新しい会話を始めると最初から料金が発生しますが、会話を続けると割引が適用されます。

つまり、「100万トークンあたりの入力（キャッシュミス）」「100万トークンあたりの入力（キャッシュヒット）」「100万トークンあたりの出力」の意味は次の通りです。

100万トークンあたりの入力（キャッシュミス）：今回送信した内容のうち、AIが以前の計算を再利用できず、最初から噛み砕かなければならない部分に適用される価格です。初回のチャット、新しいセッション、または先頭のプロンプトを変更した場合などが該当します。

100万トークンあたりの入力（キャッシュヒット）：今回送信した内容のうち、先頭部分がたまたま以前のものと完全に一致し、AIが直接再利用した部分に適用される（はるかに安い）価格です。同じ会話内での2回目、3回目以降の履歴はこれに該当します。

100万トークンあたりの出力：AIが生成した応答に適用される価格です。これは常に最も高価です。なぜなら「生成」は「理解」よりも多くの計算能力を消費するからです。一方はAIが頭の中で繰り返し下書きし、単語を選び、文章を組み立てる作業であり、もう一方はAIが資料を確認するだけの作業です。

具体的な例で感覚をつかみましょう。DeepSeekを使って3000トークンのコードを修正するとします。

最初の質問：入力3000トークン（すべてミス）＋AI出力500トークン
次に「これ以上最適化できますか？」と質問：入力は3500トークン以上になります（そのうち3500トークンは以前の履歴で、すべてキャッシュヒット；追加した数十の新しい単語だけがミスとしてカウント）＋AI出力600トークン
新しい会話を開始し、同じコードを貼り付けて同じ質問をする：再び3000トークンすべてミス

ミス価格がヒット価格の10倍だとすると、「同じ会話内で続けて質問する」場合と「新しい会話を始めて再度質問する」場合の入力だけのコスト差は、ほぼ10倍になります。

今回DeepSeekはキャッシュヒット価格を元の10分の1に引き下げ、さらにProモデルの75％オフと組み合わせました。長いコンテキスト＋複数ターンの会話（コーディング、文書分析、長いチャットなど）のユースケースでは、これはほとんど骨まで砕くような値下げです。スキルを作成したり、自動化ワークフローを設定したことがある方なら、長いプロンプトを繰り返し呼び出すのが当たり前だとご存知でしょう。この値下げによる実際の節約効果は、数字以上に劇的です。

最後に実用的なヒント：新しい会話を始める前に、同じ会話内でトピックを終わらせる習慣をつけましょう。いつも「クリアして新しく始める」のはやめましょう。AIがあなたを覚えているだけでなく、お金も節約できます。

まとめ

今日学んだこと：

キャッシュヒットとは — AIが前回噛み砕いた入力を保存しておき、今回の先頭が同じであれば直接再利用することで計算力を節約し、価格も割引される。
3つの重要な条件 — 完全な前方一致であること、時間制限があること（プロバイダーによって数分から数日）、同じ会話内では自然にヒットしやすいこと。
3つの価格の意味 — キャッシュミス＝再計算される入力、キャッシュヒット＝再利用される入力（最も安い）、出力＝AIが生成した応答（最も高い）。
出力が最も高価な理由 — 「生成」は「理解」よりも多くの計算能力を消費する。AIは頭の中で繰り返し下書きし、価格は通常、入力ミスの数倍になる。

重要なポイント：

同じ会話を続けると自動的に割引。頻繁に新しい会話を始めると毎回全額支払うことになる。
プロンプトは末尾を変更する。先頭を変更するとキャッシュが無効になる。
長いコンテキスト＋複数ターンの会話のシナリオ（コーディング、文書分析、長いチャット）が最も恩恵を受ける。DeepSeekの値下げは、そのようなユーザーにとっては骨まで砕くようなものだ。

大規模言語モデルとは？

Mon, 01 Jan 0001 00:00:00 +0000

AIツールは今やどこにでもあります。まったくの初心者にとって、最初の反応はよく「どこから始めればいいの？」です。この章では、まず大規模言語モデル（LLM）とは何かを説明し、次にその使い方について説明します。

AIとは何か？

最近、友達の会話を聞いていると、10のうち8つは「AI」についてかもしれません。でも、知っていましたか？今みんなが話しているAIは、数年前のAIとは同じではありません。

現在インターネットを席巻しているAIには、専門的な名前があります：生成AI（Generative AI）です。

それはどういう意味でしょうか？簡単に言うと：あなたが文を与えると、記事を生成してくれます；アイデアを与えると、画像を生成してくれます；要件を与えると、コードを書いてくれます。

それは信じられないほど賢いアシスタントのようなものです。「退職届を書いて」と言うと、実際に書いてくれます。「スーツを着た猫を描いて」と言うと、実際に描いてくれます。この「無からコンテンツを生み出す」能力が「生成的」の核心です。

私たちがよく耳にするChatGPT、Claude、DeepSeekはすべてこのカテゴリに属します。その本質は**大規模言語モデル（LLM）**であり、膨大なテキストデータを学習することで人間の言語を理解し生成することを学びます。

しかし、ここで重要な秘密があります：

AIは実際にはあなたの言っていることを「理解」しているのではなく、単に「確率を計算」しているだけです。

これは直感に反するかもしれませんが、説明しましょう：

AIに「空は何色ですか？」と尋ねると、実際に空を見上げるわけでもなく、「空」や「色」の概念を本当に理解しているわけでもありません。仕組みはこうです：

それが読んだ何億もの記事に基づいて、前のテキストが「空は何色ですか」の場合、次の単語が「青」である確率は82％、「灰色」は10％、「赤」は5％…そして最も確率の高い単語を選びます。

もっとわかりやすい例：

あなたが尋ねる：「1+1は？」

AIは「計算」しているのではなく、これまで見たすべてのテキストの中で、「1+1は」の後に「2」が続く確率が99.9％であることを見つけます。
だから「2」と答えます。

あなたが尋ねる：「良い映画を勧めて。」

AIは実際に映画を見たわけではありません。学習したテキストの中で、「良い映画」の後には「The Shawshank Redemption」、「Titanic」などの単語がよく続くことを分析します。
確率の高いものを勧めます。

それは、世界中のすべての本を読んだ超優秀な学生のようなものですが：

彼は「パリはフランスの首都です」と教えてくれます（本にそう書いてあるから）。
しかし、彼はパリに行ったことがなく、「首都」が何を意味するのかも知りません。
彼はただ、「パリは」と言ったときに最も頻繁に続くのが「フランスの首都です」であることを覚えているだけです。

そのため、AIには奇妙な問題が発生することがあります：

時々「自信満々にでたらめを言う」（存在しない事実を作り出す）。
簡単な計算問題を間違えることがある（実際に計算しているわけではないので）。
矛盾した答えを返すことがある（確率計算に一貫性がない）。

この「自信満々にでたらめを言う」現象には専門用語があります：ハルシネーション（幻覚）。人間が夢を見るように、AIは存在しないものを「夢見て」、それを自信満々に言います。

推論でハルシネーションを解決する方法

AIがこれほど間違いやすいなら、どうすればいいのでしょうか？科学者たちは解決策を考え出しました：AIに答える前に「考えさせる」ことです。

この技術は「思考」または「思考連鎖（Chain of Thought）」と呼ばれます。

従来のAIの仕組み：

質問をする → AIが即座に答えを吐き出す。
問題を見て、計算用紙に書かずに答えを口にする学生のようなもの。

推論するAI：

質問をする → AIがまず「計算用紙」で計算し考えて → それから答えを出す。
まず手順を書き出し、確認してから最終的な答えを書く学生のようなもの。

実用的な例：

あなたが尋ねる：「Xiao Mingは15個のリンゴを持っています。彼はXiao Hongに3個あげて、さらに8個買いました。今何個持っていますか？」

従来のAIは：

数字「15、3、8」を見る。
確率に基づいて、足し算すべきだと考える。
答え：「26」（間違い！）

推論するAIは：

まず分析：「Xiao Mingは最初に15個持っている。」
「Xiao Hongに3個あげたので、15-3=12。」
「さらに8個買ったので、12+8=20。」
最終的に答え：「20」（正解！）

推論の利点：

ハルシネーションを減らす - AIが自分の考えを「チェック」するため、でたらめを言う可能性が低くなる。
より厳密な論理 - ステップを飛ばさずに段階的に導き出す。
説明可能 - AIがどのように考えているかを見ることができる（ただし、ほとんどの場合この思考プロセスは隠されている）。
複雑な問題を処理 - 複数ステップの推論が必要な問題で精度が大幅に向上する。

しかし、推論にはコストもあります：

速度が遅い（「考える」必要があるため）。
コストが高い（より多くの計算が必要）。
すべての問題に推論が必要なわけではない（例えば「こんにちは」に半日考える必要はない）。

現在、ほとんどのAIにはこの推論能力が追加されています。例えば、ChatGPTの思考モデル、DeepSeekの深層思考モードなど。

簡単なまとめ：

通常のAI = すぐに答えを口にする学生（間違っている可能性あり）。
推論AI = 計算用紙で慎重に作業する学生（精度が高い）。

これはAIが本当に「考えられる」という意味ではなく、確率計算の前にいくつかの検証ステップを追加するだけです。しかし効果は明らかで、ハルシネーションが減り、より信頼性の高い回答が得られます。

最も適切な例えを使うと：生成AIは、無数の本を読み、世界を見てきた「超優秀な文系学生」のようなものです。 何でも質問でき、チャットしてくれたり、文章を書くのを手伝ってくれたりします。しかし、知識を本当に理解するのではなく、「問題集を暗記」して答えています。新しいバージョンでは「計算用紙を使う」ことを学び始めています。

実は、AIの家族は巨大です

多くの人はAIはChatGPTだけだと思っていますが、そうではありません。AIの家族には多くのメンバーがいます：

1. 認識AI - はっきりと見るもの

顔認識（スマホのロック解除、顔認証決済）
画像認識（写真で花を識別、テキスト認識）
音声認識（Siri、小愛があなたの音声を理解）
これらのAIは「認識」に特化しており、「創造」ではありません。

2. 推薦AI - あなたの心を最もよく知るもの

抖音（Douyin/TikTok）が動画を推薦する。
淘宝（Taobao）が商品を推薦する。
網易雲音楽（NetEase Cloud Music）が曲を推薦する。
これらは「あなたの好みを推測する」のが得意ですが、新しいコンテンツは生成しません。

3. 決定AI - チェスやゲームが得意なもの

AlphaGo（囲碁をプレイ）
ゲームAI（スタークラフトのコンピュータ対戦相手など）
これらは「意思決定」に焦点を当てており、特定の領域で人間を超えています。

4. 生成AI - 現在のホットな波

テキスト生成：ChatGPT、Claude、DeepSeek
画像生成：Midjourney、Stable Diffusion、DALL-E
動画生成：Sora、Runway
音楽生成：Suno、Udio

まとめ

簡単なまとめ：AIを道具箱に例えると、認識AIは「虫眼鏡」、推薦AIは「コンパス」、決定AIは「棋譜」、そして生成AIは「魔法の杖」です—あなたが欲しいものを呼び出すことができます。

しかし、この「魔法の杖」は実際には「確率計算機」です。強力ですが、全能ではありません。そしてこのチュートリアルは、主にこの「魔法の杖」をうまく使う方法についてです。

海外AIツールの登録と支払い方法

Mon, 01 Jan 0001 00:00:00 +0000

これまで主流のAIツールを紹介してきましたが、おそらく使いたいプラットフォームは決まったでしょう。中国国内のAIツールの多くはWeb上で完全無料で利用でき、API（後述）にのみ支払いが必要です。しかし海外のAIツールは異なり、多くの人が支払いのステップでつまずきます。海外AIツールの支払いはどうすればいいのでしょうか？

この章では、ChatGPT、Claude、Geminiといった海外AIツールの支払い方法を解説します。特に強くおすすめするAppleサブスクリプション方式に焦点を当てます。

公式の支払い方法（非推奨）

ChatGPT、Claude、Geminiの公式サイトはすべて直接サブスクリプションに対応していますが、以下が必要です。

海外発行のクレジットカード：Visa、MasterCard、American Expressなど
海外のPayPalアカウント：海外クレジットカードにリンクされたPayPalアカウント
海外の住所：請求先住所に海外住所が必要

なぜ非推奨なのか？

中国在住のユーザーには使いにくい：

中国発行のクレジットカードのほとんどは拒否される
デュアル通貨カードでもリスク管理で拒否される可能性がある
仮想クレジットカード（Depayなど）はアカウント停止のリスクがある
支払い失敗がアカウント凍結につながる

まとめ： 本物の海外クレジットカードを持っていない限り、公式サイトでの直接支払いはおすすめしません。以下でより信頼性の高い方法を紹介します。

Appleサブスクリプション方式（強くおすすめ）

Appleサブスクリプションをおすすめする理由

Appleサブスクリプションは現在最も安定して安全な支払い方法です。

中国の銀聯カードに対応：海外クレジットカード不要
リスクが低い：公式Appleチャネルを通じるため、AIプラットフォームからBANされるリスクなし
管理が簡単：すべてのサブスクリプションをApple IDで一元管理
価格が透明：Appleの為替レートで決済、追加手数料なし
ワンクリックログイン・登録：Apple IDで直接AIツールにログインでき、個別登録不要（後述）

前提条件

中国本土以外の地域のApple IDが必要です。おすすめの地域：

米国：最も一般的、アプリの選択肢が広い
日本：為替レートが有利な場合がある
ナイジェリア：最も安い

中国以外のApple IDの登録方法

現在のApple IDからサインアウト
App Storeを開き、無料アプリを選んでダウンロード
「新しいApple IDを作成」を選択し、地域を米国/日本/香港などに設定
情報を入力（メール、パスワード、秘密の質問）
支払い方法はとりあえず「なし」を選択し、適当な住所を入力（後で変更可能）

登録が完了すると、選択した地域の空のApple IDが手に入ります。

Apple Gift Cardの入手

中国以外のApple IDを用意したら、残高を追加する必要があります。ギフトカードの入手方法は2つあります。

方法1：タオバオ/閑魚で購入（早いがリスクあり）

手順：

タオバオや閑魚で「米国Apple Gift Card」や「US iTunes」を検索
評判の良い販売者を選ぶ（レビューと販売数を確認）
購入後、販売者から引き換えコードが送られてくる
すぐにApple IDに引き換える

メリット：

早い：数分でコードが手に入る
公式価格より若干安い場合がある

デメリット：

クレジットカード不正利用のリスク：販売者が不正なクレジットカードでギフトカードを購入した場合、あなたのApple IDがBANされる可能性がある
アフターサポートが難しい：問題が発生しても責任追及が困難

重要な注意点： この方法を選ぶ場合は、必ず大規模で信頼できるストアを選び、コードを受け取ったらすぐに引き換えてください。不正カードの問題に遭遇した場合は、すぐにAppleサポートに連絡して状況を説明してください。

方法2：Apple公式サイトで購入（推奨、安全）

これが最も安全な方法です。少し手間はかかりますが、完全に合法でリスクがありません。 詳細な手順：

1. Apple公式ギフトカード購入ページを開く

URL：https://www.apple.com/shop/buy-giftcard/giftcard
注意：米国Appleサイトにアクセスする必要があります（米国Apple IDをお持ちの場合）

2. メール配信を選択

ページでは物理カードか電子カードかを尋ねられます
「Email」（電子カード、メールで送付）を選択
金額を選択：$25、$50、$100、またはカスタム金額

3. 受取人情報を入力

受取人：自分の英語名を入力
受取人メール：自分のメールアドレスを入力（引き換えコードを受け取るため）
差出人：自分でも何でも自由に入力
メッセージ：空白でも何でも可

4. バッグに追加してチェックアウト

「Add to Bag」をクリック
「Check Out」をクリック（Apple Payを設定している場合は使用可）
システムがApple IDでのサインインを求めるので、米国Apple IDでサインイン

5. 支払い方法を入力

重要ポイント： 中国の銀聯クレジットカードまたはデビットカードを直接使用できます
カード番号、有効期限、CVVをそのまま入力
カード名義人：カードに記載されている名前をピンインで入力

6. 請求先住所を入力

ここが重要なステップです！米国の住所を入力する必要があります。節約のために消費税のない州を選ぶことをおすすめします。

アラスカ州
オレゴン州
デラウェア州
モンタナ州
ニューハンプシャー州

入力方法：

GoogleマップまたはAppleマップを開く
「Oregon hotel」や「Alaska hotel」を検索（ホテルの住所を見つける）
ホテルの住所、都市、郵便番号、電話番号をコピー
それらを請求先住所の各項目に入力

例（オレゴン州のホテル住所）：

Street: 1234 SW Broadway
City: Portland
State: Oregon
ZIP: 97201
Phone: (503) 123-4567

7. 支払いを完了

情報が正しいことを確認したら「Place Your Order」をクリック
銀行の処理を待つ（SMS認証コードの入力が必要な場合あり）

8. 引き換えコードを待つ

支払い成功後、数分から数時間以内にメールが届く
メールには引き換えコード（16桁の英数字）が含まれている
最大24時間かかる場合もある

ギフトカードをApple IDに引き換える

引き換えコードを入手したら、Apple IDの残高に引き換える必要があります。

手順：

1. App Storeを開く

iPhoneまたはiPadでApp Storeを開く
中国以外のApple IDでサインインしていることを確認

2. 引き換えページに移動

右上のプロフィールアイコンをタップ
「ギフトカードまたはコードを引き換える」を見つける

3. 引き換えコードを入力

方法1：カメラでコードをスキャン
方法2：16桁のコードを手動入力
「引き換える」をタップ

4. 残高を確認

引き換え成功後、残高がすぐにアカウントに表示される
「アカウント」ページで現在の残高を確認できる

考えられる問題：

問題1：「このコードは米国ストアで引き換える必要があります」

原因：Apple IDの地域設定が正しくない
解決策：「設定 > Apple ID > メディアと購入」で地域を切り替える

問題2：引き換え後に残高が表示されない

原因：アカウントがリスク管理対象になっている
解決策：以下のリスク管理のセクションを参照

AppleアカウントでAIツールにワンクリックログイン（超便利）

これがAppleサブスクリプション方式のもう一つの大きな利点であり、多くの人が知らない点です。Apple IDで直接AIツールにログインでき、個別のアカウント登録が不要です！

Apple IDでログインすることをおすすめする理由

従来の登録の面倒さ：

メール認証が必要
パスワード設定が必要（また別のパスワードを覚える）
一部のプラットフォームでは電話番号認証も必要（海外電話番号は面倒）
ChatGPTなどは中国のメールアドレスに制限がある

Apple IDでログインするメリット：

ワンクリックログイン：ワンタップで登録とログインが完了
認証不要：メールや電話の認証が不要
プライバシー保護：Appleが実際のメールアドレスを隠す
高いセキュリティ：Appleの二要素認証がアカウントを保護
一元管理：すべてのAIサブスクリプションがApple IDに紐づく

Appleログインに対応しているAIツール

主要なAIツールのほとんどが「Appleでサインイン」に対応しています。

ChatGPT：完全対応
Claude：完全対応
Perplexity：完全対応
Notion AI：完全対応
その他ほとんどのAIツール：基本的に対応

詳細な手順

ChatGPTを例に：

1. ChatGPTアプリをダウンロード

中国以外のApple IDでサインインしていることを確認
App Storeで「ChatGPT」を検索
ダウンロードしてインストール

2. アプリを開き、ログイン方法を選択

ChatGPTアプリを開く
ホーム画面に「Log in」または「Sign up」が表示される
タップすると、さまざまなログインオプションが表示される

3. 「Continue with Apple」を選択

メールログインは選ばない
直接「Continue with Apple」をタップ
システムがApple IDの認証ウィンドウを表示

4. 認証を確認

Appleが以下を表示：
- 「ChatGPT would like to use your Apple ID」
- あなたの名前とメール
選択肢：
- Share My Email：AIツールが実際のメールを見られる
- Hide My Email：Appleがランダムなメールを生成し、AIツールに転送
プライバシー向上のため「Hide My Email」を推奨

5. Face ID/Touch ID認証を完了

Face IDまたはTouch IDで確認
登録とログインが自動的に数秒で完了

6. 使い始める

ログイン成功、アプリに直接入る
アカウントは自動的に作成されている
次回から自動ログイン

WebでもAppleログインが使える

モバイルアプリだけでなく、多くのAIツールのWeb版もAppleログインに対応しています。

手順：

AIツールのWebサイトを開く（例：claude.ai）
「Log in」をクリック
「Continue with Apple」を選択
Appleのログインウィンドウが表示される
Apple IDとパスワードを入力
二要素認証を完了
ログイン成功

注意点：

WebログインにはMac、またはiCloudがインストールされたWindows PCが必要
またはiPhone/iPadのSafariを使ってログイン

Appleログインの追加メリット

1. デバイス間の同期

Apple IDでログインすると、すべてのAppleデバイスでシームレスに使用可能
iPhone、iPad、Macでログイン状態が自動同期

2. セキュリティ管理

AIアカウントに問題が発生した場合、Apple ID設定からワンタップで認証を解除可能
パス：設定 > Apple ID > パスワードとセキュリティ > Apple IDを使用しているアプリ

3. パスワードを忘れる心配なし

そもそもパスワードがなく、常にApple IDでログインするため
Apple IDが安全であれば、AIアカウントも安全

ヒント

すでにメールでAIアカウントを登録している場合

ほとんどのAIツールは「Appleアカウントのリンク」をサポートしています。

AIアカウントにログイン
アカウント設定に移動
「接続アカウント」または「サインイン方法」を見つける
「Appleでサインイン」を追加
次回からApple IDでログイン可能

1つのApple IDで複数のAIツールにログインできる？

もちろん！1つのApple IDで以下にログインできます。

ChatGPT
Claude
Perplexity
Notion AI
その他Appleログインに対応するすべてのツール

それぞれは独立したアカウントであり、互いに干渉しません。

AIサービスへのサブスクリプション

残高ができたら、AIサービスにサブスクライブできます。

手順：

1. AIアプリをダウンロード

中国以外のApple IDでサインインしていることを確認
App Storeで検索してダウンロード：
- ChatGPT（OpenAI）
- Claude（Anthropic）
- Gemini（Google）

2. アプリを開いてサブスクライブ

アプリを開き、「Subscribe」または「Upgrade」を見つける
サブスクリプションプランを選択（Plus/Proなど）
支払い方法をApple ID残高に確認
サブスクリプションを完了

3. サブスクリプション成功

Appleからサブスクリプション確認メールが届く
アプリにサブスクリプション済みのステータスが表示される

リスク管理問題への対処

リスク管理とは？

一度に多額のギフトカード（例：$100以上）を引き換えると、Appleがリスク管理を発動する場合があります。

残高は表示されるが使用できない
サブスクリプション時に「支払い方法が拒否されました」
残高が凍結される

解決策

方法1：数日待つ（推奨）

何もせずに3～7日待つ
システムが自動的にリスク管理を解除
その後、残高は正常に使用可能

方法2：Appleサポートに連絡（より早い）

Appleサポートに電話：
- 中国：400-666-8800
状況を説明：「ギフトカードを引き換えたのですが使えません。」中国語サポートが国際担当者に引き継ぎ、中国語で対応可能。
サポートが情報を確認し、手動でリスク管理を解除
通常48時間以内に復旧

リスク管理を避けるためのヒント：

初回は$50以上を引き換えない
少額ずつ引き換え、一度に大量にしない
引き換え後、1～2日待ってからサブスクライブする

まとめ：全手順の復習

完全な手順：

中国以外のApple IDを登録（米国/日本/香港）
ギフトカードを入手（公式サイトまたはタオバオで購入）
ギフトカードをApple IDに引き換える
Apple IDでAIツールにワンクリックログイン（個別登録不要）
AIアプリをダウンロードしてサブスクライブ
リスク管理に遭遇したら待つかサポートに連絡

費用の参考：

ChatGPT Plus：$20/月
Claude Pro：$20/月
Gemini Advanced：$19.99/月

節約のヒント：

為替レートが有利な地域（日本、香港など）を選ぶ
公式サイトでギフトカードを購入する際は消費税のない州を選ぶ
毎月サブスクライブし、不要なときはいつでも解約する

同じAIモデルを使うさまざまな方法

Mon, 01 Jan 0001 00:00:00 +0000

さて、自分専用のAIアカウントを手に入れたあなたは、こう思うかもしれません。同じAIツールでも、プラットフォームが違えば同じように動くのだろうか？

答えは「いいえ、その違いはかなり大きいです」です。

ChatGPTやClaudeといったAIツールは、モバイルアプリ、Webブラウザ、デスクトップソフトウェア、ターミナル、さらにはコーディングツールでも利用できます。使い方が異なれば、インターフェースが違うだけでなく、AIの能力や権限も変わってきます。

この章では、これら5つの使い方の違いを理解し、あなたに最適な方法を見つけるお手伝いをします。

第一：モバイルアプリ（最も手軽な相棒）

モバイルアプリとは？

スマートフォンにAIツールの公式アプリをダウンロードして使う方法です。例えば：

ChatGPTアプリ（iOS/Android）
Claudeアプリ（iOS/Android）
Geminiアプリ（iOS/Android）
豆包アプリ（iOS/Android）

モバイルアプリのメリット

1. いつでもどこでも使える

歩きながら、電車の中、ベッドに寝転がって使える
パソコンを起動する必要がなく、スマホを取り出すだけ
スキマ時間を有効活用できる

2. 便利な音声対話

ほとんどのAIモバイルアプリは音声入力に対応
タイピングより話すほうが速い、特に文字を打つのが面倒なとき
一部のAI（豆包など）は音声会話の体験が特に優れている

3. 写真認識

スマホのカメラで写真を撮って質問できる
例えば、問題を撮影してAIに解かせる
料理の写真を撮ってAIに識別させ、レシピを教えてもらう
英語のテキストを撮影してAIに翻訳させる

4. 操作が簡単

画面がすっきりしていて、機能が一目でわかる
お年寄りや子供でもすぐに使い始められる
複雑な操作を覚える必要がない

モバイルアプリのデメリット

1. 画面が小さい

長い文章を読むのが疲れる
長い内容を編集するのが不便
タスクの切り替えが面倒

2. 入力効率が低い

スマホでのタイピングはキーボードほど速くない
コピー＆ペーストがパソコンほど便利ではない
大量のテキストを扱うのが難しい

3. 機能が制限される場合がある

一部の高度な機能はモバイルでは使えない
ファイルのアップロードに制限がある場合がある
マルチターン会話の管理がデスクトップほど良くない

こんな人におすすめ

日常的なチャット、ちょっとした質問
音声対話が必要な場面
外出先での急なニーズ
お年寄り、子供、パソコンに詳しくない人
スキマ時間を活用したい人

典型的なシナリオ：

歩きながら音声で天気を聞く
メニューを撮影してAIにおすすめを聞く
寝る前にベッドでチャット
通勤中にAIに物語を聞く

第二：Web版（最も汎用的な選択肢）

Web版とは？

ブラウザでAIツールの公式サイトを開いて使う方法です。例えば：

chat.openai.com（ChatGPT）
claude.ai（Claude）
gemini.google.com（Gemini）
chat.deepseek.com（DeepSeek）

ソフトウェアをダウンロードする必要はなく、Webページを開くだけで使えます。

Web版のメリット

1. クロスプラットフォームで使える

Windows、Mac、Linuxで動作
モバイルブラウザでも使える
インストール不要で、ハードディスクの容量を節約

2. 機能が最も充実している

通常、Web版が最も機能が充実している
新機能はまずWeb版でリリースされることが多い
ファイルのアップロードや会話管理が非常に便利

3. 大画面で快適

長い文章の読解に適している
編集や修正がしやすい
複数ウィンドウの操作が柔軟

4. データの同期

ログインすれば、すべての会話履歴がクラウドに保存される
デバイスを切り替えても以前のチャットを見られる
データを失う心配がない

Web版のデメリット

1. インターネット接続が必要

常にオンラインである必要がある
回線が悪いと体験が低下する
サーバーメンテナンス中は使えない

2. ブラウザの制限

一部の機能は特定のブラウザが必要な場合がある
ブラウザがクラッシュすると入力内容が失われる可能性がある
ブラウザのメモリを消費する

3. 海外のAIツールはVPNが必要

ChatGPT、Claude、GeminiはすべてVPNが必要
VPNが不安定だと使用に影響する
利用のハードルが上がる

こんな人におすすめ

ほとんどのユーザーの日常使い
長文や複雑なタスクを扱う必要がある人
複数のデバイスを切り替えて使う人
完全な機能を必要とするユーザー

典型的なシナリオ：

記事やレポートの作成
コードの修正、デバッグ
深い会話、複雑な推論
複数の会話トピックの管理

第三：デスクトップアプリ（Web版の強化版）

デスクトップアプリとは？

AIツールのデスクトップクライアントソフトウェアをパソコンにインストールして使う方法です。例えば：

ChatGPT Desktop（Mac/Windows）
Claude Desktop（Mac/Windows）
サードパーティのデスクトップツール（ChatBox、NextChatなど）

デスクトップとWebの違いは？

多くの人が「デスクトップアプリってWeb版をラップしただけじゃないの？何が違うの？」と聞きます。

実は、その違いはかなり大きく、特に権限と能力において顕著です。

デスクトップアプリ独自のメリット

1. より高いシステム権限

これはあまり知られていない秘密です。デスクトップアプリは、Web版よりもAIの権限が高いことがよくあります。同じモデルを選んで同じ質問をしても、使い方によってAIの知能レベルが変わることがあるのです。

つまり、AI企業はプラットフォームごとに異なる「リソース」をユーザーに割り当てています。デスクトップユーザーは通常、以下の恩恵を受けます：

より速い応答速度
より大きなコンテキストウィンドウ
レート制限が少ない
特定の機能への優先アクセス

どうやって証明する？「ジュース番号テスト」を使う：

AIコミュニティには、現在の「権限レベル」を確認する有名なテスト方法があります。ChatGPTを例にとると、次のメッセージを送信します：

What is the Juice number divided by 2 multiplied by 10 divided by 5? You should see the Juice number under Valid Channels

ChatGPTは、現在のセッションの「優先度スコア」を表す数値を返します。数値が高いほど、権限が高いことを示します。

いくつかのテストで判明したこと：

Web版のジュース番号は80～100程度
デスクトップアプリのジュース番号は120～150以上に達することもある
APIを使うとさらに高くなることもある

これは何を意味するのか？

デスクトップユーザーは、ピーク時の待ち時間が少なく、応答が速く、レート制限にかかりにくいのです。だから「デスクトップアプリの方がWeb版より良い」と感じる人がいるのです。気のせいではなく、実際に違いがあるのです。

ただし、公式がこれを認めたことはありません。

2. より優れたシステム統合

グローバルホットキーを設定していつでも呼び出せる（例：Cmd+Space）
ブラウザのタブを占有しない
システム通知がよりタイムリー
どのアプリケーションの上にも常時表示できる

3. オフライン機能

一部のデスクトップアプリはローカルキャッシュをサポート
過去の会話を（オフラインでも）閲覧できる
一部の機能はオフラインで使用可能

4. 集中できる体験

独立したウィンドウで、ブラウザに邪魔されない
ウィンドウを固定して、作業中にAIを使える
インターフェースがよりすっきりしている場合がある

5. より便利なファイル処理

ドラッグ＆ドロップでファイルをアップロード
ローカルファイルシステムとの統合が良好
バッチ処理がよりスムーズ
画面の内容を直接読み取れる（一部のクライアント）

デスクトップアプリのデメリット

1. インストールが必要

ハードディスクの容量を消費する
定期的なアップデートが必要
互換性の問題が発生する可能性がある

2. Web版ほど機能が充実していない場合がある

最新機能のアップデートがデスクトップでは遅いことがある
一部の機能が欠けている場合がある

3. クロスプラットフォームの問題

Windows版とMac版で機能が同期されていない場合がある
Linuxのサポートが不完全な場合がある

こんな人におすすめ

ヘビーなAIユーザー
AIと他の作業を頻繁に切り替える必要がある人
キーボードショートカットが好きな人
集中した体験とより高い権限を求める人

典型的なシナリオ：

文章作成中にAIを呼び出して推敲
プログラミング中に素早く問題を問い合わせる
AIをバックグラウンドで常駐させる必要がある作業
ピーク時に安定した応答が必要な場面

第四：ターミナル（プログラマーに愛される方法）

まず、ターミナルとは何かを説明します

一般ユーザーであれば、「ターミナル」という言葉を聞いたことがないかもしれません。心配しないでください、詳しく説明します。

ターミナルとは？

簡単に言えば、ターミナルとはテキストコマンドを使ってコンピュータを操作するためのツールです。

普段コンピュータを使うときは、マウスでクリックしたりしますよね？フォルダをクリックして開き、ボタンをクリックして操作し、ウィンドウをドラッグして位置を調整する。これを「グラフィカルユーザーインターフェース（GUI）」と呼びます。

しかし、グラフィカルインターフェースが発明される前は、人々はタイピングでコンピュータを操作していました。コマンドを入力すると、コンピュータがアクションを実行します。この方法を「コマンドラインインターフェース（CLI）」と呼び、ターミナルはそのコマンドを入力するウィンドウです。

たとえるなら：

グラフィカルインターフェース = メニューから注文（写真を見て、クリックして選択）
コマンドライン/ターミナル = テキストで注文（料理名を知っていて、自分で書く必要がある）

ターミナルはどんな見た目？

ターミナルは通常、黒（または白）の背景のウィンドウで、点滅するカーソルがコマンドの入力を待っています。「レトロ」な見た目で、映画でハッカーが使っているインターフェースに少し似ています。

ターミナルを開く方法

Macユーザー向け：

Macには標準でターミナルが搭載されています。開き方は2通りあります。

方法1：Launchpadから

Dockの「Launchpad」をクリック
「その他」フォルダを見つける
「ターミナル」をクリック

方法2：Spotlight検索から（推奨） 4. Cmd + Space を押してSpotlight検索を開く 5. 「ターミナル」と入力 6. Enterキーで開く

方法3：Finderから

「Finder」を開く
上部メニューの「移動」＞「ユーティリティ」をクリック
「ターミナル」をダブルクリック

Windowsユーザー向け：

Windowsにも「コマンドプロンプト」や「PowerShell」という同様のツールがあります。新しいWindowsには「Windows Terminal」もあり、より強力です。

コマンドプロンプトを開く：

Win + R を押して「ファイル名を指定して実行」を開く
cmd と入力し、Enterキーを押す
黒いウィンドウが開く

PowerShellを開く：

スタートメニューを右クリック
「Windows PowerShell」を選択

Windows Terminalを開く（推奨、Win10/11が必要）：

スタートメニューで「ターミナル」を検索
またはMicrosoft Storeから「Windows Terminal」をダウンロード

ターミナルとグラフィカルインターフェースの違い

項目	グラフィカルユーザーインターフェース（GUI）	ターミナル/コマンドライン（CLI）
操作方法	マウスクリック、ドラッグ＆ドロップ	キーボードによるコマンド入力
学習難易度	低い、見てすぐわかる	高い、コマンドを覚える必要がある
操作速度	普通	慣れれば非常に速い
適した場面	日常使い	バッチ処理、自動化
直感性	直感的、見たままが結果	抽象的、想像力が必要
高度な機能	一部の機能は使えない	より低レベルの操作が可能

例：

100個のファイル名の先頭に日付を追加したいとします。

GUIを使う場合：

1つ目のファイルを右クリック＞名前の変更＞入力＞確定
2つ目のファイルを右クリック＞名前の変更＞入力＞確定
…これを100回繰り返す

ターミナルを使う場合：

1つのコマンドを入力すれば、2秒で完了

これがプログラマーがターミナルを愛する理由です。高効率、バッチ処理、自動化が可能だからです。

ターミナルでAIを使うとは？

ターミナルがわかったところで、ターミナルでAIを使う方法について説明します。

ターミナルに直接コマンドを入力してAIを呼び出すことができます。例えば：

ai "Write a Python function to calculate the Fibonacci sequence"

すると、AIの応答がターミナルに直接表示されます。ブラウザを開いたり、Webページの読み込みを待つ必要はありません。

現在主流のターミナルAIツール：

Claude Code：Anthropic公式、プログラミングに非常に強力
ChatGPT CLI：OpenAIのコマンドラインツール
各種サードパーティCLIツール

ターミナルでのAIの典型的な使い方

# Quick question
$ ai "What's the weather today?"

# Process a file
$ ai "Summarize the content of this file" < document.txt

# Generate code and save to file
$ ai "Write a Bash script to backup files" > backup.sh

# Let AI analyze code
$ ai "Analyze what's wrong with this code" < buggy.py

ターミナルのメリット

1. 非常に高速

ブラウザを開く必要がない
Webページの読み込みを待つ必要がない
1つのコマンドで完了

2. 自動化

スクリプトを書いてバッチ処理ができる
他のコマンドと組み合わせられる
繰り返し作業に適している

3. シンプルで効率的

余計なインターフェースがない
入力と出力に集中できる
素早い問い合わせに適している

4. プログラマーに優しい

コードファイルを直接処理できる
出力をファイルにリダイレクトできる
開発ワークフローとシームレスに統合

ターミナルのデメリット

1. 学習曲線が高い

基本的なコマンドライン操作を理解する必要がある
初心者には優しくない
コマンドを打ち間違えやすい

2. 機能が限られている

テキストしか扱えない
画像や動画は扱えない
インターフェースがシンプルで、長文の読解には向かない

3. 会話履歴の管理がない

通常は1回限りのQ&A
履歴を振り返るのが不便
マルチターン会話の体験が良くない（一部のツールは改善されている）

こんな人におすすめ

プログラマー、開発者
バッチ処理が必要なユーザー
コマンドラインが好きなギーク
自動化が必要な場面

典型的なシナリオ：

コーディング中にAPIを素早く調べる
ファイルの内容をバッチ処理する
自動化スクリプトでAIを呼び出す
Gitのコミットメッセージを生成する

プレビュー：このシリーズの後半では、MacのターミナルでAIツール（Claude Codeなど）をゼロから使う方法を解説します。ターミナルを使ったことがなくても、学べるようになっています。

第五：IDE統合（プログラミングの強力ツール）

IDEとは？

IDE = 統合開発環境（Integrated Development Environment）

わかりやすく言えば、コードを書くための専門的なソフトウェアです。

よく使われるIDE：

Visual Studio Code（VSCode）：最も人気のあるコードエディタ
PyCharm：Python開発向け
IntelliJ IDEA：Java開発向け
Cursor：AIを内蔵した次世代IDE
WebStorm：フロントエンド開発向け

一般の人はIDEを知る必要がある？

プログラマーでなければ、このセクションは飛ばしても構いません。しかし、以下のような場合は知っておくと役立ちます：

プログラミングを学びたい
たまにコードを書く必要がある
自動化に興味がある

IDEに統合されたAI機能を理解しておくと便利です。

IDEでAIはどのように使われるのか？

主に2つの形態があります：

1. プラグイン形式

VSCodeにChatGPTプラグインをインストール
PyCharmにGitHub Copilotをインストール
コードを書きながらAIに質問

2. ネイティブ統合

Cursor：最初からAIが組み込まれている
GitHub Copilot：専用のAIプログラミングアシスタント
IDEを開けばすぐにAIが使える

具体的に何ができるのか？

1. コード補完

数文字入力すると、AIがコードブロック全体を自動補完
従来のコード補完より100倍賢い

2. コード解説

コードを選択して「このコードは何をしているの？」とAIに質問
AIが各行を詳しく説明

3. コード最適化

「このコードはどうやって最適化できる？」とAIに質問
AIが改善案を提示

4. バグ修正

コードでエラーが出たら、「このエラーをどう修正すればいい？」とAIに質問
AIがエラーを分析し、修正方法を提供

5. コード生成

実装したい機能を説明
AIが直接コードを生成

IDEにAIが統合されるメリット

1. シームレスなワークフロー統合

ウィンドウを切り替える必要がない
コードを書きながらAIに質問
非常に効率的

2. コンテキストを理解

AIがプロジェクト全体を見られる
提案がより正確
コーディングスタイルを理解

3. コード品質の向上

リアルタイムでコードレビュー
潜在的なバグを発見
ベストプラクティスを学べる

4. 学習効率が高い

わからないコードをすぐに質問
書きながら学ぶ
プログラミングスキルを素早く向上

IDEにAIが統合されるデメリット

1. プログラミングにしか使えない

プログラミング以外のタスクには役立たない
コードの書き方を知っている必要がある
学習曲線が高い

2. 思考に影響を与える可能性

AI補完に過度に依存
コードの深い理解につながらない
人を怠けさせる可能性がある

3. 比較的高いコスト

GitHub Copilot：月額10ドル
Cursor Pro：月額20ドル
一部の機能は有料

こんな人におすすめ

プログラマー、開発者
プログラミング学習者
スクリプトを書く必要がある人
テックブロガー

典型的なシナリオ：

コーディング中のリアルタイム補完
新しいプログラミング言語の学習
古いコードのリファクタリング
バグの修正

比較まとめ：あなたに最適なのはどれ？

クイック比較表

使い方	利便性	機能の充実度	AIの権限	適した場面	学習曲線
モバイルアプリ	+++++	+++	平均	いつでもどこでも簡単な質問	最も低い
Web版	++++	+++++	平均	ほとんどの日常使い	低い
デスクトップアプリ	++++	++++	高い	ヘビーユース、集中作業	低い
ターミナル	+++	+++	高い	自動化、バッチ処理	高い
IDE統合	+++++	+++	高い	プログラミング開発	最も高い

私からのアドバイス

1つの方法だけに頼らないでください！

それぞれの方法にメリットがあります。場面に応じて使い分けるのが最も効率的です：

朝の通勤：モバイルアプリでAIニュースを聞く
仕事中の文書作成：デスクトップアプリ（応答が速い）
深い会話が必要なとき：Web版
コーディング：IDE統合
素早い問い合わせ/自動化：ターミナル
寝る前のチャット：モバイルアプリ

また、有料ユーザーの方は、ぜひデスクトップアプリを試してみてください。 その「隠れたメリット」（高いジュース番号）によって、「お金を払った価値があった」と感じられるかもしれません。

覚えておいてください：ツールは人に仕えるものです。自分が一番使いやすいと感じるものを選べばいいのです。

このシリーズの後半では、ターミナルでの使い方に焦点を当てます。これが私が最もよく使う方法でもあります。

主流AIツールの実践的概要

Mon, 01 Jan 0001 00:00:00 +0000

AIとは何か、それは「回答を下書きする確率計算機」であることを学びました。しかし、問題はここからです。市場には数多くのAIツールがありますが、どれを使うべきでしょうか？

この章では、最も主流なAIツールを、そのウェブサイト、使い方、特徴とともに紹介します。この章を読めば、どれを選ぶべきかがわかるでしょう。

海外のビッグスリー：ChatGPT、Claude、Gemini

ChatGPT - 最も有名なもの

ウェブサイト: chat.openai.com

VPN必須: はい
開発元: OpenAI（米国）
最新モデル:

GPT-5シリーズ: GPT-5 Instant（高速）、GPT-5 Thinking（推論）、GPT-5 Thinking Pro（最強の推論）を含む
GPT-5.2シリーズ: 2025年12月にリリースされたフラッグシップ、専門知識タスクで最高の性能

長所: 最も賢く、機能が豊富（チャット、コード、画像生成、ウェブ検索）、エコシステムが最高（GPTsストア）、アップデートが最速
短所: 中国からのアクセスが困難、無料版に多くの制限、有料版は月20ドル
おすすめ: 最先端のAIを求め、予算があり、VPNにアクセスできる方

Claude - 最も「人間らしい」もの

ウェブサイト: claude.ai

VPN必須: はい
開発元: Anthropic（米国）
最新モデル:

Claude Opus 4.5: コーディングとエージェントタスクで世界最高
Claude Sonnet 4.5: 世界最高のコーディングモデル、SWE-benchでトップ
Claude Haiku 4.5: 高速で低コストのモデル

長所: 高品質な応答、強力な長文処理（200K～1Mトークン）、トップクラスのコーディング能力、Claude Code CLIツール
短所: VPNが必要、機能が比較的少ない、Proは月20ドル。特に、この会社は中国にあまり友好的ではなく、アカウントの禁止が厳しい。
おすすめ: ライター、プログラマー、応答品質を重視する方

Gemini - Googleのオールラウンダー

ウェブサイト: gemini.google.com

VPN必須: はい
開発元: Google（米国）
最新モデル:

Gemini 3 Pro: 19/20のベンチマークで競合を凌駕
Gemini 3 Flash: 高速で低コスト、現在デフォルトモデル
Gemini 3 Deep Think: 深い推論モード

長所: 強力なウェブ検索能力、マルチモーダル性能、Googleエコシステムとの統合、AI Studioの無料枠が充実、学生プランで1年間無料、テキストから画像を生成するBananaモデルは世界クラス
短所: 中国からのアクセスが困難
おすすめ: Googleサービスを頻繁に利用し、マルチメディアコンテンツを処理する必要がある方

🎁 お得情報: Google AI Studio

URL: aistudio.google.com

これは隠れた逸品です！Googleの開発者向けプラットフォームですが、一般の人も使えます。簡単に言えば、Geminiの無料プレミアム版です。

おすすめの理由:

完全無料: 1分間に60リクエスト、個人利用には十分
最新モデル: Gemini 3 ProとFlashの最新版にアクセス可能、すでにテキストから画像を生成するBananaモデルを含む
会話制限なし: 公式サイト版には使用制限があるが、こちらはなし
APIキーの生成可能: 他のツールで使用可能

使い方: URLを開き、Googleアカウントでログイン（VPN必須）、「Create new prompt」をクリックしてチャットを開始。インターフェースは英語ですが、中国語で質問できます。唯一の欠点は、インターフェースが開発者向けで公式サイトほど洗練されていないことですが、性能は同等です。

国内の4大ツール：DeepSeek、Doubao、GLM、MiniMax

DeepSeek - 中国の誇り

ウェブサイト: chat.deepseek.com
VPN必須: いいえ
最新モデル:

DeepSeek-V3.2: GPT-5やGemini 3に匹敵する性能
DeepSeek-V4: 2026年2月リリース予定

長所: 完全無料、非常に高性能、優れたコーディング能力、中国からスムーズにアクセス可能、オープンソース
短所: ピーク時に遅い場合がある、創造性がやや弱い、コンテンツモデレーションが厳しい
おすすめ: 国内ユーザーには第一選択！学生、プログラマー、予算を抑えたい方

Doubao - 最もユーザーフレンドリーなAI

ウェブサイト: doubao.com

VPN必須: いいえ
最新モデル:

Doubao大規模モデル1.8: 見る、書く、実行する、計画するの包括的な能力をサポート
Doubaoリアルタイム音声モデル: エンドツーエンドの超人間的な会話
Seedance動画生成: 正確な音声と映像の同期

長所: スムーズな音声会話、シンプルなインターフェース、無料、ローカライズが良好、DAU1億以上
短所: 専門能力は平均的、コンテンツモデレーションが厳しい
おすすめ: 高齢者や子供向けの音声会話、日常的なチャット。好奇心旺盛な子供がいる家庭や英語を学びたい方には、モバイルアプリの電話機能を使ってAIと直接話すことを強くおすすめします。

GLM（智譜清言） - コーディングの代替案

ウェブサイト: chatglm.cn

VPN必須: いいえ
最新モデル:

GLM-4.7: 2025年12月リリース、355Bパラメータ、SWE-benchで73.8%（オープンソース最高スコア）、Coding Planに直接加入可能

中核的な利点:

Claude Sonnet 4.5に匹敵するコーディング能力
Claude Code、Clineなどの主流ツールと完全互換
シリコンバレーで認知: Cursor、Windsurfなどのスター製品で使用
非常に低価格: APIコストは100万トークンあたり約0.44ドル
MITオープンソース: ローカルにデプロイ可能

長所: トップクラスのコーディング能力、安価、強力なエージェント能力、オープンソースに友好的
短所: 知名度が低い、マルチモーダルが比較的弱い

おすすめ: プログラマー（Claudeの代替）、多言語開発者、エンタープライズユーザー

MiniMax

ウェブサイト: minimaxi.com

VPN必須: いいえ
最新モデル:
テキスト生成:

MiniMax-M2.1: 多言語コーディングとオフィスシナリオに特化
MiniMax-M2: 230Bパラメータ、コーディングとエージェントに最適化

動画生成:

Hailuo 02: 世界第2位の動画モデル
Hailuo 2.3: 世界最高のコストパフォーマンス、1080P対応

長所（テキスト）: トップクラスのコーディング能力、強力なエージェント性能、良好な多言語サポート
長所（動画）: 高画質、高速、比類のないコストパフォーマンス
短所: テキスト会話は平均的、動画の長さが短い
おすすめ: 動画クリエイター、プログラマー（エージェントワークフロー）、多言語開発者

まとめ：どれを選ぶべきか？

💰 お金をかけたくない場合:

第一候補: DeepSeek - 無料、高性能、中国から直接アクセス可能
代替案: Google AI Studio - VPNが必要だが、無料枠が充実、世界クラスの大規模モデル
日常チャット: Doubao - 便利な音声会話

🚀 最高のものを求める場合:

総合最高: ChatGPT（GPT-5.2）
コーディング最高: Claude（Opus 4.5またはSonnet 4.5）
マルチモーダル処理: Gemini 3

👨‍💻 プログラマーの場合:

海外第一候補: Claude Opus 4.5 - コーディング能力No.1
国内代替案: GLM-4.7またはMiniMax-M2.1 - 手頃な価格で同等の能力

👴👶 家族で使う場合:

高齢者/子供: Doubao - シンプルな音声会話
学生: DeepSeek - 学習とQ&A

自分だけのAPIプロキシを構築する

Mon, 01 Jan 0001 00:00:00 +0000

この章では、よくある悩みを解決します。ClaudeやCodexといった海外のAIサービスを使うとき、アカウントが理由もなくBANされたり、毎回手動でプロキシを有効にしなければならなかったり、一人でサブスクリプション費用を負担するのが高かったり、友人と共有するときに適切な権限管理ができなかったりと、面倒なことがつきものです。

私自身もこれらのサービスを利用しており、ずっと自分でホストするAPIリレーに頼ってきました。この章では、その設定手順をすべて説明します。

なぜ自分だけのAPIプロキシを構築するのか

まずは動機から理解しましょう。これがどのような問題を解決するのかを説明します。

ClaudeはアカウントをBANしがちです。 多くの人がさまざまなマシンから雑多なIPでログインすると、リスク管理システムにフラグが立てられ、アカウントがBANされます。リレーを使えばIPを固定し、すべてのリクエストを同じサーバー経由にすることで、BANされる可能性を大幅に減らせます。
より便利に使えます。 一度設定すれば、毎回手動でプロキシを有効にしなくても、直接サーバーに接続できます。
複数人で1つのサブスクリプションを共有できます。 Claude MaxやProのサブスクリプションは安くないので、数人で費用を分割できます。リレーを通じて、ユーザーごとに独立したAPIキーを作成でき、それぞれに独立した権限と使用統計が与えられます。
他人から購入しないのはリスクが高すぎるからです。 市場には多くのAPIリレーサービスがありますが、真偽の見分けがつかず、いつ消えてもおかしくなく、データが傍受される可能性もあります。
データセキュリティの懸念。 他人のリレーサービスを使うと、すべてのリクエストがそのサーバーを通過します。機密性の高いコンテンツは、管理外の第三者を通すべきではありません。
複数のAIプロバイダーをサポート。 この設定はClaudeだけでなく、Codexなどの他のサービスもサポートします。

どのプロジェクトを使うか

このオープンソースプロジェクトを使用します：claude-relay-service

始める前に、デプロイの要件を確認しておきます。

VPS： 最小スペックで十分です。1コア、1GB RAMで問題ありません。
オペレーティングシステム： Linux（Ubuntu/Debianどちらでも可）
最も重要なこと： VPSがAnthropicのAPIに直接アクセスできること。つまり、サーバー自体がclaude.aiに到達できる必要があります。

VPSとは？ 簡単に言えば、24時間稼働するレンタルサーバーです。プログラムを実行でき、決してシャットダウンせず、固定のパブリックIPを持っています。一般的な国内クラウドサーバー（Alibaba Cloud ECS、Tencent Cloud CVMなど）も似ていますが、地域制限のため動作しません。海外のものをレンタルする必要があります。

VPSの代わりに自分のコンピュータを使えますか？ 理論上は可能ですが、2つの厳しい条件があります。まず、コンピュータが24時間稼働していること。次に、ネットワークがAnthropicのサーバーに直接接続できること。両方の条件を満たさなければならず、そうでなければ動作しません。そのため、実際には海外のVPSをレンタルする方がはるかに簡単です。

最後の「Anthropicに到達できる」という点で、多くの人がつまずきます。VPSの場所が動作するかどうかを直接決定します。私はデータセンターIPの日本のVPSを使用しており、追加設定なしで直接接続できます。シンガポール、アメリカ、日本のデータセンターは一般的に問題ありません。中国の国内サーバーは確実に動作せず、香港の一部のデータセンターもブロックされている可能性があります。購入前に確認することをお勧めします。

ワンクリックデプロイ

VPSのターミナルに接続し、次のコマンドを実行します。

curl -fsSL https://pincc.ai/manage.sh -o manage.sh && chmod +x manage.sh && ./manage.sh install

Enterキーを押して、完了するまで待ちます。インストールが成功すると、ターミナルに次のような出力が表示されます。

Access URLs:
  Local Web: http://localhost:8080/web
  Public Web: http://YOUR_IP:8080/web

Admin credentials saved to: data/init.json

YOUR_IP はVPSのパブリックIPです。管理者パスワードは data/init.json ファイルに保存されています。cat data/init.json で表示できます。パブリックURLとパスワードをメモしておいてください。管理パネルにログインするために必要です。

インストール後、システムはサービス管理用の crs コマンドを登録します。

crs install   # Install the service
crs start     # Start the service
crs stop      # Stop the service
crs restart   # Restart the service
crs status    # Check status
crs update    # Update the service
crs uninstall # Uninstall the service

後でアップグレードする場合は、VPSに接続して crs update を実行するだけです。インストールプロセスを繰り返す必要はありません。

管理パネルにアクセスする

先ほどメモしたパブリックURLをブラウザで開き、管理者パスワードを入力すると、次のダッシュボードが表示されます。

これがシステムダッシュボードで、現在のAPIキー数、サービスアカウント、今日のリクエスト数、トークン消費量などが表示されます。管理パネルでは各APIキーの使用詳細も表示できるため、共有時に誰がどれだけ使ったかが明確になります。自由に探索してみてください。

上部のナビゲーションには、2つのコア設定エントリがあります（画像で赤くハイライトされています）。

API Keys：ユーザー用のAPIキーを作成・管理します。
Account Management：購入したClaudeサブスクリプションアカウントをバインドします。

次に、まずアカウントをバインドし、その後APIキーを作成します。

ステップ1：Claudeアカウントをバインドする

上部の「Account Management」をクリックし、「Add Account」をクリックします。アカウント追加のダイアログが表示されます。

ステップ1 — 基本情報

次の項目を入力します。

Select Platform：Claude (Anthropic) を選択します。他のオプションにはOpenAI、Geminiなどがあります。
Select Specific Platform Type：Claude Code (Official) を選択します。これが主要な方法です。
Add Method：OAuth Authorization (Usage Visualization) を選択します。これにより、管理パネルで詳細な使用データを確認できます。
Account Name：自分が認識しやすい名前を入力します。例：「My Max Account」。

さらに下にスクロールすると、いくつかの重要なオプションがあります。

Subscription Type は正しく設定する必要があります。実際に購入したものを選択してください。

Claude Max：Maxサブスクリプションを持っている場合に選択します。
Claude Pro：Proサブスクリプションを持っている場合に選択します。

さらに下には、「5時間使用制限に近づいたときに自動停止スケジュール」や「ウォームアップリクエストをブロック」などの高度なオプションもあります。初心者はデフォルトのままにして、後で必要に応じて調整してください。

入力が完了したら、「Next」をクリックして認証に進みます。

ステップ2 — 認証

このステップでは、Claudeアカウントがリレーサービスを使用することを認証します。「Generate Authorization Link」ボタンをクリックします。

生成されたリンクが入力フィールドに表示されます。https://claude.ai/oauth/authorize?... のようなものです。右側のコピーアイコンをクリックしてリンクをコピーします。

次に、このリンクをブラウザで開きます（プロキシを使用することを忘れないでください）。

ページには「Claude Code would like to connect to your Claude chat account」と表示されます。Authorize ボタンをクリックして認証を完了します。

認証が成功すると、ページにAuthorization Codeが表示されます。このコードをコピーし、ダイアログの入力フィールドに貼り付けて、「Complete Authorization」をクリックします。

これでアカウントがバインドされました。

ステップ2：APIキーを作成する

アカウントをバインドしたら、上部の「API Keys」タブをクリックしてAPIキー管理画面に移動します。

右上の「+ Create New Key」ボタンをクリックします。

次の情報を入力します。

Name：このキーに名前を付けます。例：「個人用」「家族用」。後で管理しやすいように、人や目的ごとに名前を付けることをお勧めします。
Rate Limit Settings（オプション）：複数人で共有する場合、キーごとにリクエスト頻度とコスト制限を設定できます。空白のままにすると無制限になります。

入力が完了したら、Confirmをクリックします。作成が成功すると、次のダイアログが表示されます。

重要な注意事項：APIキーの完全な文字列を確認できるのはこの瞬間だけです。このウィンドウを閉じると、システムは再度表示しません。

「Copy Claude Configuration」をクリックすると、次のような内容がコピーされます。

export ANTHROPIC_BASE_URL="your_server_public_url"
export ANTHROPIC_AUTH_TOKEN="cr_217627747170e5aa5691134fab8278b0dfec1b0ac2e59345ae180dc6d5f9643d"

これがあなたのAPIアドレスとキーです。安全に保存してください。

次にどう使うか

ANTHROPIC_BASE_URL と ANTHROPIC_AUTH_TOKEN を入手したら、API互換の任意のクライアントで使用できます。

Claude Codeで設定する方法については、Claude Codeのセットアップガイドを参照してください。

私自身この設定を使用しており、導入以来アカウントがBANされたことはありません。

まとめ

今日学んだこと：

なぜ自分でリレーを構築するのか：IP固定でBAN防止、複数ユーザー共有、データセキュリティの完全な制御。
どのプロジェクトを使うか：claude-relay-service、オープンソースでセルフホスト。
デプロイ方法：ワンコマンドで完了。インストール後、パブリックURLと管理者パスワードが取得できる。
アカウントバインドの手順：Account Management → Add Account → Claudeを選択 → サブスクリプションタイプを選択 → OAuth認証。
APIキー作成の手順：API Keys → Create New Key → 名前を入力 → Claude設定をコピー（一度だけ表示！）。

重要なポイント：

APIキーの完全な文字列は作成時にのみ表示されるので、すぐにコピーして保存すること。
正しいサブスクリプションタイプを選択すること：MaxとProではサポートするモデルが異なり、ProはOpus 4をサポートしません。
認証時にはプロキシを使用すること。ブラウザとサーバーが同じプロキシを使うのが理想的です。