学习 Linux 命令行，网上教程要么只讲理论概念，要么直接扔一堆命令让你背，缺少实际应用场景的讲解。

最近在 GitHub 上发现 101 Linux Commands 这份开源电子书，通过 101 个实用命令带你系统掌握 Linux 命令行操作。

每个命令都配有详细说明、实际使用示例和应用场景，从基础的文件操作到高级的系统管理，循序渐进地展开。

GitHub：https://t.co/Hj1cFOH5iB

内容涵盖文件管理、文本处理、进程控制、网络诊断、系统监控等实用场景，每个命令都有真实案例演示。

提供多种格式阅读，包括在线网页版、PDF 和 ePub 电子书，还支持通过 Docker 在本地运行。

无论是 Linux 新手还是想系统梳理命令的经验丰富开发者，这份指南值得收藏学习。 December 12, 2025

「正直、AIツールが多すぎてわからん...」
「これだけ触っておけ、というの教えろ💢」

という声を非常によく聞くので、3段階のレベルに分けて2025年に使っておきたいAIツールまとめてみた。

※（）内に触って欲しい理由と機能書いてます

＝＝正直忙しい人はこれだけでOK＝＝
・ChatGPT（基礎のAI操作、音声、詳細検索、動画）
・Copilot（Microsoft製品との連携）
・Gemini（Google製品との連携、文字込み画像生成）
多くの人はこの3つで良し。変にXの最新情報とか、長文プロンプト追う必要なし。

＝＝AIに興味がある人が使っておきたい＝＝
・Claude（Opus 4.5の賢さ）
・Perplexity(AI検索体験)
・Genspark（電話代行、資料作成、AIシート）
・NotebookLM（スライド作成、ポッドキャスト）
・Canva（AI編集周り）
・CapCut（AI自動字幕、AIエフェクト）
・Suno（シンプルな音楽生成）
・Midjourney（画像生成プロンプトの練習）
・Grok（高速な回答、X上の調査、動画化）
・Manus（ブラウザ操作、スライド生成、並列処理）
これ全部触れてると、AIのトレンドはざっくり追えてる。何個か課金して使ってみると尚良し。

＝＝本格的に自動化・開発デビュー向け＝＝
・Dify（AIワークフローの構築）
・N8n(AIワークフローの構築)
・Zapier（オートメーション）
・Replit（ブラウザ完結のAI開発）
・Cursor（テキストエディタでのAI開発）
・Google AI Studio（Google環境でのAI開発）
・Claude Code（CLI上でのAI開発）
・Comet（AIネイティブブラウザ）
・LM Studio（ローカルLLM）
・GitHub（バージョン管理、大人数開発）
非エンジニアでも開発デビュー可能、習得難易度は結構高め。

さて...
こういうのとりあえずブックマークするけど、結局触らなくないですか？そんな人のために↓ December 12, 2025

本日（12/5）の生成AIトピックまとめ🧵

1️⃣【GPT/旅行×OpenAI】Virgin AustraliaがOpenAIと提携し、チャットで旅程を聞くだけでフライト検索〜予約まで支援する「生成AIトラベル体験」を構築へ✈️
　・本日付記事で詳細が公開。ChatGPT内の専用アプリ（案）として、会話ベースで希望条件を伝えるとフライト候補と運賃を返す仕組みを構想。
https://t.co/z7RuhdxCW4

2️⃣【Gemini/Replit/エンタープライズ開発】Replit×Google Cloudが提携拡大、「vibe coding」をエンタープライズ向けに本格展開💻
　・本日付のGoogle Cloudブログで、ReplitがGoogle Cloudとの複数年契約を締結し、Gemini 3・2.5 Flash Lite・Imagen 4などを統合。
　・Gemini 3はVertex AIと「Gemini Enterprise」で利用可能となり、会話ベースのアプリ開発を企業チームにも広げる方針。
https://t.co/uDU89FYfX2

3️⃣【LLMインフラ/GKE】NVIDIA Run:ai Model StreamerがCloud Storage対応、vLLMの“コールドスタート”を秒レベルに短縮🚀
　・同じく本日付のGoogle Cloudブログで、Run:ai Model StreamerがGoogle Cloud Storageをネイティブサポートしたと発表。
　・Llama 3.3-70Bクラスの巨大モデルでも、ストリーミングで重みをGPUに直接流し込むことで起動時間を「分→秒」に短縮できると説明。
https://t.co/SqTQK01wri

4️⃣【Gemini 3/データクラウド×株式市場】
　・Google Cloudの「What’s new with Google Data Cloud」最新号で、Gemini 3がVertex AIとGemini Enterpriseで利用可能になったことを強調。データ分析基盤から直接、生成AIによる予測やベクトル検索を呼び出せる流れを整理📊。
　・一方Forbes Australiaは、本日付記事でAlphabet株のAI期待（Gemini 3リリースがSam Altmanやイーロン・マスクからも評価された点）に触れつつ、AIバブル懸念と合わせて解説。Forbes Australia
https://t.co/rAecvPpf82

5️⃣【Claude/GPT/Gemini×GitHub Copilot】Claude Opus 4.5の“1倍料金”は本日まで——明日から3倍プレミアムに🧑‍💻
　・GitHub Copilotのモデル一覧によると、Claude Opus 4.5は今日12/5までプロモ価格としてプレミアムリクエスト倍率1、明日以降は3倍に引き上げ。GitHub Docs+1
　・同じ表では、GPT-5.1系（GPT-5.1 / 5.1-Codex / 5.1-Codex-Mini / Max）とGemini 3 ProもCopilotで利用可能なモデルとして整理されており、「Copilot＝マルチLLMハブ」の色合いがさらに強化。
https://t.co/nZ3hCo5GZc

6️⃣【Claude/GPT×HPCコード生成】名古屋大HPC-GENIEプロジェクト、生成AIによるHPCコード自動生成の最前線をワークショップで共有🏗️
　・名古屋大学情報基盤センターのHPC-GENIEページによると、本日開催の「JHPCN Field Workshop: State-of-the-Art in Code Generative AI for High-Performance Computing」で、
　　- Claude CodeによるFortranレガシーコードのGPU最適化評価
　　- gpt-oss-120bを使った数値計算コード自動最適化マルチエージェント
　　- VibeCodeHPC（CLIベースのマルチエージェント自動チューニング）
　　など、LLM×HPCの実験結果が発表。名古屋大学ハイパフォーマンスコンピューティングセンター
https://t.co/KA9zoaP826

7️⃣【Dify/Agentic AIトレーニング】TransferLabの「Practical Introduction to Agentic AI」が本日開催——https://t.co/1BEvvBp0ZUで“理論→実務ワークフロー”へ🔧
　・appliedAIコミュニティのイベント案内では、12/5 9:00（CET）にエージェント型AIの実践トレーニングを実施と記載。
https://t.co/SQ9ykB7ClK
　・別ページでは、https://t.co/1BEvvBp0ZUを使って理論を実際のエージェントワークフローに落とし込むことを明示しており、「低コード×Agentic AI」文脈の実務研修として位置づけ。
https://t.co/s1gr1pRppk

8️⃣【n8n/AIオートメーション】Instagramで「Unlock Automation Workflows with n8n」企画——AI連携ワークフローを推進⚙️
　・n8n公式系アカウントの投稿では、「2025年12月5日、n8nでアプリ連携・タスク自動化・AI統合を学ぶ」旨の案内。
　・ノーコード寄りユーザーに対し、「AI Automation with n8n」として日常業務へのLLM組み込みをテーマに掲げている。
https://t.co/oGpkpFycja

9️⃣【生成AI×知財/日中韓】第13回TRIPOユーザーシンポジウム（JPO主催）、本日開催予定→延期に📚
　・特許庁の案内によると、**「AI時代・DX時代の知的財産の主要論点」**をテーマに、生成AIによる創作物と権利帰属、各国の運用基準などを議論する予定だったが、12/5開催分は延期が告知された。
　・生成AIの普及スピードに対し、IP制度側のルールメイクが追いついていないことを象徴するトピック。
https://t.co/dOVFbZsXqE

🔟【生成AIガバナンス/倫理】Purdue RCAC「Ethics & Governance in Generative AI」ワークショップが開催🧭
　・Purdue UniversityのRCACは、本日1:00–2:00pm（EST）に、生成AIのバイアス・誤情報・知財・プライバシーなどの論点を扱うオンライン講座を実施。RCAC
　・ケーススタディを通じて、研究・プロダクト開発・デプロイにおけるリスク識別とガバナンスのベストプラクティスを学ぶ「非技術者向けGenAIガバナンス入門」として設計されている。
https://t.co/PPJzsVZUXd December 12, 2025

@kaorun55 GitHub に Sample iOS App として Camera App もすでに公開されていますね．いろいろ楽しみです
https://t.co/rvwjJV38yE https://t.co/AtZKGxZeL6 December 12, 2025

@kaorun55 GitHubには Camera App も Sample として公開されていますね．いろいろ楽しみです December 12, 2025

@endo_hizumi フォローありがとうございます！
最初カレンダーを見たときかなり驚いて、これは自分もやるしかねぇなと……笑
githubや記事を拝見したのですが、似たようなものを作っているのにここまで捉え方が違うのかと、ある種感動しました笑
いずれ機会があれば今度お話しましょう！ December 12, 2025

昨日は Universe & Ignite recap #aadojo に参加いただきありがとうございました。私のGitHub Universeふりかえりの資料を公開します！
https://t.co/6pP57G4xVe December 12, 2025

GitHubのホーム画面、何も役に立たないと話題になった後に大きく変更されて今やChangelogまで出るようになってる
これはうれしい https://t.co/NAbv08urlX December 12, 2025

CopilotではなくGithubCopilotっす（Copilotさんはアホな子なので使いませんｗ）
てゆか、VSとかのソリューションのタブの近くのあの子の事をGithubCopilotってずっと言ってたけどもしかして違う感じだったりします？ https://t.co/nfUVVN3Eob December 12, 2025

GitHub のシニアエンジニアが語っているポッドキャストからメモ。動画と順番は前後している。

・スタートアップが「クラウドネイティブ」や「Kubernetesを触りたい」という理由だけで移行すると、コスト増と開発速度低下で死にかけることがある
・人は「かっこいいアーキテクチャ」や「モダン技術のステータス」を追いがちであり、「本当にその問題に必要か」という観点が抜け落ちやすい

・どの規模でどの設計に進化させるべきかという明確な境界値は存在せず、「1000リクエスト/秒だからもう分散システムだ」とは必ずしも言えない
・GitHubのような巨大サービスですら、数百万リクエスト/秒を小さなKubernetesクラスタと数コンテナでさばくことができており、シンプルでも意外といける
・GitHubでは、まず既存アーキテクチャで出せる限界まで使い切ってから、データや需要の伸びを見て「次の段階への書き換え」を判断している

・スタートアップのCTOであれば、いきなり100倍スケールを想定した設計をするのではなく、まずは100〜1000ユーザーを単一VMで捌くくらいのシンプル構成で十分だろう
・スケールアップは過小評価されがちだが、CPU数百コア、TBクラスメモリのVMが普通に買える現代は、これで十分に戦える
・水平分散やシャーディングに飛びつく前に、「まずは限界までマシンを強くする」だけで多くの問題は解決できる

・ソフトウェアは「一度作って終わり」ではなく「進化させ続けるもの」であり、保守と改修というランニングコストが常に発生する資産
・ビジネス側は一括投資して10年もちそうなシステムを欲しがるが、技術もトレンドも変化が激しい現代では、それは非現実的な期待
・現実的なやり方は「今の1桁上のオーダーに耐えられる設計をする」「そこに達したらまた次のオーダーのために再投資する」という階段方式
・キャッシュやNoSQLや分散データストアなどは、「直面している具体的なボトルネック」が見えたときに初めて導入を検討すれば良い
・シンプルな設計や実装はスケールすればするほど価値が高まり、愚直・素直なコードの方が、大規模運用では安全で扱いやすい、という逆説が成立する

・大企業のシステムデザイン面接はスケールの話が多いが、実務経験がなくても理論とパターンを学ぶことで「ゲームとして攻略する」ことが実は可能
・入社後すぐにゼロから巨大システムを1人で設計することはほぼなく、既存システムに入り、より経験豊富なメンバーからレビューを受けながら成長していくのが普通

・AIエージェントがコードの9割を書く時代になりつつあり、優れたエンジニアの仕事の重心は実装から、運用・品質・リスク・パフォーマンス・設計判断へ移りつつある
・AIがコードを書くとしても、「何を作るべきか」「どの設計を選ぶべきか」「どのようにテスト・計測・ロールアウトするか」を決めるのは依然として人間の役割

・プロとしてのソフトウェアエンジニアは、事業への数値的インパクトで評価される
・事業側の意思決定者は技術的な詳細や難しさを完全には理解できないため、エンジニア側に「ビジネスの言葉（売上・コスト・リスク・遅延による損失）」で語れる人が必要
・そのためには、自分の作るシステムが現場のオペレーションやお金の流れにどう影響するかを、現場に足を運んで観察し学ぶ姿勢が重要

・これからのエンジニアには、1つの分野を掘るだけでなく、広い分野を高速で学び、短期間で実務レベルに到達できる「学習スピード」と「学習の幅」が求められる
・すべての分野で達人になる必要はなく、「一部の領域で深い専門性を持ちつつ、他の領域もそこそこ分かるT字型のスキル構成」が強みに
・好奇心を鍛え、新しい分野に飛び込むことへの「居心地の悪さ」に慣れ、それを楽しめるようになることが、これからの時代のエンジニアの大きな武器だろう

https://t.co/gr2WQiFuNX December 12, 2025