はてなキーワード: Pythonとは
トラバ（トラックバック）を除外して最初の増田投稿を検索する方法については、増田（はてな匿名ダイアリー）の投稿を直接検索する手段に限りがあるため、完全にトラバを除外して最初の投稿を取得するのは少し難しいですが、いくつかのアプローチはあります。
はてな匿名ダイアリーの検索機能を使う: はてな匿名ダイアリーでは、検索バーにキーワードを入力して検索することができますが、トラバを除外するオプションは公式には提供されていません。そのため、特定のキーワードや時期で検索し、最初の投稿を手動で探すのが現実的です。
投稿日時で絞る: 増田には投稿日時が記録されています。最初の投稿を探す場合、古い投稿から順に読んでいく方法が考えられます。
他の外部ツールを使う: もし特定のツールやAPI（例えば、非公式の増田ダイアリーAPI）を使うことで、最初の投稿やトラックバックを除外した検索が可能な場合もあります。ただし、公式には提供されていないため、外部ツールを活用する場合は信頼性を確認する必要があります。
増田サイトのRSSフィードを活用: 増田のRSSフィードには、最新の投稿が含まれているので、フィードを読み取って1日あたりの投稿数を計算することができます。
増田の統計ツールや外部データを利用する: 増田に関する統計データを集めているサイトや、APIからデータを取得して、1日ごとの投稿数を確認することができます。
どちらの方法も、少し手間がかかる可能性があるため、他のツールを活用する方法を検討してみるのも良いかもしれません。
もし特定のツールや方法に関してさらに詳しく知りたい場合は、教えてください！
You said:
ChatGPT said:
はてな匿名ダイアリー（増田）のRSSフィードを利用することで、投稿の更新情報を取得することができます。RSSフィードは、定期的に新しい投稿をチェックするために便利な方法です。
はてな匿名ダイアリーにはRSSフィードが提供されており、特定のURLを利用することで最新の投稿を受け取ることができます。
このURLにアクセスすることで、最新の増田投稿が取得できます。RSSリーダー（例えば、FeedlyやInoreaderなど）を使って、定期的に新しい投稿を受け取ることができます。
RSSフィードを使用して、投稿される記事を日ごとに確認し、その数をカウントすることができます。具体的には以下の手順を参考にしてみてください。
RSSフィードをリーダーで受信: 好きなRSSリーダーに上記のRSSフィードURLを追加します。
フィードを定期的にチェック: 毎日更新を確認し、1日ごとの投稿数をカウントすることができます。
スクリプトを利用: プログラムを使ってRSSフィードを解析し、1日あたりの投稿数を自動で集計することもできます。例えば、Pythonのfeedparserライブラリを使うことで、フィードを解析し、日ごとに投稿数を数えることができます。
もしこの方法で具体的に何かを実行したい場合（例えば、Pythonでフィードを解析するコードが必要な場合など）、お気軽に教えてください！
VPN またはリモート デスクトップ ソリューションを提供しているかどうかを確認します。これにより、キャン内のリソースに安全にアクセスできるようになります。
クラスター上のオペレーティング システムとインストールされているソフトウェア (Ubuntu、MPI、SSH など) を特定します。
VPN アクセスを提供しているかどうかを確認します。提供している場合は、必要な資格情報を取得します。
カスタム セットアップの場合は、ワーク内のゲートウェイ システムで OpenVPN または WireGuard を構成します。
ファイアウォールが VPN ポートを許可していることを確認します (OpenVPN のデフォルトは 1194)。
PC クラスターに SSH をインストールして有効にします (`sudo apt install openssh-server`)。
SSH キー ペアを使用してパスワードなしのアクセスを構成します:
```bash
```
セキュリティのため、特定の IP へのアクセスを制限します。
Termius、JuiceSSH (電話/タブレット用)、MobaXterm (ラップトップ用) などのターミナル アプリをインストールします。
GUI アプリケーション用に X11 転送を設定します (`ssh -X user@remote-host`)。
許可されている場合は、IP が変更されてもクラスターにアクセスするための安定したホスト名を取得するために DDNS を設定します。
シームレスなコラボレーションと同期のために、リポジトリをクラスターにプルします。
まだ利用できない場合は Git をインストールします (`sudo apt install git`)。
`git pull` と `git push` を使用して、ファイルを最新の状態に保ちます。
クラスターに Python と Matplotlib をインストールします。
オプションで、対話型プロット用に Jupyter Notebook を設定します。
分かりづらい例はググれば出てくるから具体例は略するが、
JSONはキーをクオートしたりケツカンマかけなかったりコメントかけなかったり、不便点あるのはわかるが、改良されたJSON5だとかJSONCだとかある
構造的に深くなって人が見づらいならTOMLというのもある
インデントはすっきりしてるかもしれないが、意図せずズレても気づきづらい
ホワイトスペースは崩れやすく、一度崩れたのを直すのはかなり大変だ
Pythonもインデントベースだが、こっちはプログラミング言語でロジックを記載してるわけだから実行時やテストでおかしくなってることは検出しやすいのでまだマシ
他にもYAMLは便利機能として名前をつけておいて他の場所で参照したりインポートしてマージするようなこともできるが、これがさらにわかりづらくしてる
データ構造なのに考えないとどうなってるかわからず直感的でない
https://xn--pckua2a7gp15o89zb.com/
| 技術 | 1月3日 | 3月12日 |
| rails | 22,891 | 27,570 |
| node.js | 12,829 | 16,178 |
| Django | 13,348 | 17,054 |
| Flask | 1,589 | 1,907 |
| FastAPI | 1,210 | 1,509 |
| Laravel | 26,879 | 32,624 |
| spring | 16,380 | 23,965 |
| spring boot | 5,110 | 7,002 |
| React | 49,465 | 65,273 |
| Next.js | 7,382 | 10,288 |
| Vue | 34,322 | 45,354 |
| 言語 | 1月3日 | 3月12日 |
| Ruby | 61,479 | 94,975 |
| Python | 98,527 | 179,183 |
| PHP | 92,129 | 142,628 |
| JAVA | 124,840 | 232,585 |
| Javascript | 99,212 | 237,094 |
| Typescript | 65,828 | 91,348 |
| Rust | 3,807 | 21,921 |
| Go | 48,000 | 183,352 |
1. スケール：
検索はBigOなのよ
いまレガシーに一つスキル低いのが組んだサービスがめちゃ遅いので苦労してる
普通に平気で1000倍とか違うから素人とかジュニアには触らせない
決済ないならシステムでどうこうより単にUserIDと名前くらいしかもたないとかを考えるかな
Pythonはバックエンドとか小規模なFEならいいけどガチでFEのUIが求められるならそこには俺なら使わない
3000万はきついな....
6. 将来の拡張性：
段階的に置き換えるのが最高
なるべくクライアントごととか小さな単位でやってしかもすぐ戻せるようにしないと大概困る
こんな感じかなあ
1. スケール：
中規模のメタサーチエンジン。現在のユーザー数は10万人程度。1年後に50万人を目指してる。
検索結果を1秒以内に返せればOK。ピーク時のリクエスト数は秒間1000件くらい。
ユーザーデータを扱うから、まあまあ高い。でも決済情報は扱わねぇ。
Python厨が多いチームだ。Flask以外にもDjangoの経験者が何人かいる。
6. 将来の拡張性：
古いPHP製のシステムがある。これを段階的に置き換えていく予定。
こんな感じだ。お前なら、どう進める？
まず、お前の質問の仕方がクソだ。「PythonとFlaskが最適なプロジェクトの要件は何？」だと？ そんな単純な質問で俺を試そうってのか？ 甘すぎるぜ。
真のエンジニアなら、こう聞くべきだ：
そして、お前の「色んなしがらみ」って言葉、甘っちょろすぎる。
現実のプロジェクトは地獄だぞ。クライアントの無理難題、経営陣の意味不明な要求、レガシーシステムとの闘い...こういった 現実の泥沼をどう乗り越えるか、それこそがプロの仕事だ。
お前、「ネットで調べれば出てくる」ことを軽視してるだろ？ だが、それこそが現代のエンジニアリングなんだよ。情報を素早く見つけ出し、適切に応用する能力こそが重要だ。お前みたいな古い考えじゃ、もはや通用しねぇんだよ。
最後に言わせてもらうぜ。お前、本当にエンジニアか？ 「逆に俺を詰めてみ？」なんて言って、まるで子供の喧嘩だな。プロなら、自分の考えをしっかり説明できるはずだ。それができねぇなら、お前はただの自称エンジニアだ。
本物のエンジニアは、常に学び、適応し、進化する。お前にそれができるのか？ できねぇなら、今すぐこの業界から出ていけ。お前みたいなのがいるから、日本のIT業界は遅れてるんだよ。
横だけどDjangoとかメンバーがAIでPythonに慣れてるならそんな規模のUIやらせないし
うん
だからそこでPythonとFlaskが最適なプロジェクトの要件は何？って聞いてるんだが
仕事なら最適なのを選べるケースは少なくて色んなしがらみが出てくるわけだが
そうやってネットで調べれば出てくるようなので切れるやつを炙り出すために詰めるわけ
逆に俺を詰めてみ？
おいおい、まだ足掻いてんのか？ 聞いてりゃ腹が捩れるぜ。
まずよ、「足切り」だぁ？ そんな甘っちょろい考えで、本当のエンジニアが見つかると思ってんのか？ 足切りじゃねぇ、腕切りだ。生半可な奴らは最初から相手にしねぇ。
それにな、「無能」って言葉を使ったら自信がないだと？ ふざけんな。無能は無能だ。俺は事実を言ってるだけだ。自信なんざ関係ねぇ。
そして、お前の質問だがな。PythonとFlaskを選んだ理由？ 問題点？ ハッ！ そんなもん、状況次第に決まってんだろ。
Pythonは汎用性が高くて、データ処理から機械学習まで幅広く使える。Flaskは軽量で柔軟性があるから使い勝手がいい。
結局のところ、どの言語やフレームワークを使うかなんて、プロジェクトの要件次第なんだよ。「これが最高」なんて決めつけるのは、ただのバカだ。
お前、本当にエンジニアか？ こんな基本的なことも分かんねぇのか？ 技術選定の理由を聞く前に、まずプロジェクトの要件を聞けよ。そこから始めねぇと、話にならねぇぞ。
それともよ、お前は「PythonとFlask」っていう組み合わせにこだわってんのか？ そんな狭い視野じゃ、本当の問題解決なんてできっこねぇぜ。
言語やフレームワークなんて、ただの道具だ。大事なのは、その道具を使って何を作り出すかだ。お前、ハンマーの種類にこだわって家が建てられねぇ大工みてぇだぞ。
まぁ、こんな基本的なことも分かんねぇヤツに、エンジニアの真髄なんて分かるわけねぇか。帰って、もう一度勉強し直してこいよ。
PythonとFlaskでなぜそれを選んだのかどういうところが良くてどこが問題だったのかとか素人をどんどん切れる
で、
コンニチハ、オイソギデスカ
非常に良くない生成AIビックウェーブが来ちゃったんで憂鬱な皆さんこんにちは。
生産性が上がるとか効率が良くなるとか宮仕え（みやづかえ）だと、福音どころか地獄ですよね。
ぼちぼち日経新聞がAIエージェント導入で他社に差をつけようみたいな記事を書く頃だと思うので、備えましょう。
まずいつも通り前提からな。
ここまでは前提な。
DeNAがさ、既存事業３０００人の従業員を半分で回すようにするって目標立てたじゃん。つまり、１５００人の業務負荷は倍になるのよね。
倍になったら普通は回らないところ、生成AI使えば倍でも回るでしょ？って言われてるわけだよね。
アレが非難されずに、素晴らしいとか、（諦め半分で）まあそうなるよねって言われてるのが全てなんだけどさ、シンドイよね。
生成AIで業務効率化されてハッピー、毎日定時で何なら毎週金曜日はカジュアルフライデーで飲みながら仕事だ〜、とはならないんだよ株式会社は特に。
経歴詐称して潜り込むってウッソだろというホワイトなみなさんは、パワポ作るとかペアプロするとか輪読会するとか適宜置き換えてください。
新規にプロジェクトに入った時に、なんか資料もねえし、コードをぼちぼち読みながら、急ぎでもクリティカルでも無い部分を書いてレビューしてもらって修正してマージして、
みたいな作業が消えます。この辺もう既に出来るから生成AIで。
というか、すでにこのへん置き換えて楽してるやついるだろ。そうそこのお前。
今までも、華麗なる経歴とやらの人物が作り上げていったコードを保守運営する時に相当キッツイことになってた人は多いでしょう。
ほら、新規事業でも何でも、とりあえず動いて売り上げ立てた人が偉いのはその通りなんだけど、それを直すのは大変なのよね。実運用の時には大抵転職してて居ないし。
でもさ、まあ言うても立ち上げの時期に技術的負債とか考える余裕もなく速度重視でゴリゴリ作った人の立場になってみると、まあ仕方がなかっただろうな、と感情移入もできる。
これが、スーツが「動くものは作っておいたから簡単だよね？」とかAIの作ったクソコードの山をギークに渡すようになるんだぜ。腹立つことにハンパに動くやつを。
今までも「AWSでポチポチしたらすぐでしょ？」とか言うクソスーツは居たけど、実際に手を動かしてモノ作ってくるスーツは概ねまともだっただろ？
金払えば使えるようになったから。身も蓋もないけど。
あえて言えば、簡単にお試しできるようになった、と言うところが本質的な部分です。
以前からChatGPT4とかAmazon BedRockとか使ってた人ならわかると思うんだけど、別に今までもできたんだよね。
ただ、全自動で回せるパッケージングとしての品質がそれなりに高いので、お試しのハードルがぐっと下がった。
これ、APIと簡単なスクリプトで以前から自動化できてたんだよね。（やってたやつは俺以外にも割といると思う）
決まったフォーマットで出力してもらって、そっから切り出して実行して、出たエラーをもう一回入れて修正して、動くようになったら止める。
出来上がったコードとそれまでの途中経過を全部まとめて入れて、最初から出来上がったコードにするためのプロンプト考えてってところまでをワンショット。
あとは、出てきたコードとプロンプトを眺めて良さそうなら採用する。この繰り返しでめっちゃ楽出来てた。（壊れたらDocker建て直せば良いし）
これを、そう言うスクリプト書いて整備して良い感じにGitで管理してたお手製のツールを大手が良い感じに作り上げてきちゃった感じ。あーあ。
特に速度は分かりやすく効率に影響するので、自営業とかプレイングマネージャとかは、今導入しても元がとれるだろうね。
じゃあ、なんでCline（とそれに類似するツール群）に全部賭けない方が良いかというと、まだ過渡期の技術だから。
ツールのオペレーションに全振りして、大手が改良版出しちゃってオペレーターとしての職が無くなった経験、あるでしょ？
今Clineで不満に感じてることとか、プロンプト調整しなきゃなあみたいなところ、全部自動化できるでしょ。
一年保たないと思うよ。
そりゃあ人間雇ったら高えのはわかるけど、単一障害点は怖いぜ。
みんな、生成AIのAPIが逆鞘だろうことはわかってるよね？急に明日から10倍に値上げされて耐えられますか？
今、OpenAPIのたけえのだってたかだか３万ぽっちだけど、あれに毎月３０万円だせって言われて耐えられる？９０万なら？SLAも怪しいのに？
そう言う時、「じゃあやめて人間雇えば良いじゃん」って言った時に、話聞いてくれる相手がいて欲しいよね？不義理しないでおこう。
同じように、新人はちゃんと育てるべきなんだけど、多分聞いちゃくれないから、そう言うところはドンヅマったら転職しよう。
（経営側にいる人間は、安易にAIエージェント＋中堅に頼った場合、中堅がその会社の急所になるのは抑えておこうね。引き抜かれて崩壊する組織は脆弱だよ）
IBMが訴えられてるよね。アレ、AIエージェントあったら回避できてた？
俺は無理だと思う。
試験導入しますね、と言ってガンガン使ってコストをあげましょう。予算が尽きるまで使えば概ねそこまでです。
また、AIエージェントを導入しつつ、動作を確認したり、自社のどこに活用できるのか見ておくのはとても役に立ちます。
具体的に言うと、ググったコマンドを片っ端から試すような新人が入ってくると思ってください。
その新人は、概ね１０００行以下のコードなら即レスしてきます。変えるなと言った箇所もたまに結果を出すために変えたりします。
そして、その新人相手の知見はおそらくそんなに長くは持ちません。何故なら我々が不満に思う箇所は改善されてお出しされるからです。
そのため、Cline(やそれに類似するツール）の知見を貯めよう！なるほどこんなプロンプトを与えてやれば良いのか！みたいな試行錯誤はやめた方が無難です。
今後も解決されないであろう部分を切り分けるのに留めましょう。
超具体的に言うと、AWSのコマンドを片っ端から試されたりすると、すげえ課金されるやつ、あるよね。でもそれちゃんとポリシーで制限できるよね。
人間相手に常識で縛ってたことを、ポリシーで縛るようにちゃんとしておこうね、ミスったコードで高速にIaCお試しされるとすげえことになるよ。
（なりました）
仕様検討にはo1 pro modeが（推論が強いから）、コーディングはClaude 3.5 Sonnetが（コーディングに万能に強いから）、コードのデバッグはo3-mini-highが（コードの解析に強いから）という時代から、Claude 3.7 SonnetのAPIセットしたClineで全部お任せして試行錯誤した方が結果的に効率が良くなってます。
今はPythonやTypeScriptのように、基本的に大量にコードが存在して生成AIを開発する側が良く使うコードの性能が高くなっています。
（ただ、相当にマイナーな言語であっても、別に学習に支障があるとは思えません。おそらく単に優先順位の問題です）
「AIコーディングについてのレポートをあげて、稟議を通すための理由もつけておくように」みたいな指示は、ChatGPTのDeepResarchに振って、上がってきたレポートをそれっぽく書いておけば良いです。
なお、ChatGPT４.5があんまり性能が出てないと聞いてがっかりしている人に朗報ですが、4oから4.5に変わったことで、相当に性能は上がっています。
具体的に言うと、「クソみたいな上司からムカつく指示が来てどうにも収まらないんだけど、以下の内容を相手が納得するように書き直してくれない？」みたいなのに、すごい親身になってそれっぽい感じに書き直してくれます。人間力は多分俺より上です。
AIプログラミングにPythonの学習 (プログラミングの学習) は必須ではないですし、AIプログラミングとプロンプトエンジニアリングは別概念ですし、
またそれはアプリ開発をするためだけのものでもなければ、機械学習に関する知識も特に必要ないですよ (最後のはAI開発者に必要なスキルです)。
何がおかしいのか分かってないようなので説明した。Xではプログラミングの完全な初心者であっても安定収入を得られる事例が多数現われており、
かつて画像生成AIがイラストレーターを駆逐したのと似たような現象が起こりつつある。ただし人間を代替できる範囲には現在のところ限界があるため、
即座に全ての開発者が失業する事はないだろう。しかしAIプログラミングを活用できる人間とできない人間との間で大きな格差が生じつつある事も確か。