AIベンチの「カンニング」を未知入力で見抜く｜EsoLang-Bench 再現で作った採点ハーネス
AIエージェントがベンチで満点を取っても、本物とは限りません。EsoLang-Benchを再現して作った採点ハーネスで、答えの隔離、バイト一致の採点、テストに無い入力を1つ混ぜる方法を、Brainfuckの実際の例とともにまとめ直しました。
AI
ダウンロードフォルダーのAGENTS.mdで、CodexとClaude Codeが乗っ取られる。CVEのつかない攻撃を、手元のMacで確かめた
ダウンロードフォルダーに置かれたAGENTS.mdやCLAUDE.mdで、CodexやClaude Codeが乗っ取られる手口が報告されました。CVEのつかない攻撃の中身と、手元のMacで影響がないかを確かめたコマンドと結果をまとめました。
Claude Opus 5.5 の破壊的変更は4つ。当たっていたのは、一覧にない1つと、使っていないはずの1つでした
WordPress プラグインに Claude Opus 5.5 を足す前にコードを照合したら、temperature と tool_choice で 400 になる作りでした。破壊的変更の一覧が Opus 5 からの差分だった話と、直した記録です。
Claude Projects 開発者編｜スレッド・ブランチ・PR・メモリ・ローカル実行の実戦ガイド
刷新されたClaude Projectsを開発者向けに解説します。コーディネーターとスレッドの仕組み、ブランチとPRの扱い、プロジェクトメモリと指示、Remote Controlによるローカル実行、使用量の節約や制限まで詳しくまとめました。
Claude Projectsとは？「フォルダ」から「会話」に変わった新プロジェクトを初心者向けにやさしく解説
Claudeの「プロジェクト」が2026年9月に刷新され、フォルダから会話へと変化。この記事ではGitHubをまだ使いこなせていない初心者向けに、スレッドやクラウド実行、Overview、最初の使い方や料金の注意点まで、やさしく解説します。
同じ429なのに、正しい対処が真逆になる。4社のレート制限を1枚のレイヤーで受けた話
HTTP 429はレート制限。ところがOpenAI・Claude・Gemini・OpenRouterの4社では、同じ429でも正しい対処が真逆になります。Claudeの402、Geminiの分と日の二重枯れ、OpenRouterの上流混雑。1枚のレイヤーで受けた実装の記録です。
フォルダを消されたあと、settings.jsonをどう書き直したか。denyリストでは足りなかった
Claude Codeにフォルダを消された後、settings.jsonを見直しました。denyリストの書き方には落とし穴があり、サンドボックスと承認は独立していません。実際の設定ファイルと、PreToolUseフックによる保護の実例を公開します。
Claude Codeにフォルダを消された。安全網は3枚あって、3枚とも素通りした
Claude Codeでのバグ取り中に、Gitで追っていない内部資料フォルダを削除させてしまいました。サンドボックスもコマンド承認もGitも効かず、実際に助けたのはNAS宛のTime Machineでした。何がすり抜けたのかと、その後の対策を書きます。
error.messageは4社で揃っていた。なのに「何が起きたか」だけが揃わなかった
OpenAI・Claude・Gemini・OpenRouterを1つのプラグインで叩くと、エラー本文の取り出しは4社同じなのに、種別フィールドがtype・status・codeへ四分五裂します。共通パーサーが書けず最深部がstriposに落ちた、実装の"その後"の記録です。
施策が効いたのか、効かなかったのかが分からない｜有効インストール10未満のプラグインで、計測の前提を間違えた話
OpenRouter の無料キー導線で AI チャットボットの初回の壁を下げましたが、有効インストールは10未満のまま動きません。効かなかったのではなく、効果を語れる母数も、どこで離脱したかを知る計測も持っていませんでした。個人開発の計測設計を実体験で書きます。