2026/09/18 1:22

HN ランチ：SkillSync（YC W26）——エージェント間での AI チャットセッションを可移植に

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

Skillsync は、Rust エンジン（txcript）を基盤としたポータブルなオープンソースプラットフォームを提供することで、AI ベンダーロックインの問題に対処します。このプラットフォームは、メッセージ、推論、ツールコールを含むすべての AI セッションを、ユーザーが所有する人間が読めるマークダウンファイルに変換します。「ローカルフースト」デスクトップアプリでは、散在するエージェントセッションを 1 つの検索可能なワークスペースに統合し、タスク中であっても Cursor、Claude Code、Codex など複数のエージェント間でのシームレスな切り替えが可能で、文脈の喪失やワークフローの再起動を防ぎます。セッションはローカルマシン上で実行され、チームワークスペースを MCP を通じて検索および選択的取得のために共有する場合のみインターネット接続が必要です。創設者がオープンソースペイメントオーケストレーター（30 万以上の GitHub スター）での prior な成功に引き継ぐ形で、Skillsync は個人やチームがコーディング履歴に対する完全な所有権を維持しながら、特定のソフトウェアの使用に関わらずアクセス可能なコラボレーションを促進します。このソリューションは Mac アプリ、CLI、MCP として利用可能で、デモは https://youtu.be/7hVhSnSKGl8 で視聴できます。

本文

Skillsync: AI チャットセッションをエージェント間で携帯可能に

📦 プロダクト概要

目的: コーディングエージェントごとに分散しているAI チャットセッションを、どこへでも持ち運び可能にする。
解決する問題:
- 各エージェントには固有のフォーマットがあり、ローカル保存されていても互換性が無い。
- エージェント間を切り替える際にリスタートが必要で非常に不便。
- スキルや記憶に投資するほど、単一のプロバイダーと**锁定（Vendor Lock-in）**されるリスクが高まる。
機能:
- メッセージ、推論プロセス、ツールコールなどのセッション全体を統一フォーマットに変換・移行。
- 一時中断した作業でも、別のエージェントで続きを進められる。

🛠 コア技術とアーキテクチャ

オープンソースエンジン:
```
txcript
```
（Rust ライブラリ）
- URL: https://github.com/skillsynchq/txcript
- 役割: 各エージェントのセッションフォーマット間の自動変換。
- 機能: 会話履歴、推論プロセス、ツールコールの歴史をマッピング。
- 特徴:
```
ffmpeg
```
  や
```
pandoc
```
  に似た汎用変換ツールでありながら、エージェントセッションに特化している。
保存形式:
- セッションは人間が読み書き可能な Markdown ファイルとして保存。
- スキルと記憶はユーザーの資産として管理可能。
データプライバシー:
- 処理と変換はすべてローカルマシン上で実行。
- チーム共有時のみ外部へデータを送る（デフォルトでクラウド同期しない）。

🖥 ユーザー体験 (UI/UX)

デスクトップアプリケーション: ローカルフースト対応。
可視化機能:
- エージェントセッションが散らばっていた状態を一元管理。
- UI 上で実際の対話内容、推論プロセス、ツールコールを読みやすく表示。
- 過去ログの復元や、セッションの移植、チーム共有が容易に可能に。
検索と分析:
- 全セッションを集約して検索可能にする。
- セッションに含まれるロードされたスキルや陳腐化したコンテキストを特定する。

🌐 カolleboration & インテグレーション

共有ワークスペース: チームメンバー間でセッションを同期・共有。
MCP (Model Context Protocol) 対応:
- 変換した Markdown を MCP プロトコルを通じて公開。
- 他エージェントへの検索 (Retrieval) や選択的な参照が可能に。
エコシステム:
- Mac アプリ、CLI ツール、MCP サーバーの 3 つで提供。

🚀 導入事例とユースケース

クロスエージェントでの継続性:
- ```
Claude Code
```
  →
```
Codex
```
  →
```
Cursor
```
  と乗り換えながらタスクを進められる。
- 利用制限に達しても、別のエージェントへシームレスに移行可能。
作業の引き継ぎ:
- ブラウザ上のチャットで課題を整理した後、コード実装のエージェント (
```
Claude Code
```
  ,
```
Codex
```
  ) にトピックごと引き渡す。
- エンジニアが止まった作業を、非エンジニアチームメンバーが継続可能に。
チームコラボレーション:
- メンバーが自分のセッションをアップロードし、互いの作業を引き継ぐことで重複作業を防ぐ。

💡 ビジョンと背景

開発の動機:
- 以前は決済プロバイダー横断型のオーケストレーターを開発（3 万＋GitHub Stars）し、ベンダーロックイン対策に取り組んできた。
- AI エージェントの世界でも同様の問題（コンテキストの锁定）を目撃。
現状の課題:
- ユーザー自身が锁定していることに気づいていないことが多い。
- ツール固有フォーマットでセッションが固定化され、資産として活用できずに廃棄される。
Goals:
- セッションを「使い捨てログ」から「活用可能な資産」に変える。
- パターンの特定や、他者への引き継ぎを通じたコラボレーションの単位としての再定義。

📺 デモ動画

詳細と動作確認はこちら：

https://youtu.be/7hVhSnSKGl8

Skillsync についてさらに詳しく知りたい方、ご質問・フィードバックは歓迎いたします！

同じ日のほかのニュース

一覧に戻る →

2026/09/18 5:36

Bend：CPU と GPU で証明により AI のミスをブロックする言語

## Japanese Translation: ## まとめ： Bend は、数学的証明をネイティブマシンコードに直接コンパイルすることで AI 生成のエラーを排除することを目的とした高性能プログラミング言語です。従来のランタイムチェックに依存する言語とは異なり、Bend は論理検証をコンパイル段階に統合し、速度を損なうことなく安全性を確保します。Python の構文の利便性と C レベルのパフォーマンス（1 コアでほぼ C と同じ速度、GPU では最大 100 倍高速）を統合し、CPU および GPU 双方での並列性を自動的に管理しつつ、スレッドやロックを必要とせず実行します。これは、アフィン依存型理論（BendTT）と専用の証明システムである `LAWS.bend` を組み合わせるユニークなアーキテクチャによって実現されています。これらのルールは人工知能エージェントが従う絶対的制約を定義し、一般的なバグが実行前に統合されることを数学的に防止します。Lean や Rocq に似る専門の型チェッカーである `PROOF.bend` が使用され、中規模なコードベースでは 1 秒未満でこれらの法の遵守を確認します。高度な証明アシスタントに着想をうけながら実行向けに最適化された Bend は、Linux および macOS 上でバックエンドタスク向けの安全かつ高速な AI 開発を可能にします。この技術を効果的に導入するためには、`curl -fsSL https://bend-lang.com/install.sh | sh` を使用してインストールし、`bend guide` コマンドを利用し、プロジェクトのドキュメント（例：`AGENTS.md`）に特定の検証指示を統合し、コードが宣言された法に準拠していることを確認するために `PROOF.bend` を実行する必要があります。主な機能には C 相当の速度、CUDA 並列性、Lean スタイルの証明、Python 構文が含まれます。プロジェクトが進化するにつれて、バグ報告を通じてその成長に貢献することをユーザーは推奨されます。

2026/09/18 6:13

bonsai 2 27B：サイズが 9 倍小さくても損失のない圧縮を実現

## 日本語翻訳: PrismML は、Qwen3.8 27B をベースとした現時点で最も高性能なモデルである Ternary Bonsai 2 27B をリリースしました。このモデルは、NVIDIA RTX 5090（最大 143 トークン/秒）や Apple M5 Max（46.8 トークン/秒）のようなコンシューマー向けハードウェアでの効率的なデプロイを目的として設計されています。モデルは{-1, 0, +1}の値を持つトライナリ重みと FP16 グループ別スケーリングを採用しており、フルプレシジョン版よりも 5.9GB のフットプリントで 9 倍以上小さく、かつ論理推論、数学、コーディング、指示に従うこと、ビジョン、エージェント型ツールの使用にわたる総合ベンチマークスコア（83.9 ポイント）において Qwen3.8 27B の 98.2% を達成しています。 262K トークンのコンテキストウィンドウとテキストおよび画像入力のネイティブサポートを備えた改良されたアーキテクチャに基づいた Ternary Bonsai 2 は、論理推論、コーディング、マルチモーダルワークフローにおいて強力なパフォーマンスを発揮しながら、通常誤差が累積しやすい領域でフルプレシジョンの能力を保持します。CUDA を通じて NVIDIA GPU や MLX を通じて Apple デバイス上で動作し、カスタムロービットカーネルを活用することで、小型モデルに比べエネルギー効率（RTX 4090 で 0.714 mWh/トークン）が優れており、運用コストを大幅に削減します。Apache 2.0 ライセンスの下でリリースされており、今日から完全な重みとホワイトペーパーが利用可能です。カリフォルニア工科大学の研究者らによって設立され、Khosla Ventures、Cerberus、Google の支援を受けた PrismML では、contact@prismml.com で連絡し、チーム協力によるモデルの適応化をサポートしています。

2026/09/18 1:25

ヒスター：閲覧したページや保存したファイルのためのプライベート検索エンジン

## Japanese Translation: Hister は、ユーザーのプライバシーをデフォルトで最優先する、訪問した Web ページおよびローカルファイルを対象とした、プライベートでローカルホストされた検索エンジンです。フルコンテンツをインデックス化し、必要不可欠なファビコンのみをダウンロードしますが、クラウドやテレメトリサービスにデータを送信することはありません。Hister は Linux、macOS、Windows、Docker、Nix 環境をシームレスにまたいで動作し、バイナリ（必要に応じて名義を変更）、Homebrew、Docker、または Nix を通じてインストールできます。プロジェクトは Go 1.26、npm、C コンパイラーの構築（`./manage.sh build`）を必要とし、AGPLv3 ライセンスの下で公開されています。Hister を使用するには、`./hister.exe listen`（Windows）または Linux/macOS における同等のコマンドを実行してローカルサーバーを開始し、ターミナルを開いたまま `http://127.0.0.1:4433` でインターフェースにアクセスします。Firefox または Chrome の拡張機能を通じてブラウザと統合して訪問したページを自動的に保存でき、Web インターフェース、TUI、コマンドライン、MCP を介した AI アシスタントを含む代替クライアントもサポートしています。高度な検索機能には、フィールドフィルタ、フレーズ、ワイルドカード、否定、エイリアス、結果の優先順位、および履歴またはディレクトリ用のインポートオプションが含まれ、設定された埋め込みエンドポイントによるオプショナルな意味検索も提供します。共有サーバー上での多ユーザー構成をサポートし、厳格なローカルデータ主権を遵守しています。開発者はビルド指示を `asciimoo/hister` リポジトリで確認でき、コミュニティサポートは Discord、IRCNet（`#hister`）、バグ報告用の GitHub issues、および `CONTRIBUTING.md` と `SECURITY.md` ドキュメントを通じて利用可能です。