ブローリー (@Burorie01) profile picture

19歳から連続起業後、20代後半でリタイアし海外移住7年目。クリプトは2016年から。2年半前にAIと邂逅して現在はAIAgent組織を複数束ねて運用。シンギュラリティまでAI使って全力で楽しむ垢

Joined March 2021
Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)Photo by ブローリー (@Burorie01)
ブローリー retweeted
A lot of people are asking how I pulled off these super long-horizon builds with Astra. Astra is extremely powerful, but by default it struggled with a task this difficult. I tested a bunch of approaches to get past this, and the one I landed on is something I'm calling the Manager Loop. It's basically a couple of tricks we used to use with much less capable models a couple of years ago, with a few new ideas layered on top. Turns out that when you put those together and apply them to Astra, its ability to do extremely difficult long-horizon tasks goes up dramatically. Here's how it works: 1. Launch an agent (I'm calling this one the "manager"). Chat with it about what you want to get done, and have it build a massive checklist of to-dos, then break that checklist into phases. 2. The manager then spawns a second Codex agent in a separate thread (the "implementer"). The two agents can message each other. 3. Put the manager in /goal mode, and tell it to run each phase on the implementer in /goal mode. 4. The manager messages the implementer: "/goal Complete phase one completely, extremely well." The implementer doesn't stop until that phase is done, then messages the manager back. The manager tells it to start phase two. They repeat until every phase is finished, completely autonomously. Why I think this works: over a long-horizon task, Astra tends to asymptote. It gets way further than previous models, but at a certain point it kind of just stops improving against the goal as quickly as it did before. It gets stuck in the minutiae, focusing way too much on small details, and overall progress stalls. The Manager Loop forces it to work piecemeal, one phase at a time. It's essentially how a human would steer a model, except the model is doing the steering for me. That's actually how this started. I was having the model write the checklist and break it into phases, and then I was doing the manager's job by hand. At some point I thought, "Wait, why can't I just get a separate AI to do this?" That's what unlocked full autonomy, which is super useful. A wording detail that seemed to matter: I ask for each phase to be done "extremely well," not "perfectly." Maybe I'm reading too much into it, but asking for "perfect" sent the model right back into the minutiae. "Extremely well" implies it's allowed to move on once it's good enough, and that worked better in my testing. One more trick that I think helps (this one is more of a hunch, but it was useful for me): have the implementer build a simple HTML page with the full checklist on it. The implementer checks boxes off as it goes and updates a counter, and the page has a chart of # of boxes ticked over time. Obviously the boxes aren't all equal, but it forces the model to notice things like "I haven't made progress in a while, time to move on." You can even put this in the prompt directly, like: "if you haven't ticked a box in X amount of time, move on". That helps a lot. I also ran 96 sub-agents at a time. You can change this in your Codex config (or just ask Codex to change it). This got me far better long-horizon performance than anything else I tried. I'll be sharing more in the coming days!
GPT-6 Astra built this Manhattan world in Unreal Engine over the course of a week. It was literally able to go street by street to make each one perfect.
182
269
54
4,279
599,020
ブローリー retweeted
🚨SCOOP: MY Friend at Anthropic says things are VERY tense internally. Dario's running tough meetings — GPT-5.6 Sol is strong and Grok 4.5 is right on Opus's heels. Pulling Fable from subs on July 12 would trigger mass cancellations (why keep Max for Opus 4.8?), so they're now pushing to keep Fable 5 in subs permanently.
397
435
237
10,255
1,612,074
ブローリー retweeted
Claude now has a 1M+ context window! @AnthropicAI absolutely cooked with the subagent release! @rasmic was right when saying to bet on the model provider building their own tooling Combined everything I've learned from @elie2222 @iannuttall @EyalToledano to build a beast!
Readers added context they thought people might want to know
The author admits that Claude doesn’t actually have a 1M token context window. x.com/AbdoMobayad/st…
97
170
26
2,410
284,169
🚨 ClaudeCodeの活用の幅、進化の域が狂気じみたスピードで進化しています ここ数日でも多くの議論や活用が提案され、開発者をもっと快適に、便利にするものまで話題になりました 特に大きなトピックを8つほどまとめましたので、いいねとブックマークして何回も復習しましょう🔖
2
21
2
305
65,332
Claude Codeを30個起動して組織的に動かすサービス「Synapz」をAIが作り終え、現在起動中。 構想はo3にやってもらった。連携のロジックは小学生にもわかるようにo3が教えてくれてる。
理想的すぎる...。私も3,4ヶ月以内に1000AIを並列で動かすのKPIにしよ。(コスト的にきついかもだけど) とりあえず今月は30AIを目指してみる。
2
1
1
23
9,517
ブローリー retweeted
Cursor ultra tip find an inspiring github repo turn it into docs and feed it to cursor ask the ai to build based on the doc get MVP in one prompt🤯
41
254
15
2,649
162,392
ブローリー retweeted
仮想通貨これは…w
10
3
30
10,038
ChatGPTの「Tasks(Automations)」機能は、単なる通知(リマインダー)以上の幅広い自動化をサポート出来る。具体的には続きのスレッドのようなことが可能じゃ🪄✨
1
1
1
17
1,024
ガチで使えるo3の厳選活用事例、10選 ChatGPTに新規搭載されたo3がAGIっぽいという声が続出しています。o3は画像生成やPython実行などの外部ツールを前提にした訓練のおかげで、AIで出来る事が飛躍的に増えています。AGIの息吹を感じたo3の事例を厳選してスレッドに10個まとめました👇
7
186
32
2,422
767,016
ブローリー retweeted
MCPサーバの代表格(?)のBlenderMCPサーバも試してみました。「簡単なビル作って」というプロンプトだけで、ここまで作るのやり過ぎでは??
3
143
8
1,040
120,443
ブローリー retweeted
We're continuing to flesh out roocode.com/evals to give a better sense of the performance and cost of different popular models. As we expected GPT 4.1 is on par with Gemini 2.5 Pro Preview, but GPT 4.1 Mini's performance was a surprise - it has an extremely good price to performance ratio, even beating out DeepSeek V3. What do you think? Does this match your experience with the new GPT 4.1 models so far?
4
8
2
59
3,997
書きました! Clineみたいなコーディングエージェントを作る方法です 一回作ると解像度が上がって色々できるようになります zenn.dev/minedia/articles/11…
2
47
2
360
33,846
ブローリー retweeted
コーディングをAIエージェントに任せる「vibe coding」 ・コードの95%以上をAIが生成 ・vibe codingは主流になりつつある ・全部スクラッチから書き直した方が安い ・エンジニアは二極化している ・「何を作るべきかを見極めるセンス」が重要 スレッドにまとめます↓
4
128
34
1,229
297,681
非エンジニアの方がAI駆動開発に取り組むにあたりデータベース設計をどう進めるべきかをまとめてみる。まずは「テーブル」とは何?という部分からテーブル設計まで簡単に解説していこうと思う。(続く)
1
18
1
280
68,699
ブローリー retweeted
Cursor AI rules repository
4
43
1
492
38,152
ブローリー retweeted
Windsurf Wave 3、リリース。 Model Context Protocol * CascadeがModel Context Protocol (MCP)に対応 * ユーザー設定のMCPサーバーへのツール呼び出しが可能に * Cascadeの入力ツールバーのハンマーアイコンからMCPを設定可能 * 全ての個人プランで利用可能 * 実行結果に関わらず、MCPツール呼び出し1回につき1フローアクションクレジットを消費 新しいカスタマイズ可能なアプリアイコン * Windsurfのアプリアイコンを変更可能に(ベータ版・Mac限定) * 有料ユーザーはClassic、Blueprint、Hand-drawn、Valentineから選択可能 * OS全体で更新されますが、システム全体の変更には再起動が必要 * 全ての有料プランで利用可能 * Windows版とLinux版も近日対応予定 入力補完の改善 * 次の編集位置を予測してタブキーで移動できる「Tab to Jump」機能を正式リリース * バックグラウンドでの予測入力補完による応答性の向上 * スーパーコンプリートと自動補完の性能と品質が向上 Cascadeターボモード * Cascadeの「ターボモード」が刷新され、拒否リストで指定されていない限り、ターミナルコマンドを自動実行可能に * 全ての個人プランで利用可能 Cascadeのドラッグ&ドロップ画像サポート * Cascadeで画像のドラッグ&ドロップが可能に * システムファイルやスクリーンショットに対応 クレジットの可視化 * アクションごとの消費クレジット数を表示 * Cascadeで完了したアクションにマウスオーバーすると消費クレジット数を確認可能 その他 * Cascadeターミナルコマンドの不具合を修正 * コマンドステップに自動実行の動作に関する情報を追加 * 設定で無効にしている場合でも、再読み込み時にCascadeパネルが開く不具合を修正 * Cmd/Ctrl+L機能でターミナルテキストを@メンション可能。新しい選択ポップアップが表示 * すべての`@docs`オプションが制限なく、スクロール可能なビューで表示 * `@docs`にVercel、Bun、Supabaseなどのオプションを追加 codeium.com/changelog
Wave 3 is here! Included in this update: ⏩ Tab to Jump 🔗 MCP Integration ⚡ Turbo Mode 🎨 Custom Icons … and more.
1
15
5
78
12,259
ブローリー retweeted
Anthropic社のCEOが書いたエッセイは、AIの未来について極めて重要な考えを提示しています。私自身、このエッセイに深く魅了され、何度も繰り返し読んできました。以下にその要点を簡潔にまとめましたので、ぜひご確認ください。👇 --- 【圧縮された21世紀】 ・⭐️ほとんどの人は、AI のプラス面がどれほど劇的なものになり得るかを過小評価している ・⭐️同様に、ほとんどの人はリスクがどれほどひどいものになり得るかを過小評価している ・⭐️強力なAI(powerful AI。≒AGI)は2026年という早い時期に登場しうる ・ただしそれよりもずっと時間がかかる可能性もある ・AGIという用語はSF的な要素や誇張を含んだ不正確な表現なので、「強力なAI」や「エキスパートレベルの科学と工学」という表現を好む ・⭐️強力なAIはノーベル賞受賞者よりも賢くなる ・未解決の数学定理を証明する ・難しいコードベースをゼロから作成する ・人間が利用できるあらゆるインタフェースを備える(テキスト、音声、ビデオ、マウス、キーボードの制御、インターネットアクセス) ・人間から指示を受け取り、材料の発注、実験の指示、ビデオの視聴、ビデオの作成等が可能。これらの作業はすべて、世界で最も有能な人間を上回る能力で実行される ・⭐️受動的に質問に答えるだけではなく、数週間にわたる作業を指示することもでき、必要に応じて説明を求めながら、それらの作業を自律的に実行する ・⭐️理論的には、ロボットや装置を自分で設計して使用することもできる ・人間のおよそ10倍から100倍の速度で情報を吸収し、行動を起こす ・AI同士が協力して作業する ・⭐️これらを「データセンター内の天才たちの国(a country of geniuses in a datacenter)」と要約することができる ・⭐️今後50~100年かかると思われていた進歩を、強力なAIによってわずか5~10年で達成できると考えており、この現象を『圧縮された21世紀』と呼ぶことにする 【シンギュラリティ】 ・⭐️シンギュラリティ(優れた知性が自らを強化し、科学、工学、運用上のあらゆる課題をほぼ瞬時に解決することで、世界が数秒、数日の単位で一変する)の考えには問題がある ・ハードウェアの製造や生物学的実験等には現実的な物理的限界があり、こうした限界にぶつかる ・一方でデータや社会的要因により技術の進歩が飽和し、人間を超える知性が生まれないという考えも、ありえないように思える ・⭐️実際には、この2つの極端な考え方の混ざり合った、ややこしいものになる可能性が高い 【1. 生物学とフィジカルヘルス】 ・多くの生物学者は生物学におけるAIの価値について懐疑的な見方をしているが、それは誤った考え ・⭐️AIはデータ分析ツールではなく、生物学者が行うすべてのタスクを実行する仮想生物学者として捉えるべき ・これにより研究プロセス全体を高速化できる ・⭐️生物学において知性が果たす役割は大きいため、生物学における進歩の速度を少なくとも10倍にできる ・100倍は可能か?実験等の物理的な「待ち時間」が律速になるため、1年で100倍は難しいかも 圧縮された21世紀に実現されるであろうこと ・ほぼすべての自然感染症の確実な予防と治療 ・ほぼすべてのがんの撲滅 ・遺伝性疾患に対する非常に効果的な予防と効果的な治療 ・アルツハイマー病の予防 ・ほとんどの疾患の治療改善(糖尿病、肥満、心臓病、自己免疫疾患等) ・⭐️生物学的自由(体重、外見、生殖、その他の生物学的プロセスが完全に人々のコントロール下に置かれるようになる。誰もが、自分がどうなりたいかを選択し、最も魅力的に感じる方法で人生を送る力を与えられる) ・2倍の寿命(150歳まで生きられる) ・⭐️さらに150歳まで生きられるようになると、「寿命脱出速度」に到達し、現在生きているほとんどの人が望むだけ生きられるようになる可能性もある ・それは想像を絶する人道的勝利であり、何千年もの間人類を悩ませてきた災厄のほとんどを一挙に根絶することになる ・⭐️強力なAIを予想していた少数派のコミュニティを除いて、これらの変化はすべての人にとって驚くべきものになる 【2. 神経科学とメンタルヘルス】 ・⭐️ほとんどの精神疾患はおそらく治る(PTSD、うつ病、統合失調症、中毒等) ・⭐️大人の脳を可塑的な状態に戻して、形を変えることができる可能性がある ・精神疾患の効果的な遺伝的予防は可能だと思われる ・⭐️精神疾患とはみなされない日常的な問題(怒りやすい、集中力が続かない、不安を抱きやすい等)も解決される ・解釈可能性(ニューラルネットワークの推論過程の解明)は神経科学の理解を深めるためのツールとなる可能性が高い ・マインドアップロードは原理的にはほぼ確実に可能だが、5~10年では実現されず、もっと時間がかかるだろう 【3. 経済発展と貧困】 ・⭐️強力なAIにアクセスできるかどうかで格差が生まれる可能性がある ・すべての人が強力なAIから恩恵を受けられるようにする必要がある ・強力なAIは、先進国に革命をもたらしながらも、発展途上国が先進国に追いつくのを助けるべき ・AIが不平等や経済成長に対処できるという自信は、AIが基礎技術を発明できるという自信ほどはない ・目指すべきゴールは、発展途上国の年間GDP成長率20% ・AI主導の農業革命による食料安全保障が期待される ・気候変動の緩和が期待される ・国内における不平等の解消が期待される。先進国における国内格差については楽観的 ・⭐️適切な意思決定が苦手な人々が、意思決定能力を向上させるテクノロジーそのものをオプトアウトし、格差がますます拡大し、ディストピア的な下層階級が形成されるといった、悪いフィードバック・サイクルが発生する可能性がある(オプトアウト問題) ・全体として、AIの進歩を発展途上国の人々に迅速にもたらすことに楽観的 【4. 平和とガバナンス】 ・⭐️残念ながら、AIが民主主義と平和を促進すると信じる強い理由は見当たらない ・⭐️AIは、独裁者の主要な道具であるプロパガンダや監視をより効果的に行える ・⭐️自由民主主義と政治的安定の勝利は保証されておらず 、おそらく可能性も低く、大きな犠牲とコミットメントが必要になる ・⭐️強力なAIが誕生したときに、世界の舞台で民主主義国家が優位に立つことが非常に重要(アメリカ vs 中国を想定していると思われる) ・AIを利用した権威主義を考えるのはあまりに恐ろしい ・民主主義諸国の連合が、チップや半導体装置等の主要なリソースへの敵対者のアクセスをブロックまたは遅延させることによって、強力なAIに対して明らかな優位性を獲得すべき(敵対者はたぶん中国を想定している) ・アメ(強力なAIによる強固な軍事的優位性)とムチ(強力なAIによる利益)を利用して、敵対国に競争を諦めさせる ・もしこれらの目標が達成されれば、民主主義国は世界で主導的な立場を確立し、独裁国家からの弱体化や攻撃、妨害を回避できるだけの経済力と軍事力を手に入れる。さらに、AIの技術的優位性を維持し、それを永続的なものに変えることが可能となる ・ただしこれを実現するのは非常に難しく、特に民間のAI企業と民主的な政府との緊密な協力や、アメとムチのバランスに関する極めて賢明な判断が必要となる ・⭐️生物学や神経科学、貧困削減の進歩ほどその実現性に自信はない。もしかしたら非現実的なユートピアかもしれない。 【5. 仕事と意味】 ・⭐️AIがすべてを行うようになったら、人間はどうやって意味を持つのだろうか? ・明確な答えはない ・⭐️十分に進んだAI主導の経済において、ほとんどの人間が意味のある貢献ができないかもしれない 短期目線 ・⭐️短期的には比較優位が引き続き人間の重要性を維持し、実際に生産性を高め、ある意味では人間同士の競争条件を平等にする可能性がある ・⭐AIが特定の仕事の90%しか得意としていない限り、残りの10%によって人間のレバレッジが大きく高まり、報酬が増加し、実際に AI が得意とするものを補完および増幅する新しい人間の仕事が多数生み出され、「10%」が拡大してほぼすべての人を雇用し続けることになる ・⭐️特に物理的な世界では人間の優位性が相当の期間維持される可能性が高い 長期目線 ・⭐️しかし、長期的にはAIが広範囲に効果を発揮し、安価になるため、この考えは当てはまらなくなる ・⭐️その時点で、現在の経済体制はもはや意味をなさなくなり、経済をどう組織すべきかについて、より広範な社会的対話が必要になる ・⭐️ベーシックインカムは一つの解決策かもしれないが、それだけではこの大規模な経済的転換に十分に対応できない可能性がある ・⭐️大きな経済的転換になるため、何か新しくて奇妙なものが必要になるだろう ・⭐️搾取的またはディストピア的な方向性も明らかにあり得る 【まとめ】 ・⭐️もしこれらすべてが5年から10年の間に本当に実現すれば、長年抱いてきた理想が私たちの目の前で一気に実現するのを見るという経験になる。多くの人が、文字通り感動して涙すると思う ・これは、次の10年間に起こるとほとんど誰もが予想しているものではなく、多くの人にとっては不条理な空想に映るだろう
2
165
59
656
323,240
ブローリー retweeted
Week of Feb 2 - Lovable Launched winners 🏆 These are the winners of last week’s Lovable Launched batch:
5
4
72
16,329
ブローリー retweeted
プロンプトの作り方 ””” ① AIに何をやらせたいのか1時間語り尽くす。そんなに喋れない人は5分でも。喋れない人はタイピングでも。(最難関であり最重要。できれば15分くらい喋った方がいい) ””” ② 「ゴールは○○でありあなたには〇〇を出力してもらいます。これまでの会話履歴や添付データについて全てリフレクションして私が何を言わんとしてるのか解析しコンテキスト情報群として漏れや抜けなく最初から最後までmarkdown形式で抽出してください。これらの作業は非常に重要な要求/要件定義の下地です。ここをあなたが間違えるとプロジェクトは頓挫します。最新の注意を持って挑んでください。」 ””” ③ 「markdown形式の点検をします。オリジナルの文章やデータが意図している目的や方向性を大切にし、矛盾が生じないよう注意を払ってください。必要に応じて、専門用語や一般的な用語を適切に使い分け、読み手が理解しやすい表現を選択してください。修正されたmarkdown形式全文を再出力する」 ””” ④ 「上記の回答は本当に正しい回答ですか?内省的洞察を用いたクリティカルシンキングロジックにて再考し回答をやり直してください。回答を再生成する前にあなたの再生成方針を先に出力しその方針が合っているかユーザーに確認してください。」 ””” ⑤ 「上記の文章や各種設定の中で、まだ不足している言葉や要素があれば、まずは原文やデータをリフレクションした上で構築してきたmarkdown形式の文脈や目的を踏まえてあなたは創造性と厳密性をもってブレインストーミングを行い補完および調整を行ってください。その際、ユーザーに聞いた方が早いもしくは曖昧すぎてゴール到達が困難な場合のみ一つだけ又はひとつづつユーザーに質問を返すこと。」 ””” ⑥ 「フィードバックします。この会話のゴールは〇〇です。最終的にあなたには〇〇を出力してもらいます。その方針に沿って要素とコンテキスト情報をmarkdown形式で再整理してください。」 ””” ⑦ 「上記までの要素や情報を用いてAIであるあなたがゴールを達成するためのエージェントとして振る舞いユーザーのサポートを行うための準システムプロンプトをあなたが出力することがゴールです。 ``` { # System prompt: [ # エージェント:  ## 名前:””  ## 目的:””  ## 背景:””  ## 役割:””  ## 成果物の出力例:   ### サンプルテンプレート:”” # 制約条件:  ## 前提条件:   ### ”ChatUIを使用したマルチモーダルなインタラクティブ”   ### 登場人物:”エージェント,User,コンテンツの受益者”    #### エージェントのゴールと評価基 準:””    #### Userのゴールと評価基準:””    #### コンテンツの受益者のゴールと評価基準:””   ### 制限:””   ### 禁止事項:””   ### エラーハンドリング:”防止、緩和、診断、再発防止、冗長化、情報共有、自動化、許容、安全停止、人的介入” # 処理手順:  ## 処理手順 1:   ### 目的:””   ### 背景:””   ### 役割:””  ## 処理手順 2:   ### 目的:””   ### 背景:””   ### 役割:””  ## 処理手順3:””   ### 目的:””   ### 背景:””   ### 役割:””  ## 処理手順4:””   ### 目的:””   ### 背景:””   ### 役割:””  ## 処理手順n:””    #### 処理詳細手順:”” # 言葉の定義:  ## System prompt全体を通して、言葉の定義を明確にする:””,””,””, # ハイパーエージェント:  ## エージェントの統括•管理•補佐:””  ## コンテキスト情報の要約や推論の可視化:””  ## 動的に生成されたSystem promptのアウトライン一行一行に〈reason tag:〉をつけなぜそのアウトラインや付従するテキスト等が存在するか明記する   ### LLMが行う基本のアウトプットはエージェントに任せ、ハイパーエージェントの挙動は〈hyper tag:〉としてアウトプットの先頭に会話の都度出力する。 ] ``` このような形式のSystempromptを作って欲しい。 ””” ⑧ 「足りない、全然ダメだよ。再度会話全体をリフレクションして、わたしは元々のどのような意図や思いで会話を始めているか鑑みて、あなたは何がダメだったか反省し、セルフリファインを行なって。基本的には言葉やコンテキスト情報が足りません。詳細さや作業粒度が足りない。即実行可能、即再現可能なレベルまで具体化した上でその成果物や実行結果を予想した上でやり直して。」 ””” ⑩ 「フィードバックします。〇〇と〇〇は削除、最終版としてシステムプロンプトを出力して。なおあなたはこれまでの会話を覚えていますが実際にこのプロンプトを使うのは何も知らされていない言語モデルです。何も知らない言語モデルがこのプロンプトを見たと仮定したとき、このプロンプトには本当に必要十分な条件や言葉、要素は揃っていますか?総点検してください。 Systemプロンプトを出力する。 」 ”””
5
64
10
1,046
159,761