A dev got so frustrated watching his AI agent write 500 lines for a 5-line problem that he built a fix. He called it Ponytail. Named after the guy every team has - long ponytail, oval glasses, been there longer than the version control. You show him fifty lines; he looks at them, says nothing, and replaces them with one. Now your agent does the same. Before writing anything, it looks for a reason not to. 80-94% less code. 47-77% cheaper. 3-6x faster. The best code is the code you never wrote. GitHub Repo: github.com/DietrichGebert/po…

「経営者が勢いでバイブコードしたプログラムを、エンジニアがレビューする（1回10-30万円）」みたいの、わりと副業として成立するビジネスチャンスあるのでは。

「LLM実装やってます」と言うと、「スクラッチでモデル作ったんですか？」と聞かれることがあります。 違います。そんな人はほぼいないし、業務で必要になる場面もほぼないです。 現場で言う「LLM実装」は大半がこれです。 ①APIを叩いてアプリに組み込む：OpenAIやGoogle、AnthropicのAPIを使って、プロダクトの機能としてLLMを動かす。 ②RAGを構築する：社内ドキュメントや外部データをベクトルDBに格納して、LLMが参照できる仕組みを作る。 ③プロンプトを設計・管理する：用途に応じてシステムプロンプトを設計し、出力の品質を担保する仕組みを整える。 ④エージェントを組む：複数のツールやAPIをLLMに組み合わせて、タスクを自律的にこなす仕組みを作る。 スクラッチでTransformerを実装したり、独自モデルをゼロから学習させたりするのはAI研究開発の領域です。AI活用開発とは求められるスキルが全然違う。 そもそもAnthropicはすでにClaude Fable 5を一般公開しつつ、その裏側にはセーフガードを外したClaude Mythos 5を保持しています。Mythos 5はサイバーセキュリティ上の懸念から一般には非公開で、限られた組織にのみ提供されている状態です。 つまり公開できないほど高性能なモデルがすでに存在していて、モデルの性能競争は個人や一般企業が戦える土俵ではなくなりつつあります。 今AIエンジニアがやるべきことは、目の前で困っている人や解決されていない社会課題に、AIをどう組み込むかを考えることです。 モデルを作る競争ではなく、モデルを使って何を解決するかの競争が始まっています。

Stripeは、2ヶ月かかるはずの5千万行のRubyコードの移行を、Fable 5で1日で終えた anthropic.com/news/claude-fa… （日本ではレジを消費税0にするのに1年かかる）