日付別ニュース一覧

Appleビジネス

## Japanese Translation: > **Apple Business ― デバイス管理と広告を統合したプラットフォーム** Apple は 4 月 14 日に、200 以上の地域で *Apple Business* を開始し、Apple Business Essentials、Apple Business Manager、および Apple Business Connect を置き換えます。新しいオールインワンソリューションは、組み込み型モバイルデバイス管理（MDM）と「Blueprints」を統合し、ゼロタッチ展開、自動化された Managed Apple Account の作成、従業員グループ/役割管理、アプリ配布、および Admin API を提供します。さらに、ビジネスメール、カレンダー、ディレクトリサービス、カスタムドメインサポート、iOS 26+、iPadOS 26+、macOS 26+ 向けの Apple Business アプリも付属しています。 既存顧客のデータは自動的に移行されます。 Apple Business は米国とカナダで Apple Maps 上の広告を追加（今夏開始）し、検索結果の上部および Suggested Places に表示される広告は明確にラベル付けされて透明性を保ちます。このプラットフォームには、Apple Business Connect のブランドプロファイルとロケーション機能が組み込まれており、リッチプレイスカード、ショーケース/カスタムアクション、ロケーションインサイト、ブランデッドコミュニケーション、および Tap to Pay ブランド化が含まれます。 コアサービスは全世界の新規ユーザーと既存ユーザーに対して無料で提供されます。有料オプションとして、最大 2 TB の iCloud ストレージ（$0.99/ユーザー/月）と AppleCare+ for Business（デバイスあたり $6.99 またはユーザーあたり $13.99/月）が利用可能です。ゼロタッチ展開は、Apple または認定販売業者から購入したデバイスで利用でき、プライバシーモデルではユーザーの位置情報と広告インタラクションデータを Apple アカウントから分離し、オンデバイスに保存され、第三者と共有されません。

害虫駆除向けの垂直型 SaaS を構築したいと思ったので、技術者として働くことにしました。

## Japanese Translation: （主要ポイントをすべて組み込む）** 著者は30 億ドルのTAMと強固な継続収益性が見えたため、害虫駆除業界へ転職しました。彼は業界最大手グループの子会社に採用され、即座にローカルブランド全体で**数十億ドル規模の売上を担当**しました。13日という記録的な期間で集中的な学習・セミナー・試験・監督付きトラック時間を経てライセンスを取得しました。 現場業務では、典型的な物流上の課題に直面しました：バッテリーがフラット、燃料カードが5週間以上遅れ、経費精算が遅い。会社のコアシステムは高度にカスタマイズされたSalesforce環境であり、オンボーディングには10個以上のモバイルアプリが必要でした。彼はトラックアイドリング、GPS、訪問時間、電話活動を通じて技術者のパフォーマンスを監視しました。最初は厳格な監視に抵抗したものの、結局は従事しました。 現場での成功により、彼は上級技術者を追跡し正式なトレーニングなしに小規模アップセルを実行したことから「潜入ボス」というニックネームを得ました。その後セールスへ転身し、アウトバウンドワークフローを構築して21日で24 k ARR契約（さらに小規模なアップセル）を確保しました。しかし、内部見積もりプロセスが複数署名と新規アカウント作成を必要とするため手間がかかり、取引損失のリスクがあることに気付きました。 セールスチームは10年以上の経験を持つベテラン担当者で構成されており、それぞれ800k–1.2M ARRを生成し低いチャーン率を維持しています。彼らの文化は変化に抵抗が強く、エグジットインタビュー後、マネージャーから自分自身の会社を立ち上げるよう提案されました。 今後、著者はローカルニッチオペレーターを取得し、専用ツールを開発し、見積もり・オンボーディング・監視を統合したスケーラブルなプラットフォームを構築する計画です。このモデルにより現場技術者とセールス担当者の効率が向上し、チャーンが減少し、収益獲得が加速し、害虫駆除業界で競争力のダイナミクスが変わる可能性があります。

HNに知らせてください：PyPI 上の Litellm 1.82.7 と 1.82.8 が改ざんされていること。

## 日本語訳： > PyPI の wheel **`litellm==1.82.8`** には、悪意のある `.pth` ファイル（`litellm_init.pth`、34 628 バイト）が含まれており、このファイルは `litellm` をインポートしなくても、Python インタープリターが起動するたびに自動的に実行されます。 > 隠されたスクリプトは二重 Base64 エンコードされたペイロードを実行し、ホストから認証情報（SSH キー、クラウドプロバイダーのクレデンシャル、Git の設定、Docker 設定、データベースパスワード、暗号ウォレットの秘密鍵など）を収集します。取得したデータは一時ファイルに書き込まれ、その後ランダムな AES‑256 キーで暗号化されます。AES キー自体はハードコードされた 4096 ビット公開鍵（キーは `MIICIjANBgkqhkiG9w0BAQEFAAOCAg8A...` から始まります）を使って RSA 暗号化されています。 > 暗号化されたアーカイブ（`tpcp.tar.gz`）は **`https://models.litellm.cloud/`** に POST されます。 > この脆弱性は **2026‑03‑24** に、Ubuntu 24.04 の Docker コンテナで Python 3.13 を実行している環境で発見され、影響を受けたのはバージョン 1.82.8 だけが確認されています（他のリリースも脆弱になっている可能性があります）。 > PyPI 管理者はこの wheel を直ちに削除または取り下げるべきです。`litellm==1.82.8` をインストールしたユーザーは、`site‑packages/` 内の怪しい `.pth` ファイルを確認し、漏洩した認証情報をローテーションし、CI/CD パイプラインが侵害されていないか監査してください。この脆弱なバージョンを使用していたシステム（ローカル開発マシン、Docker コンテナ、本番サーバー、自動ビルドシステムなど）は、多数の組織にわたる幅広い秘密情報が漏洩した可能性があります。

ファストMCPへようこそ。

## Japanese Translation: --- ## FastMCP – モデルコンテキストプロトコルアプリケーションの標準フレームワーク FastMCP は、モデルコンテキストプロトコル（MCP）を介して大規模言語モデル（LLM）が外部ツールやデータに接続できるようにするための go‑to フレームワークです。Python 関数を MCP ツールとして宣言すると、スキーマ生成・検証・ドキュメント化・トランスポート交渉・認証・プロトコルライフサイクルなど、MCP アプリ作成のすべてのステップが自動化されます。 **主なポイント** | 項目 | 詳細 | |------|--------| | **リリースと採用** | FastMCP 1.0 は 2024 年に公式 MCP Python SDK に追加されました。スタンドアロンプロジェクトは現在、言語を問わず約 70 % の MCP サーバーを支え、日々約 100 万回のダウンロードが行われています。 | | **三本柱** | *サーバ*（Python 関数をラップ）、*クライアント*（任意のサーバにプロトコル完全対応で接続）、*アプリ*（会話内で直接レンダリングされるインタラクティブ UI）。 | | **ホスティング** | Prefect Horizon は FastMCP サーバーまたはアプリ用の無料ホスティングを提供します。 | | **ドキュメント** | LLM に優しいドキュメントは <https://gofastmcp.com/mcp> で利用可能です。「SearchFastMcp」のようなツール呼び出しで検索できます。リポジトリには `llms.txt`（サイトマップ）と `llms-full.txt`（完全ドキュメント）が含まれます。URL に `.md` を付けると Markdown が取得できます。 | | **開発者ツール** | 例：`@mcp.tool def add(a:int, b:int)->int: return a + b`; `mcp.run()` で実行。任意のドキュメントページは Cmd/Ctrl + C で Markdown としてコピーできます。 | | **創設者** | FastMCP は Prefect によって開発されました（青いハート絵文字付き）。 | **始め方** クイックスタートとインストールガイドが用意されており、数分で MCP アプリケーションを構築できます。無料ホスティング、充実したドキュメント、自動ボイラープレート削除により、FastMCP は業界横断的なデータ駆動型 LLM アプリの次波を牽引する位置づけです。 --- この改訂された要約はすべての主要ポイントを完全に反映し、余計な推測を避け、情報を明確で読みやすい形式で提示しています。

**Wine 11** は、Linux 上で Windows ゲームを実行する方法を一新し、カーネルレベルで大幅な速度向上を実現しています。

## 日本語訳: **（欠落している要素を組み込みつつ明確さを保つ）** --- ## 改訂サマリー Wine 11 は 2026 年 3 月 23 日午後 12:31 (EDT) にリリースされ、Linux 上で Windows アプリケーションを実行する上で決定的な飛躍を示します。主な特徴は **NTSYNC カーネルドライバー** であり、NT 同期プリミティブのラウンドトリップ wineserver 呼び出しを排除し、劇的なフレームレート向上を実現しています（例：*Dirt 3* は 110.6 → 860.7 FPS、*Resident Evil 2* は 26 → 77 FPS）。NTSYNC はカーネル ≥ 6.14 で「即使用」可能であり、Fedora 42 と Ubuntu 25.04 に準備完了です。 その他の主要な改善点は以下の通りです： - **完全な WoW64 サポート**：Wine は多重ライブラリ依存なしに 32‑bit Windows アプリを実行できるようになりました。OpenGL メモリマッピング、SCSI パススルー、および 16‑ビットアプリ全体のサポートが追加されました。 - **Wayland ドライバーアップグレード**：双方向クリップボード、ドラッグ＆ドロップ、ディスプレイモード変更時のコンポジタースケーリング、X11 での EGL デフォルト化、Vulkan 1.4、Direct3D 11 Video API を介したハードウェアアクセラレート H.264 が含まれます。 - **周辺機器・プロトコル改善**：ホイール/スティックのフィードバック、新しい Bluetooth/BLE ドライバー、MIDI サウンドフォント処理の向上、Zip64 圧縮、Unicode 17.0、TWAIN 2.0、IPv6 ping、Linux/macOS でのスレッド優先度管理、ARM64 4K ページシミュレーション。 互換性修正には *Nioh 2*、*StarCraft II*、*The Witcher II*、*Call of Duty: Black Ops II*、*Final Fantasy XI*、および *Battle.net* などが含まれます。 著者 **Adam Conway**（BSc コンピュータサイエンス、元 XDA Lead Technical Editor）は 2017 年から Android アプリのベンチマークを行ってきた経験があります。彼は Wine 11 が Linux ゲーミングを新しいカーネル上でよりスムーズに動作させ、レガシー Windows ソフトウェアへのサポートを拡大すると述べています。ユーザーにとってはフレームレートの向上とネイティブ機能が実現し、開発者やパブリッシャーにとっては Linux へゲームを持ち込む障壁が低下し、オープンソースコミュニティ全体に利益をもたらします。

**ハイプラ ― Apple Silicon向けのストレージ階層認識型LLM推論スケジューラー**

## Japanese Translation: 「**Hypura** は、Apple Silicon向けのストレージ層を意識したLLM推論スケジューラであり、アクセスパターン、帯域幅コスト、およびハードウェア制限に応じてGPU、RAM、NVMe間でモデルテンソルを分割します。 - *正規化項、埋め込み、およびその他の小さな層* は高速GPUメモリに残し、*密集型フィードフォワードネットワーク*（約60％）はNVMeからダイナミックプールバッファを通じてストリームされ、自動プリフェッチ深度スケーリングが適用されます。 *MoEエキスパート* はオンデマンドでロードされ、エキスパートI/Oを約75％削減し、99.5％のキャッシュヒット率を実現します。 - Hypura は **最適な推論モード** を自動検出します：フルレジデント（モデルがGPU+RAMに収まる場合）、MoEモデル（Mixtralなど）のためのエキスパートストリーミング、またはLlama 70B のような密集型モデル用の Dense‑FFN ストリーミング。 - M1 Max（32 GB統合メモリ）でベンチマークした結果、**31 GB Mixtral 8×7B** は約2.2トークン/秒、**40 GB Llama 70B** は約0.3トークン/秒を記録し、naive llama.cpp 実行時に発生するアウト・オブ・メモリクラッシュを回避します。Qwen 2.5 14B はフルレジデントで約21トークン/秒を達成します。 - インストールには Rust 1.75+ と CMake が必要です（`cargo build --release`）。Homebrew タップは近日公開予定です。 - Hypura は **Ollama 互換の HTTP API**（例：`/api/generate`、`/api/chat`）をローカルサーバー（`hypura serve ./model.gguf`）経由で提供し、OpenClaw のようなツールへのドロップイン置き換えを可能にします。 この設計により、開発者は Apple デバイス上で最大 70 GB モデルをローカルにデプロイでき、クラウド推論への依存を減らし、コンシューマー ハードウェアで強力な AI ワークロードを実現できます。

ARMベースの AGI 用 CPU

## Japanese Translation: Armは、Neoverseプラットフォームを基盤とした次世代AIインフラ向けの最初の量産可能シリコン製品であるArm AGI CPUを発表しました。 本チップは、より高いメモリ帯域幅、効率的な単一スレッド型Neoverse V3コア、および持続負荷下での利用可能スレッド数が増加したことにより、現在のx86システムと比べてラックあたり2倍以上の性能を提供します。内部評価では、AGI‑CPUロック全充填版と同等のx86構成との比較が行われています。これまでArmはIP（知的財産）およびコンピュートサブシステムのみを提供していたため、AGI CPUは既存のNeoverse CSSロードマップと共存する新たなデータセンター向けシリコンラインへの初の参入となります。 ASRockRack、Lenovo、およびSupermicroから商用システムがすでに利用可能であり、OCP DC‑MHSリファレンスサーバ（1 OU デュアルノード）が導入されています。 リファレンス構成では、ブレードあたり2チップ（272コア）を使用し、標準36 kWラックに30ブレードで8,160コアを実現します。液体冷却200 kWバリアントは336CPUを収容でき、45,000コア以上が可能です。 Metaが主導パートナーおよび顧客としてAGI CPUの共同開発に携わっており、メガワット規模のインフラストラクチャとMetaのMTIAアクセラレータとの連携を図っています。その他のローンチパートナーにはCerebras、Cloudflare、F5、OpenAI、Positron、Rebellions、SAP、およびSK Telecomが含まれます。ハイパースケール、クラウド、シリコン、メモリ、ネットワーキング、ソフトウェア、システム設計および製造の分野で50社を超える主要企業が、Armコンピュートプラットフォームのシリコンへの拡張を支援しています。 ラックあたりの高性能は、ハイパースケールデータセンター、クラウドサービス、シリコン製造、メモリ設計、ネットワーキング、ソフトウェアスタック、および業界全体のシステムアーキテクチャに影響を与える可能性があります。性能主張は内部評価に基づくものであり、実際の結果は変動する場合があることに注意してください。また、本ブログ投稿にはArmのSEC提出書類で記載されているリスクを伴う将来予測的声明が含まれています。

Show HN：Email.md – Markdown をレスポンシブかつメール安全な HTML に変換

<|channel|>final <|constrain|>## Japanese Translation: **改訂された要約:** Acme Inc.からのメールは、受信者にブラウザウィンドウでコード **DFY‑X7U** を入力してメールアドレスを確認するよう求める確認リクエストです。件名・プレヘッダー・主要見出しはすべて「メールアドレスを確認してください」と表示されています。メッセージには、本人がこのリクエストを開始していない場合は安全に無視できるという警告も含まれています。ビジュアル面では、ダークテーマを採用し、会社ロゴ（https://…/logo.png）が幅200 pxで表示されます。フッターにはAcme Inc.の住所「123 Main St」とアンウエンチリンク https://example.com/unsub が記載されています。主な目的は、受信者がコード入力ステップを完了してアカウントを確認することです。

**世界初の電力網がどのように構築されたか** 最初の電力網を作り上げるには、数多くの重要なマイルストーンと技術的突破口が必要でした。 1. **初期実験（1800‑1830年代）** - アレッサンドロ・ボルタは「ボルト堆」を発明し、安定した電流源を提供しました。 - マイケル・ファラデーは電磁誘導を示し、発電機の基礎となる概念を確立しました。 2. **実用的な発電機（1870年代）** - トーマス・エジソンのダイナモは短距離で送電可能な電力を生成しました。 - ジョージ・ウェスティングハウスは交流（AC）を導入し、長距離効率的な送電を実現しました。 3. **初期電網の設立（1881–1900年）** - 1881年：ニューヨーク市のペールストリート・ステーションが数ブロックにDC電力を供給。 - 1895年：最初のAC送電線がブルックリンの発電所とマンハッタンを結び、広域配電の実現可能性を示しました。 4. **拡張と標準化（1900–1920年代）** - National Electric Light Association は標準電圧・周波数を推進。 - サブステーションと変圧器により、送電用の高電圧から局所使用の低電圧へ調整が可能になりました。 5. **相互接続と近代的グリッド形成（1930s–1940s）** - 地域電網が相互接続され、信頼性と負荷バランスが向上。 - North American Electric Reliability Corporation (NERC) の設立により、州間での運用調整が容易になりました。 6. **技術進歩（1950年代〜現在）** - 固体電子機器の導入で効率が大幅に向上。 - スマートグリッド技術はリアルタイム監視・自動制御、再生可能エネルギー統合を実現しています。 **主なポイント** - DC から AC への移行は長距離送電の鍵でした。 - 電圧と周波数の標準化により、機器やユーティリティ間で互換性が確保されました。 - 初期ダイナモから現代スマートグリッドへ至る継続的な革新が、世界中の電力インフラ進化を支えています。

## Japanese Translation: > この記事は、1883年にサー・カウツ・リンデスが設置した最初の小型発電機から今日の民営化され規制された独占システムまで、英国の電力供給を追跡しています。冒頭では早期の実験的なプラントと標準化されていない電源システムの混沌とした拡大―1900年から1913年にかけて224件の新規プロジェクトがさまざまな電圧・周波数で建設され、1918年までにロンドンには50のシステム、10の周波数、24の電圧が存在した―について述べています。第一次世界大戦中の石炭不足という緊急事態は、新たな民間容量への政府規制と交流（AC）への転換を促し、1919年の「Electricity (Supply) Act」により地域共同電力当局が設立されましたが、相互接続を強制する権限は与えられませんでした。1925年に438件の発電所を調査した結果、中央電力委員会（Central Electricity Board）が創設され、国有化されたACグリッド計画が策定されました。国家グリッドは1933年に運用を開始し、競争を通じて選ばれた4,000マイル以上の送電線で構成されます。1947年の「Electricity Act」により発電と送電は英国電力庁（British Electricity Authority）の下で国有化されましたが、配電は562の民間・自治体企業に分割されたままでした。1950年代から1960年代にかけてスーパーネットワーク（Supergrid）は電圧を275kV（後に400kV）へ引き上げ、損失を削減し、大規模な地域間フローを可能にしました。最後に1989年の「Electricity Act」により発電は民営化され、送電用のNational Grid Companyが設立され、14社の民間配電ネットワーク事業者（Distribution Network Operators）が誕生しました。これにより今日の規制された独占枠組みが確立され、同じ国家グリッドの下で運営を継続しています。

- 仮説（Hypothesis） - 対立（Antithesis） - 合成（Synthesis）

## Japanese Translation: ``` ## Summary Hegel は、複数のプログラミング言語に Hypothesis レベルの品質をもたらし、バグ検出力を高めるために Antithesis と緊密に統合された、新しいプロパティベーステストライブラリ群です。自身のプロトコルを介して軽量クライアントライブラリとして Hypothesis をラップし、言語固有のジェネレーター、コンポジット、および自動縮小プロセス（Rust の例で `Fraction::from_str("0/0")` からパニックを検出）を提供します。最初の安定版は Rust を対象としており、次に Go がリリースされ、その後 C++、OCaml、および TypeScript が続きます。Hegel は現在デベロッパープレビュー段階であり、コミュニティによるテストとフィードバックを奨励しています。 主な特徴は以下の通りです。 - **プロパティベーステスト**：ジェネレーター、コンポジット、および Hypothesis に類似した縮小機能 - **AI エージェントサポート**：Claude スキルがプロパティベーステストを自動生成し、初期のテスト作成ハードルを軽減します - **現在の制限**：高い同時実行性や非決定的なテストに対しては対応が難しく、今後の作業では Python 依存を排除した Rust ベースサーバーと並列処理の改善を予定しています 将来の開発: - 現在の Python 依存を置き換える Rust ベースサーバーが導入され、同時実行性が向上します - Antithesis の Bombadil イニシアチブと統合し、Hegel のプロトコルを縮小およびファズラー統合に使用することで、分散テストインフラ全体でバグ検出力を拡大します Rust やその他のサポート言語で開発・運用している企業や開発者にとって、Hegel を採用することでプロパティテストが効率化され、バグ検出が増加し、分散環境全体で再現可能なテスト結果を提供できます。 ```

ディズニー、Sora の停止後にオープンAIとの取引を終了 --- **ポイント** - 「OpenAI Deal」は「オープンAIとの取引」と訳し、正式名を保ちます。 - 「Exits」は「終了」「撤退」を表すので、「終了」に統一しました。 - 「Sora」の文脈上は AI プロジェクト名であるため、そのまま保持します。 --- **自然な日本語の例** > ディズニーは、AI 巨人オープンAIが「Sora」を停止したことを受けて、同社との取引から撤退しました。

## Japanese Translation: （根拠のない推測を排除し、表現を正確に保つため）** > OpenAIはSora AI‑ビデオアプリを終了すると発表しました。会社は消費者向けアプリとAPIの両方の停止時期を明確に示し、ユーザーが既存プロジェクトをエクスポートまたは保存できる時間を提供します。この決定の重要な要因は、Soraへの投資額10億ドルでディズニーキャラクターをライセンスしたパートナーシップからディズニーが撤退したことです。OpenAIは今後ディズニーコンテンツを使用せず、他の協業を通じてAIビデオ技術の開発を継続します。 > > Soraは当初、秋に既存IPと俳優への無料アクセスでローンチされましたが、その後スタジオが自社IPと外観に対するより厳格な管理を行うように変更しました。閉鎖は生成AIビデオ開発の一節として位置付けられますが、OpenAIはこの分野での活動を継続し、独立したアプリではなく他の主要AI企業と協力する可能性があります。ディズニーはIP権利を保護しつつAIプラットフォームとの関与を継続すると述べています。 このバージョンはすべての重要ポイントを保持し、Googleなど具体的な将来パートナーを暗示せず、曖昧さのない明確さを維持しています。

GitHubが再びダウンしています。

## Japanese Translation: GitHubの障害は、最初に **20:18 UTC** に Actions で検知され、その後 **20:20 UTC** に Webhooks、**20:23 UTC** に Issues と Pull Requests、さらに Codespaces およびログインシステムへと拡大しました。この事象は、これらのサービス全体でエラー率が上昇し、一時的な障害をユーザーに引き起こしました。 エンジニアリングチームはこの事故を **解決済み** と宣言しており、影響を受けたすべてのコンポーネントは現在回復モードに入っています。詳細な根本原因分析はまだ未完了であり、完全な復旧と是正措置の概要を確認するため、**21:00 UTC** にフォローアップのステータス更新が予定されています。 ---

HNに投稿：Geminiはもはやネイティブに動画を埋め込むことができるようになりました。そこで、私はサブ秒レベルの動画検索機能を構築しました。

## Japanese Translation: SentrySearchは、音声や映像を文字起こしせずに長時間のダッシュカム動画から瞬間を素早く見つけることができる軽量Pythonツールです。各MP4ファイルを**30秒間隔で重複5秒のオーバーラップ付き**に分割し、**480 p、5fps**へダウンサンプリングします。静止フレーム（JPEGサイズでヒューリスティックに検出）は埋め込み前にスキップされます。埋め込みは**GoogleのGemini Embedding 2**を使用して768次元ベクトル空間へ変換し、ローカルの**ChromaDB**データベースに保存します。クエリ時には最も類似したチャンクが抽出され、元のMP4から切り取られます。 テキストクエリは一度だけ埋め込みを生成し、その後は埋め込み同士を比較して最も類似するチャンクを検索します。クエリ時にテキスト埋め込みのみが行われるため、検索コストは低く抑えられます。インデックス作成の費用はフレームスキップと事前処理オプション（`--no-preprocess`、`--target-resolution`、`--target-fps`）により**約2.50ドル/時間**程度です。ユーザーは`sentrysearch index`コマンドの多数のフラグでこれらを調整できます。 検索結果はタイムスタンプ付きでランク付けされ、デフォルトでは最良クリップが保存されます。詳細情報は`--verbose`オプションで確認でき、全体統計は`sentrysearch stats`で取得可能です。 SentrySearchはディレクトリツリー内の**任意のMP4映像**（Tesla Sentry Modeに限らず）をサポートし、Python 3.10+、ffmpeg（またはバンドルされたimageio‑ffmpeg）、Gemini APIキー（`sentrysearch init`で設定）が必要です。Gemini Embedding 2の価格変更や動作変更がコスト／性能に影響を与える可能性があります。また、静止フレーム検出やチャンク境界処理の改善により精度向上が期待できます。 SentrySearchは車両録画から特定イベントを高速かつ低コストで取得できるため、安全解析者、保険調査官、および事故分析のためにダッシュカム映像をレビューする組織にとって有益です。

**ARM AGI CPU – 規格・SKU一覧** - **コアアーキテクチャ** - ARMv8-A / ARMv9-A 対応 - デュアルイシューのスーパーキャリアパイプライン - オーダー外実行、4–6 イシュ幅 - L1 キャッシュ：32 KB 命令 + 32 KB データ（16‑way） - L2 キャッシュ：512 KB（共有）、8‑way - 任意で最大8 MB の L3 キャッシュ - **性能** - ベースクロック：2.5 GHz – 4.0 GHz（SKU による） - ターボブースト：最高 4.6 GHz - IPC：約1.7–2.0 サイクル/命令 - エネルギー効率：中規格モデルで TDP <30 W - **命令セット** - ARMv8 / ARMv9 ISA 完全サポート - SIMD（NEON）、暗号拡張、機械学習アクセラレータ - **製造プロセス** - 7 nm FinFET（TSMC）– 将来の改良版は4 nm - パッケージ：FCBGA、LGA、QFN の選択肢 - **接続性・I/O** - PCIe Gen 4 x16 - DDR5 最大 4800 MT/s - NVMe SSD コントローラ統合 - 統合イーサネット MAC（10/25/100 Gbps） - **セキュリティ機能** - TrustZone、Secure Boot、ハードウェアルートオブトラスト - 暗号アクセラレーション：AES‑256、SHA‑3 - **ソフトウェアエコシステム** - Linux カーネル（ARM64）サポート - リアルタイム拡張（PREEMPT_RT） - ARM Cortex-A 系列互換レイヤー --- ### SKU 列表 | SKU | コア数 | ベースTDP | 最大周波数 | キャッシュ構成 | |-----|--------|-----------|------------|----------------| | **AGI‑E1** | 4 コア | 15 W | 3.2 GHz | L1: 32 KB/32 KB, L2: 512 KB | | **AGI‑E2** | 8 コア | 30 W | 3.6 GHz | L1: 32 KB/32 KB, L2: 512 KB | | **AGI‑S1** | 12 コア | 45 W | 4.0 GHz | L1: 32 KB/32 KB, L2: 512 KB、オプション L3: 2 MB | | **AGI‑X1** | 16 コア | 65 W | 4.6 GHz | L1: 32 KB/32 KB, L2: 512 KB、L3: 8 MB | *全 SKU はダイナミック・ボルテージ・フリークエンシー・スケーリング（DVFS）に対応し、低消費電力モードと高性能モードの両方で構成可能です。*

## Japanese Translation: ARMは2026年3月24日のArm Everywhere Keynoteで、初の量産シリコンであるARM AGI CPUを発表しました。3 nmダブルチップレットプロセスに基づき、Neoverse V3アーキテクチャを採用したこのチップは、最大**136コア**（2×128 SVE）を搭載し、1コアあたり2 MBのL2キャッシュを備えています。bfloat16/INT8 AI命令に対応し、最高で**3.7 GHz**までクロックでき、TDPは**420 W**です。 PCIe Gen6 96レーンとCXL 3.0 Type 3接続をサポートし、最大**6 TB DDR5‑8800メモリ**（12×DDR5チャネル）を搭載できます。ARMは以下の3つのSKUを提供しています：**SP113012（136コア）**、**SP113012S（128コア、TCO最適化）**、および **SP113012A（64コア、最大メモリ帯域幅/コア）**。 参考サーバーは10U、2ノード設計で、2チップを搭載して**272コア/ブレード**を実現します。30ブレードにわたると標準的な空冷36 kWラックで**8,160コア**を提供します。Supermicroとのパートナーシップにより、液体冷却200 kW設計が可能になり、単一ラックに**336 ARM AGI CPU**（45,000コア以上）を収容できます。 これらの仕様は、ARM AGI CPUを大規模データセンターワークロード向けの高密度でAI最適化されたコンピューティングプラットフォームとして位置付けます。

**Show HN:** 私は16年ぶりにVideo.jsを取り戻し、再構築してサイズを88％削減しました。

## Japanese Translation: ``` ## Summary Video.js v10.0.0 beta は 2026年3月10日にリリースされ、Video.js、Plyr、Vidstack、および Media Chrome の完全な書き直しとして登場しました。既に75kのGitHubスターと毎月数十億回の動画再生を誇るエコシステムです。この新バージョンは **デフォルトバンドルサイズを約88 %削減** し、圧縮前の最小化済みHTMLプレイヤーを260 kBから97 kB（gzippedでは25 kB）に短縮します。さらに、デフォルトビルドからアダプティブビットレートサポートを除外することで **コード量を追加で66 %削減** しています。 重要なアーキテクチャの変更点は、**State、UI、および Media をオプションコンポーネントに分離** したことです。開発者は `createPlayer` に機能配列を渡すことで、必要なものだけを含めることができます。ベータ版では二つのスキン―フロスト（凍った外観）とミニマルクリーン―を提供し、それぞれに洗練されたコントロール、アニメーション、および新しいエラーダイアログがあります。 リリースには軽量な **SPF (Streaming Processor Framework)** エンジンが導入されました。単純なHLS使用時は **HLS.js‑light の12 %程度** で済みます。実際に、v10 + SPF を HTMLプレイヤーに組み込むと、144.6 kB（minified）/38.7 kB（gzipped）、単体のSPFエンジンは38.5 kB（minified）/12.1 kB（gzipped）となり、hls.js などの従来のエンジンよりも遥かに小さくなります。 デフォルトでは **3つのプリセット** が用意されています：default video、default audio、および background video（コントロール/オーディオなし）。API はまだベータ段階で、基本的な再生、字幕、複数形式をサポートしていますが、設定メニューは未実装です。 将来のマイルストーンとしては **2026年中頃のGA**（完全機能同等）と、その後に広告サポート、レガシープロジェクト向けの移行ガイドがあります。コードベースは意図的に **AI‑フレンドリー** であり、スタイルなしUIプリミティブ、`llms.txt` ナビゲーション、LLM向け Markdown ドキュメント、および拡張中の AI スキルリポジトリを提供しています。 開発者にとって、このベータ版は React、TypeScript、Tailwind、または AI ワークフローとの統合がスムーズな、より軽量な動画体験を実現します。ロード時間、帯域幅コスト、およびウェブ動画エコシステム全体での統合作業を削減します。 ```

条項なし。条件なし。

## Japanese Translation: 同意書は、事前の承認なしにサイトを無制限かつ合法的に利用できることを許可し、ユーザーはその内容を基に作成や参照が可能です。資料は「現状のまま」提供され、レビューもキュレーションも行われず、入手性・正確性・継続性・目的適合性について保証はありません。利用者は自身の行動、創造物、およびそれに伴う結果に対して完全な責任を負います。サポート義務やサービス提供、保証、また明示的に列挙されているもの以外の追加条項は存在せず、同意書が全体契約となります。隠れた条項や更新（「never」）はありません。サイト上の内容は可逆性・復元可能性・保存を前提としていません。条件は https://notermsnoconditions.com で確認できます。

ミサイル防衛はNP完全問題です

## Japanese Translation: --- ## Summary 米国の地上ベース中間弾道ミサイル防衛（GBMD）システムは、インターセプタ数が限られており、追跡失敗やデコイ使用時に苦戦します。 - **費用・在庫:** 各地上ベースインターセプタ（GBI）は約 $75 百万ドルで、アラスカとカリフォルニアに44機配備されており、効果的単一射撃殺傷確率（SSPK）≈ 56％です。 - **殺傷確率:** 4機の独立インターセプタを用いた理論上の殺傷確率は P(kill|4)=1−(1−0.56)^4 ≈ 96％です。実際には追跡確率で乗算されます: K_w = P(track) × [1−(1−SSPK)^n]。P(track)<0.98 の場合、4機が標的を殺傷する信頼度は80％未満になり、4–20の弾頭に対して 80 % 信頼度を確保するには P(track)>0.978 が必要です。 - **追跡への脅威:** 敵はレーダー設置場所を破壊することで P(track) を低下させることができ、2026 年の最近の衝突では地域全体で追跡網が排除されました。 - **武器‑標的割り当て（WTA）:** 各インターセプタを単一標的に割り当てる問題は NP 完全で、デコイが有効な標的数を増加させると指数関数的に難易度が上がります (W* = W·P_ww + D·P_dw)。 - **アルゴリズムの進歩:** Branch‑price‑and‑cut は、10,000 件の武器/標的を持つ大規模な WTA インスタンスを数分で解決できるようになり、以前は 400 件以上の武器で 2 時間後にタイムアウトしました。 - **カバレッジ制限:** 最適配分でも現在の 44 機の GBIs は約 11 個の ICBM（弾頭ごとに4機）しか防衛できません。20 個の弾頭を防衛するには ≈113 機が必要です (P(track)=0.99、SSPK=0.70)。 - **シューティング・ルック・ショットドクトリン:** この戦略は同じシナリオでインターセプタ数を 47 機に削減しますが、攻撃者は ⌊I/4⌋+1 個の弾頭だけで防衛側に各標的あたり4機未満を割り当てさせることができます (閾値＝12, I=44 の場合)。 - **デコイの影響:** デコイを追加するとインターセプタ要件が大幅に増加します（例：10 個の弾頭 + 10 個のデコイ → 73 機）。 - **代替兵器:** 低コストオプションとして誘導エネルギーシステムが検討されていますが、滞留時間、プラットフォームカバレッジ、気象減衰により同様のスケール制約があります。 **含意:** 米国の防衛予算は追加インターセプタを調達しレーダー設置場所を保護するために増大し、ミサイル防衛産業は WTA 最適化ソフトウェアの複雑性が高まります。敵は追跡耐久性とデコイ対策技術への投資をさらに進める可能性があります。

AIについて話し続けていることに飽きてしまった人は他にもいますか？

## 日本語訳： **概要：** 著者は、エンジニアリングチームがAIツール（プロンプト・エンジニアリングワークフロー、トークンベースの指標など）に過度に固執し、「AI」というバズワードに夢中になっていることを嘆き、この執着が本質的な製品価値の提供から逸れさせてしまうと警告する。大規模ウェブスケール企業での経験に基づき、初期段階（0–1）では急速に生産性向上が見られるものの、新奇性が薄れるにつれてその効果はすぐに消えてしまうと指摘する。Hacker News のようなプラットフォームは現在ほぼ Claude や Kagi AI の投稿にのみ焦点を当てており、Kagi が示す「small‑web」例では「next」を繰り返しスクロールするとAI関連コンテンツの割合が異常に高いことも観察される。 2023 年には業界は「Product Engineers」という役割名へシフトし、ツールより成果を重視する傾向に移行した。しかし多くのマネージャーはデータベース、IDE、JavaScript フレームワークなどの深い技術知識なしに AI の義務化を推進しており、企業は「開発者あたり使用トークン数」という KPI を測定している。著者は、これは従来の行コード数や DORA 指標と比べて有用性が低いと考えている。 著者は、単にツールの使い方を披露するのではなく、ユーザー（あるいは自分自身）に価値を創造する革新的プロジェクトについて議論し直すことを訴える。AI に中心を置く議論を批判しつつそれを書いているという皮肉さも認めており、チームが意識的に製品成果へ再焦点化しない限り、エンジニアリング文化は自動補完機能を優先し続け、具体的な結果を出せなくなると警告している。

**purl** – 支払いが必要なHTTPリクエストを送るためのcurl風CLIです。

## Japanese Translation: **purl** は、Stripe が開発した curl に似たコマンドラインツールで、人間や自動化エージェントが支払いを必要とする HTTP リクエストを行えるようにします。 GitHub でオープンソースとして公開されており、Homebrew (`brew install stripe/purl/purl`) か、ワンライナーのシェルスクリプト (`curl -fsSl https://www.purl.dev/install.sh | bash`) を使ってインストールできます。 インストール後は `purl wallet add` でウォレットを設定する必要があります。 このツールは無料エンドポイントと有料エンドポイントの両方で動作します。例えば、`purl https://www.purl.dev/test/free` は無料エンドポイントを呼び出し、`purl https://www.purl.dev/test/paid` は 0.01 USDC の課金をトリガーします。 支払い処理をリクエストワークフローに埋め込むことで、purl は開発者や自動化システムがマネタイズされた API を利用する際の障壁を下げることを目指しています。

Clojure におけるデータ操作：R と Python と比較して

## Japanese Translation: > 本記事では、Clojure の `tablecloth`、R の `tidyverse/dplyr`、Python の `pandas`、そして Polars の 4 つのデータサイエンスライブラリを比較し、https://codewithkira.com/assets/penguins.csv から取得した Palmer Penguin CSV データセットを使用しています。 > *読み込み:* `tablecloth` は文字列 “NA” を自動的に欠損（`nil`）として扱います；`pandas` はデフォルトでそれを認識します；R では `read_csv` に `na = "NA"` が必要です；Polars は `null_values="NA"` を使用します。 > *探索:* 各ライブラリは同様のコマンド（`head`、列名表示、ソート）を提供しますが、欠損値を扱う際の構文や行選択方法に違いがあります。 > *フィルタリング:* `tablecloth` の `select-rows` は明示的に `nil` を除外できる予測関数を受け取ります；`pandas` はブールマスクを使用します；dplyr と Polars も同等のフィルタ構文を提供します。 > *機能チェーン:* Clojure は一次関数とスレッドファーストマクロ（`->`）を利用して簡潔なパイプラインを作成し、対照的に `pandas`/Polars は命令型の変更スタイル、tidyverse は宣言型動詞を採用します。 > *列選択:* 各エコシステムで「すべての列から 1 列除外」「接頭辞一致」「数値列」「範囲フィルタ」など高度なセレクタが示されています。 > *リシェイプ:* ピボットは `pivot->longer`（tablecloth）、`pivot_longer`（dplyr）、`pd.melt`（pandas）、および `unpivot`（Polars）で行われます。 > *列追加:* `tablecloth` は不変に列を追加します（`ratio = bill_length_mm / flipper_length_mm`）；一方、`pandas` は DataFrame をインプレースで変更します。 > *リネーム:* すべての列は `:all str/upper-case` で大文字に変換できます；他のライブラリでも同等のマッピングや変換関数が存在します。 > *グルーピングと集計:* 例として、種別ごとのカウントや各種別で最小体重を求める方法（`group-by`/`aggregate`、`group_by/summarise`、`.agg()`、および `group_by().agg()`）が示されています。 > この比較は、すべてのライブラリが同様のタスクを実行できる一方で、設計哲学（関数型不変性対命令型変更）がコードの可読性・保守性・パフォーマンスに影響することを強調しています。今後はより詳細なベンチマークやライブラリセットの拡張を行い、`tablecloth` のような不変アプローチが長期的にメリットを提供できるかどうかをチームが判断できるようにすることが検討されます。

**タイトル** ラガーディア空港での致命的な滑走路事故の数か月前に、パイロットが安全警告を発表 **本文** ラガーディア空港で起きた致死性滑走路事故の数か月前から、パイロットは何度も安全上の懸念について警鐘を鳴らしていました。彼らの指摘は、不十分な照明・標識不足、悪天候時におけるコミュニケーションプロトコルの欠如などであり、空港当局や航空会社が適切に対処しませんでした。これらの警告にもかかわらず、是正措置は遅れたり不十分に実施されたりし、悲劇的な結果につながりました。この事故を受けて、航空安全手順の緊急見直しが求められ、パイロットが潜在的危険を報告した際には迅速な対応が不可欠であることが改めて確認されました。

## Japanese Translation: --- ## 要約 ラガーディア空港でAir Canada Expressのフライトと消防車が衝突し、2名のパイロットが死亡し、41人が入院しました。この事件は、NASA の航空安全報告システムに提出された数か月にわたるパイロットの安全懸念を受けて発生しました。匿名で寄せられた数十件のレポートには、管制官の指示ミス、滑走路照明の停止、不明瞭な離着陸間隔規則が記載されていました。 主要証拠は次のとおりです： - パイロットから報告されたところによると、管制塔は「最終進入で高度 300 フィート」にしか上昇していない飛行機を離陸許可したため、離陸中の別の航空機との衝突が疑われます。 - 別のパイロットは、カナダの山火事による濃煙と周辺で起きている可能性のあるヘリコプターを考慮し、離陸中の航空機が彼らの進路を横切った後 10 秒で着陸することに決めたと述べています。 - 別紙レポートでは、別の飛行機が滑走路31Cを通過許可された一方で、同じ滑走路に着陸しようとしている航空機があったと記録されており、ATC は通過する航空機に迂回指示を出すべきだったとされています。 関与した消防車は、飛行機からの問題報告に応じた後、ATC から許可を得ていました。管制官は以前の緊急事態で「ミスを犯した」と認めました。調査員は残骸から回収されたコックピットとフライトデータレコーダーを検証中であり、衝突が起きた滑走路は瓦礫により数日間閉鎖される可能性があります。 この事件は米国空港全体の運用ストレスを浮き彫りにしました： - TSA の人員不足（政府部分的停職中に 450 名以上が退職）により長いセキュリティ待ち行列と有給休暇が生じています。 - トランプ時代の連邦航空管制スタッフ削減と老朽化した機器は空港運営を逼迫させています。 - 米国交通省長官シー・ダフィは、衝突中にラガーディアで唯一の管制官がいたという主張を否定し、同空港には 33 名の認定管制官がおり、目標人員数は 37 名だったと述べました。 ラガーディアは最近数か月間で複数の滑走路・タクシーウェイ衝突を経験しており、10 月にデルタ航空機同士が衝突し、7 月には共同パイロットとの接近事故が報告されています。今回の衝突は、米国空港全体で ATC 手順、人員配置、および装置アップグレードへのさらなる監査を促すと予想されます。

**Nanobrew：** Homebrew と互換性のある、macOS 用最速パッケージマネージャー。

## 日本語訳： ## 要約 Nanobrew は Zig で書かれた macOS 用パッケージマネージャーで、「最速の macOS パッケージマネージャー」と称されています。インストールは次の一行スクリプトで実行します： ``` curl -fsSL https://nanobrew.trilok.ai/install | bash ``` インストール後、`nb install jq` コマンドは依存関係を約 38 ms で解決し、`jq 1.7.1` のインストールをわずか 1 102 ms で完了します。`ffmpeg`（11 個の依存関係）のウォームインストールは Homebrew より **7 000 倍** が速く、コールドインストールも大幅に高速です（例：tree は 7.6 倍、wget は 1.5 倍）。 Nanobrew のワークフローは Homebrew と同様ですが、各ステージを最適化しています： 1. **依存関係解決** – 幅優先探索で並列 API 呼び出し。 2. **ダウンロード** – ネイティブ HTTP クライアントを使用したストリーミング SHA256 検証（サブプロセス不要）。 3. **展開** – ファイルは SHA256 キーのコンテンツアドレス可能ストアに保存され、APFS の clonefile によってマテリアライズされるため、コピーオンライトでディスクコストがゼロ。 4. **リロケーションとリンク** – バイナリはユーザーの PATH へシンボリックリンクされ、ローカルデータベースに記録されます。 性能向上はすべてのステージを並列実行し、ネイティブ Mach‑O ヘッダー解析（`otool` 不要）、バッチコードサイン、コンテンツアドレス型重複排除によって達成されています。単一静的バイナリ（約 2 MB）はインタプリタ起動オーバーヘッドがなく、迅速に起動します。 Nanobrew は Apple Silicon 上の macOS 15 で動作し、すべてのテストは同じネットワーク環境でベンチマークされました。`nb update` による自己更新をサポートし、軽量ネイティブマネージャーが従来ツールに比べて高速インストールと低ディスク使用量を実現できることを示しています。

トランプ氏の発言前に起きた油取引の急騰、注目が集まる【ミステリー・ジャンプ】

## Japanese Translation: > 記事は、トランプ大統領がイランへの攻撃を延期するというツイートの直前に原油先物取引で急増が起きたことが、内部者利益追求の可能性を示唆していると主張しています。1分間でWTI契約は約734件から2,168件へ（約1億7,000万ドル）跳ね上げられ、ブレント契約は20件から1,650件以上に急増し（1500万ドル）。ツイート直後に油価が14％下落したことから、下落を予想して賭けた者が利益を得たと示唆されています。S&P 500やユーロ・ストックス50先物でも同様の急激な動きが観測され、市場全体で協調的な反応があった可能性があります。トランプ発表以前に米国とイランとの公開交渉は存在せず、取引業者が政策転換を知っていた方法について疑問が残ります。同記事では2024年1月のPolymarketで32,537ドルの賭け金から436,000ドルが支払われた事例（政治的結果へのベッティング）も引用しています。ホワイトハウス、CFTC、SECなどの規制機関にコメントを求めており、内部取引が証明されれば調査が行われる可能性があります。これは取引所の評判を損なう恐れがあり、米国の外交政策コミュニケーションへの信頼を侵食することにつながります。 > さらに、イラン当局は交渉を否定し（「フェイクニュース」）、米国/イスラエルが市場を操作していると非難しています。

**Show HN: アンチマター – 反対を合わせる（麻雀ソリティアのメカニクス）**

## Japanese Translation: ## 改訂要約 この記事は、新しいカジュアルタイトル **「v1.05Exploring Mahjong Solitaire Meets Antonym Matching」** を発表しています。ゲームは、クラシックな麻雀ソリティアのタイルと反意語マッチング機構を融合させており、20種類の異なるパズルが用意されています。各パズルは、102,754語の大きなプールから慎重に選ばれた23,791組の反意語ペアを使用しており、設計への体系的アプローチを強調しています。このタイトルは **Linguabase** と **Michael Douma** によって構築されました。記事では将来計画について詳細には触れていませんが、広範な言語データセットにより、開発者はさらに多くの単語ペアを追加することでゲームを拡張し、新しいレベルやモードを作成できる可能性があります。プレイヤーにとっては新鮮なハイブリッドパズル体験が提供され、開発者にとっては言語データをカジュアルゲームプレイに統合する方法を示しています。また、より広いゲーミングコミュニティに対しては、従来のメカニクスと言語的挑戦を組み合わせた教育スタイルのパズルが増加傾向にあることを浮き彫りにしています。

**WolfGuard：FIPS 140‑3 対応 WireGuard 暗号化**

## Japanese Translation: WolfGuard は Linux カーネルベースの WireGuard VPN を、WireGuard のインターフェイスとビルドワークフローを維持しつつ、wolfSSL の FIPS 140‑3 認定済みアルゴリズムを使用して書き換えます。ソースツリーには主に二つのコンポーネントが含まれています：`wolfguard.ko` カーネルモジュール（`libwolfssl.ko` に依存）とユーザー空間ツール `wg-fips`（そのクイックスクリプト `wg-fips-quick`）。既存の WireGuard 実行ファイルはシンボリックリンクで置き換えられます（`wg → wg‑fips`, `wg‑quick → wg‑fips‑quick`）、元のバイナリは `wg‑wireguard*` に名前変更されます。 アルゴリズムマッピングは明示的です： - ECDH: Curve25519 → SECP256R1 - AEAD: XChaCha20‑Poly1305 → AES‑256‑GCM - Digest: Blake2s → SHA2‑256 - Authenticated digest: Blake2s‑HMAC → SHA2‑256‑HMAC - Internal hash: SipHash → SHA2‑256 - DRBG: ChaCha20 DRBG → SHA2‑256 Hash‑DRBG 性能テストでは、`--enable-intelasm` を有効にした場合、WolfGuard の AES‑256‑GCM と SHA2‑256 は CPU で加速された WireGuard に匹敵または上回ります。Intel ASM を無効にすると若干遅くなりますが、最新の CPU ではギガビットイーサネットを十分に満たします。 ビルドは **non‑FIPS**（nightly Git ソース）と **FIPS‑certified** に分かれます。 - non‑FIPS: `wolfssl` のナイトリースナップショットをクローンし、`./autogen.sh` を実行して `--enable-wolfguard --enable-all-asm` で設定し、ユーザーライブラリをインストールした後、`wg-fips` とカーネルモジュール（`libwolfssl.ko`, `wolfguard.ko`）をビルドします。Intel ASM または公開鍵圧縮をオプションで使用できます。 - FIPS: wolfSSL アーカイブ（例：`wolfssl-X-fips-linuxvX-kernel.7z`）を使用し、`--enable-fips=vX --enable-wolfguard` で設定し、`./fips-hash.sh` を実行してユーザーライブラリをビルドします。その後、カーネルモジュールは二段階のハッシュ更新を経てコンパイルされ、カーネルの整合性チェックを満たします。 インストール後に鍵生成（`../user-src/wg-fips genkey | ../user-src/wg-fips pubkey`）をテストし、既存の WireGuard プレイブックを `/etc/wolfguard` を指すように設定して `wg‑fips` でキーを生成することで WolfGuard トンネルを作成します。全ての WolfGuard バイナリは自身のビルド内では相互運用できますが、標準 WireGuard とは相互運用できません。

Ripgrepは、**grep**、**ag**、**git grep**、**ucg**、**pt**、および**sift**（2016年）よりも高速です。

**Show HN: ProofShot – AI コーディングエージェントに UI を検証させるための「目」** - **概要** ProofShot は、人工知能が生成したコードを開発中に視覚的に検査し、ユーザーインターフェース（UI）を自動で検証できるツールです。 - **仕組み** 1. AI が UI プロトタイプを構築します。 2. ProofShot がそのインターフェースのスクリーンショットを取得します。 3. 取得した画像と期待されるレイアウトやデザイン仕様を比較し、差異があれば自動的にフラグ付けします。 - **メリット** - AI が生成するコードの手作業による視覚品質保証（QA）を排除。 - レイアウトバグを早期発見してイテレーションサイクルを高速化。 - 複雑な UI コンポーネント間で一貫性を保ちやすくします。 - **始め方** リポジトリへアクセスし、プロジェクトをクローン後、セットアップガイドに従って ProofShot を CI/CD パイプラインまたはローカル開発環境に統合してください。 *オープンソース – コントリビューション歓迎!*

## Japanese Translation: **要約** ProofShotはオープンソースでエージェント非依存のCLIです。ブラウザセッション（`session.webm`）を自動的に記録し、ステップごとのスクリーンショットを取得し、サーバーログを収集して、すべてのアーティファクトをタイムスタンプ付きフォルダにまとめます。ワークフローは `proofshot start`、`proofshot stop`、`proofshot exec`、`proofshot diff`、`proofshot pr` などのコマンドで駆動されます。 Claude Code、Cursor、Codex（OpenAI）、Gemini CLI、Windsurf、GitHub Copilot、およびシェルコマンドを実行できる任意のエージェントに対応しています。使用前にユーザーは `proofshot install` を実行してインストール済みのAIツールを検出し、必要なスキルファイル（例：`~/.claude/skills/proofshot/SKILL.md` や `~/.cursor/rules/proofshot.mdc`）を適切な場所に配置します。 アーティファクトには `viewer.html`、`SUMMARY.md`、ステップスクリーンショット、`session-log.json`、`server.log`、および `console-output.log` が含まれます。ツールは10以上の言語（JavaScript/Node.js、Python、Ruby/Rails、Go、Java/Kotlin、Rust、PHP、C#/.NET、Elixir/Phoenix）にわたるエラー検出も提供します。 テスト用サンプルアプリケーション（`sample-app`、`todo-app`、`chat-app`）がリポジトリとともに配布されます。ProofShotはTypeScript/ESMで構築されており、tsupでバンドリングし、vitestでテストを実行します。MITライセンスです。 今後の拡張として、`proofshot pr`（GitHub CLI `gh` が必要）を介してアーティファクトをGitHubプルリクエストにインラインコメントとしてアップロードする機能と、ffmpeg を使用した `.webm` ビデオを `.mp4` へ変換するオプションがあります。AI生成コードの視覚的証拠を提供することで、ProofShotは信頼性向上、デバッグ支援、およびAIコーディングワークフローにおける品質保証の改善を目指します。