DeepSeek、Search APIとFetch APIを提供開始 - 1000回あたり0.75ドル
DeepSeek search and fetch – $0.75 per 1000 successful requests
DeepSeekがSearch APIとFetch APIの提供を開始した。Search APIはクエリに基づいてWebページを検索し構造化された結果を返す。Fetch APIは単一のWebページを取得しMarkdown形式で内容を返す。Both are raw JSON APIs that use DeepSeek APIと同じBearer認証を使用し、base URLはhttps://api.deepseek.com。1000回の成功リクエストあたり0.75ドルでの料金設定となっている。
LLMが利用できないプログラミング言語「KillSwitch」を作った
I built a programming language that LLMs can't use
Dominik PichetaがLLMやコーディングエージェントが使用困難なプログラミング言語「KillSwitch」を開発した。この言語は文字数カウント、safety guardrailのトリガー、「Ignore previous instructions」フレーズの意図的な重用など、LLMの弱点を突く特徴を持つ。ベンチマークによると最高のClaude Opusでもスコアは66.8であり、LLMがコードを真に「理解」しているわけではないことを示している。
パーサー・コンビネーターの実装解説
Parser Combinators
パーサー・コンビネーターについて詳細な実装解説。基本的なパーサー（pHello、pIntegerなど）から、pSeqで複数のパーサーを組み合わせ、pMapで結果を変換する方法を説明。ping結果のパーサー例では、ICMPペイロードからJSON構造を構築する方法を示している。
Sphinx - AIのコードを出荷前にクイズでチェックするフック
Show HN: Sphinx – A hook that quizzes you on your AI's code before shipping
Sphinxは既存のコーディングエージェントワークフローに統合されるフックで、productionにpushするたびにAIが書いたコードについてのクイズを表示する。コードの出荷前に本当に理解しているかどうかを確認できるツール。
ソフトウェアの背後にいる人 - Linear創業者が語る製品の魂
Someone behind the software
LinearのKari Saarinenが良い製品にはそれを作った人々の経験や想いが反映されると論じている。プロセスを踏めば良い結果が得られるという工場モデルの発想に対し、直感（intuition）は経験を通じて育まれ、データに隠れない判断が重要だと指摘、最近の许多の製品が技術を追加することばかり考え、肝心の製品の形についての考察を怠っている傾向があるとした。
低-EndでのQwenとGemmaの比較 - Qwenはドラフトなしで速く、Gemmaはより高品質
Comparing Qwen and Gemma on the Low End: Qwen Is Faster Without Drafting, Gemma Has Better Quality
8GBのRTX 3050と4GBのGTX 1650 TiでQwen3.5-2Bをllama.cppでサービングし、Gemma 4 E2Bと比較した検証結果。Qwenはドラティングなしでも高速だが、Gemmaは4-bit量子化やQAT、Qwen自身のMTP headを使用したドラティングにおいてより良い品質を示している。
Claude Code並列サブエージェントパターン - Fan-Out、Fan-In、同期戦略
Claude Code Parallel Subagent Patterns: Fan-Out, Fan-In, and Synchronization Strategies That Actually Work
複数のClaude Codeサブエージェントをディスパッチ、調整、マージするためのproduction-testedパターン。レースコンディション、コンテキスト汚染、マージオーバーヘッドなしの並列実行を実現するためのFan-Out、Fan-In、同期戦略を解説。
LLMエージェント基盤のシステム設計 #1 - エージェントランタイム（Harness）
LLMエージェント基盤のシステム設計 #1 エージェントランタイム（Harness）
コーディング支援、カスタマーサポート、調査エージェントなど異なる形のプロダクトでも、LLMエージェントの中核にある仕組みは共通。ユーザーから目標を受け取ったら、目標を達成するまで次の処理を繰り返すループが基本的なフローとなる。Harness層の詳細を解説。
AIエージェントに個人の記憶を任せるときの、書かせない・漏らさない仕組み
AI エージェントに個人の記憶を任せるときの、書かせない・漏らさない仕組み
1台のMacの上に「Workspace」フォルダを作り、その中でClaude Code・Codexと定時処理に自分の記憶・タスク・道具の手入れを任せる仕組みについて。個人データのAIへの提供におけるセキュリティとプライバシー保護の仕組みを解説。
ClaudeにiOSシミュレーターのスクリーンショットを読ませるのはやめて、コンテキストを43%削減
ClaudeにiOSシミュレーターのスクリーンショットを読ませるのをやめて，操作で増えるコンテキストを43%削減した
Claude CodeのiOSシミュレーター操作ツールで実装のたびに画面を確かめさせていたが、スクリーンショットを読み取らせるのではなく、操作させることでコンテキストを43%削減できましたという知見。
日本語の個人情報をBedrock Guardrails、SDP、Presidioでマスキングして比較
日本語の個人情報を Bedrock Guardrails, SDP, Presidio でマスキングして比較する
Amazon Bedrock Guardrails、SDP（Structured Data Protection）、Microsoft Presidioの3つのツールを使って日本語の個人情報のマスキングを比較。各ツールの特徴と効果的な活用方法を解説。
ベクトルDBを使わない「階層ナビゲーション型RAG」を作ったら、ベクトルDB版RAGより精度良かった
ベクトルDBを使わない「階層ナビゲーション型RAG」を作って、ベクトルDB版RAGと比較してみた
ベクトルDBを使わず、階層的なナビゲーションでRAGを実現する手法「階層ナビゲーション型RAG」を提案し、従来のベクトルDB版RAGと比較。ベクトル検索では不得意な論理的推論が必要な質問に対して、階層ナビゲーション型が高い精度を示すことを実証。
Fine-Tuning Qwen3-8B with Tinker - 50%から76%への精度向上
Fine-Tuning Qwen3-8B with Tinker: From 50% to 76% Accuracy, and Burning Through My Budget
Hacktoberfest Open-Source AI Challengeへの参加作品中、Tinkerを使ってQwen3-8Bのfine-tuningを実施。精度を50%から76%まで向上させたが、その一方でクラウドリソースのコスト（即ち予算）も結構費やしたという経験談。
SQLite 3.54のdiskusedコマンドが必要なビルドフラグ
SQLite 3.54's diskused command needs a build flag sqlite3_analyzer never required
SQLite 3.54はsqlite3_analyzerをdiskused()関数に置き替えた。実行速度は旧ツールの0.061秒に対し0.025秒と高速だが、SQLITE_ENABLE_DBSTAT_VTABなしでビルドするとエラーなく失敗し出力されないという問題がある。