Every competing product targets small teams; with a rippling/bamboohr/bob you can’t validate or revert a bulk upload, no decent sandbox env, most data stored freetext instead of objects, no control over integrations, poor audit logs, literal inability to extract some data

Full-text search in SQL Server lets you query word meanings, not just string patterns. CREATE FULLTEXT CATALOG ftCatalog AS DEFAULT; CREATE FULLTEXT INDEX ON dbo.Articles (Title, Body LANGUAGE 1033) KEY INDEX PK_Articles; Now query: -- Contains word or phrase SELECT * FROM dbo.Articles WHERE CONTAINS(Body, 'index'); -- Weighted relevance ranking SELECT * FROM dbo.Articles WHERE FREETEXT(Body, 'SQL Server performance'); -- Ranked with score SELECT a.Title, k.RANK FROM dbo.Articles a INNER JOIN CONTAINSTABLE(dbo.Articles, Body, 'NEAR(SQL, performance)') k ON a.ArticleId = k.[KEY] ORDER BY k.RANK DESC; LIKE '%word%' scans every row. Full-text seeks an inverted index. #SQLServer #FullTextSearch #TSQL

Day 4 i freetext smart phrase lumens right click make text editable.. i hope u mean something else and they have not been torturing you

The freetext isn’t the report, it’s linked here truststfc.com/2026/06/08/202…

The Freetext Rebellion of 2026. 🇵🇪 #STFC 🇵🇪 truststfc.com/wp-content/upl…

yang paling mengindonesia itu adalah "monokotil?" terus isiannya jangan opsi tapi freetext

😂 Ποιο UUID; Κλαίω. Freetext θα είναι όλη η βάση και συ μου λες για UUID?

What ive noticed is that freestyles are no longer freetext lyrics Lol.... 95% of the Rappers go to their unreleased catalogue for such moments

🚨All #STFC supporters have got a couple of weeks to complete this survey. There's 1 or 2 freetext questions where you can really get your views across. For me its ground redevelopment (no boxes in DRS, get the TE done properly 1st) & the obvious- Morphoney to sell up & f-off.🚩

New Harvard study in Science: OpenAI’s o1 hit 67% diagnostic accuracy on ER triage cases vs 50–55% for physician pairs. With richer detail: 82% vs 70–79%. One detail being underweighted in the coverage: the trial only tested information communicable in text : vitals, demographics, a nurse’s freetext note. No images. Lead author Arjun Manrai flagged this directly. Real ER medicine is multimodal: distress level, skin color, gait, imaging, ultrasound. None of it was in the test. science.org/doi/10.1126/scie…

whatever works for you, please do it! in my case I have 5 layers of strict hierarchy, supported by 3 different groups of controlled vocabulary tags, plus freetext annotations, flags, checkmarks, archives etc... was easier to do from scratch than configure a tool...

業務効率化診断LP — 完全設計ドキュメント このLPは、ユーザーが9つの質問に答えると「毎月いくらコスト削減できるか」を自動計算して表示するWebページです。結果の数字はぼかして見えないようにしていて、公式LINEに友だち追加すると全ての数字が見られる仕組みです。LINE誘導型とフォームCV型の2バージョンがあります。 【ユーザーの体験フロー（LINE誘導型）】 トップ画面で「無料で診断をスタート」を押す → 9つの質問に順番に答える → ローディング画面（約3秒、裏で計算） → 結果画面が表示される。ただし削減額やスコアはぼかして見えない → 「LINEで全診断結果を受け取る」を押す → LINEのトーク画面にぼかしなしの診断結果が届く 【技術構成】 HTML/CSS/JSの単一ファイルで、フレームワークは使っていません。チャート描画にChart.js v4.4.0を使用。フォントはGoogle Fonts（Noto Sans JP、ウェイト400/500/700/900）。サーバーサイドの処理はNode.jsのAPIサーバー（Render等のホスティング）で、診断データの保存とLINEへのpush messageを担当します。 【9つの質問の詳細】 Q1 業種（6択）: 製造業、小売・EC、不動産、士業・コンサル、IT・Web、その他。Q2 従業員数（4択）: 1〜5名、6〜20名、21〜50名、51名以上。Q3 会社名: 自由入力、スキップ可。Q4 事務・バックオフィス月給合計: 数値入力（円/月）。Q5 手作業・繰り返し業務の月間時間: 数値入力（時間/月）。Q6 担当者の平均時給: 数値入力（円/時）。Q7 毎月の外注・業務委託費: 数値入力（円/月）。Q8 SaaS・ツール費用の合計: 数値入力（円/月）。Q9 業務チェックリスト（8項目、複数選択可、0個でもOK）: 請求書・見積書の作成、問い合わせ対応・メール返信、議事録・報告書の作成、データ入力・集計・レポート作成、採用・応募者対応、SNS・広告レポートの確認、在庫・発注管理、社内マニュアル・FAQ対応。 【削減額の計算ロジック】 手作業コスト = 月間手作業時間 × 平均時給。自動化対象コスト = 手作業コスト 外注費の30%。チェックした業務の数 × 2%がボーナスとして削減率に加算される。削減率は最小40%〜最大92%の範囲（ボーナスで上がり、上限キャップあり）。月間削減額 = 自動化対象コスト × 削減率。年間削減額 = 月間削減額 × 12。現在の月間総コストは、月給と手作業コストの大きい方 外注費 ツール費用で算出。削減額が総コストを超える場合は総コストの80%にキャップ。削減時間 = 手作業時間 × 最大削減率（85%上限）。スコアはチェック数（1つ5点、最大40点） コスト規模（5万以上6点〜300万以上30点） 従業員規模（1〜5名18点〜51名以上30点）の合計で、10〜100点の範囲。 【スコアのラベル】 80点以上「即効性あり。大幅削減が十分に期待できます」、60〜79点「高い自動化ポテンシャルがあります」、40〜59点「段階的な自動化で確実に効果が出ます」、39点以下「小さく始めて効果を測定しましょう」。 【デザイン仕様】 ダークテーマ。背景色#0F0F1F、アクセント#00D4FF（シアン）、サブカラー#FF4D6A（赤）。テキスト白#FFFFFF、サブテキスト#A8A8C8。カード背景はrgba(255,255,255,0.04)にbackdrop-filter: blur(10px)。スタートボタンと全CTAボタンは緑のグラデーション（#22c55e→#16a34a）。背景にはradial-gradientで微かなシアンと紫のグローを配置。 【画面構成（LINE誘導型）】 4画面構成で、画面切り替え時にfadeInアニメーション。スタート画面: ヒーロー画像＋「無料で診断をスタート」ボタン＋3つの特徴（90秒・無料・その場で表示）。質問画面: 上部にプログレスバー＋質問番号、中央に質問＋入力エリア、下部に戻る/次へボタン。select型の質問は選択した瞬間に自動で次の質問へ進む。ローディング画面: 回転リング＋4つのステップが順番にフェードイン表示（回答データ受信→業種プロファイル照合→自動化可能業務特定→削減可能額算出）。結果画面: 現在のコストと手作業時間（見える）＋月間削減額・年間削減額・スコア・削減時間・削減レンジ（全てCSSのfilter: blur()でぼかし）＋ドーナツチャート＋チェック業務一覧＋LINEボタン。 【結果のぼかし】 CSSのfilter: blur()で数字を読めなくしています。月間削減額はblur(16px)、年間削減額・スコアはblur(12px)、削減時間はblur(10px)。LINEで受け取る結果にはぼかしがないので、友だち追加のインセンティブになります。 【LINE連携の仕組み】 結果画面が表示されると、診断データをAPIサーバーにPOST送信し、診断IDが返ってきます。そのIDを使ってLINE LIFFのURLを生成し、LINEボタンのリンク先にセットします。ユーザーがボタンを押すとLIFFページが開き、LINEログインでユーザーIDを取得し、APIサーバーに診断IDとユーザーIDを送信。サーバーがLINE Messaging APIのpush messageで診断結果をトーク画面に送ります。スマホではLINEボタン、PCではQRコードを表示して出し分けます。 【LINE LIFF中継ページの構造】 LINE LIFF SDKを読み込み、LIFF IDで初期化。未ログインならliff.login()でリダイレクト。ログイン済みならgetProfile()でuserIdを取得。URLパラメータから診断IDを取得。userIdと診断IDをAPIサーバーにPOST。成功したら「診断結果をお送りしました」を表示して1.5秒後にliff.closeWindow()。 【Renderスリープ問題への対策】 無料プランのホスティングはアクセスがないとサーバーがスリープし、起動に30〜60秒かかります。対策として、ローディング画面（3秒間）の開始時にAPIサーバーへpingを送って事前に起こしています。また、APIからの応答が返るまでLINEボタンを半透明 クリック無効にし、データ保存が完了してから押せるようにしています。 【フォームCV型（diagnosis2）の概要】 LINE誘導ではなくLP内で面談予約まで完結するバージョン。結果を全てぼかしなしで表示し、2つのサービス（トレーニング型 or アウトソース型）を選択 → サービス詳細をスライドで閲覧 → 名前・メール・面談希望日時を入力して予約完了、という流れです。 【フォームCV型のスライド構成（全7枚）】 スライド0: 月間削減額＋年間削減額＋削減レンジ＋削減時間＋自動化スコア（全てぼかしなし）。CTAは「自動化できそうな業務を確認する」。スライド1: コスト削減割合のドーナツチャート＋自動化対象業務一覧。CTAは「この削減を実現する方法とは？」。スライド2: サービス2択カード。サービスを選ばないと先に進めないゲートあり。選択するとカード内に「選択中」表示が出て即次スライドに遷移。スライド3: 選択したサービスの概要＋ファーストビュー画像＋説明文。CTAは「3つの強みとは？」。スライド4: 3つの特徴を縦スクロールで表示。各特徴は画像＋タイトル＋説明文のカード。CTAは「具体的な導入効果を確認」。スライド5: 導入効果（診断結果の年間削減額を引用）＋導入の流れ4ステップ。CTAは「無料面談を予約して御社の業務を自動化する」。スライド6: フォーム（お名前・メール・面談希望日時・任意テキスト）＋サービスのファーストビュー画像。 【フォームCV型のUI仕様】 ボタンでのみ前に進む（スワイプ不可）。戻るボタンは各スライド左上に配置。上部にプログレスバー（現在位置/全体を%表示）。下部にドットインジケーター（クリックで戻りは可能、進みはゲートチェックあり）。全CTAボタンは緑色。サービスカードにはパルスアニメーション＋「詳しく見る →」ボタンを内蔵。選択中のカードには「✓ 選択中」表示。各サービスのデータ（名前、概要テキスト、ファーストビュー画像URL、3つの特徴の画像とテキスト、導入効果の補足文、4ステップのタイトルと説明）はJS内のオブジェクトで管理し、選択に応じてスライド3〜6の内容を動的に差し替えます。 【フォーム送信のペイロード構造】 フォームからはslot（面談日時ISO文字列）、contactName（お名前）、email（メールアドレス）、freeText（任意テキスト）を送信。これに加えて診断回答からcompanyName、industry、automationTargets（チェックした業務のラベル配列）、monthlyCost（月給を文字列化した区分: 月20万円未満/月20万円程度/月50万円程度/月100万円程度/月300万円以上）を自動セット。challengesは固定値「業務効率化・自動化を検討中」。freeTextの末尾に診断結果サマリ（選択サービス名、スコア、月間削減額レンジ、年間削減額、業種、従業員数、会社名）を自動付与。 【カレンダー予約の仕組み】 フォーム画面表示時にGETで空き枠APIから枠を取得。Google Calendar APIのFreeBusy検索で空きを判定。平日9:00〜22:00、1時間刻み、14日先まで。取得した枠を日別カードで横スクロール表示し、左右に矢印ナビゲーション。ユーザーが枠を選ぶとISO形式の日時がhidden inputにセットされ、選択中の日時が下部にラベル表示。送信時にPOSTでGoogle Calendarにイベント作成、Meet URL発行、招待メール送信を一括実行。 【バックエンド処理の全体像（フォーム送信時）】 1件の送信で6つの処理が同時に走る。Google Calendar APIでイベント作成＋Meet URL＋招待メール送信。MySQLにCV記録を保存。メール送信APIで確認メールを管理者とユーザーに送信。fbclidがCookieにあればMeta Conversions APIでCompleteRegistrationイベントを送信。gclidがCookieにあればGoogle Apps Script WebhookでSheetsに記録。Slack Bot APIで通知チャンネルにリッチメッセージを投稿。 【トラッキング】 GA4とMeta Pixelをhead内に設置。UTMパラメータ（utm_source, utm_medium, utm_campaign）とfbclid、gclidはページ読み込み時にCookieに保存（有効期限30日）。フォーム送信成功時にMeta PixelのScheduleイベントを発火。Google AdsのコンバージョンはサーバーサイドのGoogle Sheets経由でオフライン処理。 【広告出稿時の設定】 リンク先URLにUTMパラメータを含めて設定。例: ベースURL/?utm_source=meta&utm_medium=paid&utm_campaign=diagnosis。Meta広告のURLパラメータ欄を使う場合は、utm_source=meta&utm_medium=paid&utm_campaign=diagnosisを記入。

vibe了这样的一个体验，灵感部分没开thinking，其实感觉应该开thinking的，然后考虑后续加入freetext😋 我发现vibe coding最爽的一个点是一句话到可用mvp，但是最不爽的是需要反复打磨迭代

Possible North Korean missile launch today per CPDCL OBJECT POTENTIALLY BALLISTIC MISSILE LAUNCHED FROM NORTH KOREA POSSIBLY LANDED. [FREETEXT] RESUME NORMAL OPERATION Via @thebaldgeek

Actually, yes. If it would risk patient confidentiality, which it probably would if you are doing things like reviewing notes on screens, making phonecalls, or requesting scans. Hence the need for freetext box reports. Raise concerns. Generate that data. Schedule 9. #ERreform

人間をAPIの関数として使う発想をみて、アマゾンメカニカルタークを思い出した。 mturk.com/ Amazon Mechanical Turk Requester API Code Samples github.com/aws-samples/mturk… 人に何かを頼むのにAPIを介してやるというアマゾンの発想にびっくりした。 その延長線上に、AIがAPIを叩くという世界は当然あり得る。 サンプルコード（の一部） ``` hit = client.get_hit(HITId=hit_id) print 'Hit {} status: {}'.format(hit_id, hit['HIT']['HITStatus']) response = client.list_assignments_for_hit( HITId=hit_id, AssignmentStatuses=['Submitted', 'Approved'], MaxResults=10, ) assignments = response['Assignments'] for assignment in assignments: worker_id = assignment['WorkerId'] assignment_id = assignment['AssignmentId'] answer_xml = parseString(assignment['Answer']) # the answer is an xml document. we pull out the value of the first # //QuestionFormAnswers/Answer/FreeText answer = answer_xml.getElementsByTagName('FreeText')[0] # See stackoverflow.com/questions/… only_answer = " ".join(t.nodeValue for t in answer.childNodes if t.nodeType == t.TEXT_NODE) print 'The Worker with ID {} submitted assignment {} and gave the answer "{}"'.format(worker_id, assignment_id, only_answer) # Approve the Assignment (if it hasn't already been approved) if assignment['AssignmentStatus'] == 'Submitted': print 'Approving Assignment {}'.format(assignment_id) client.approve_assignment( AssignmentId=assignment_id, RequesterFeedback='good', OverrideRejection=False, ) ```