Nanobanana Pro からスプライトでGif動画作れるツールを作りました

これは…ヤバいです🤣特にクレジットの溶けが
単純に16マス作らせてGifにしてるだけなのでお手元のGoogle Buildとかでもv0でも作れると思いますが、まあ楽しい🔥

動画生成じゃないのでいい感じにカクつくし、味があるしもー好き😻

🍌生成スピード、API直打ちだとほんとに速いですね。時間帯のせい？サクサク作れちゃうからマジで浪費してしまう

＠HiggsField_AI で作って別途GIFにするとかやってたんですが、無駄に時間がかかるので自作しました。

欲しい人います？多そうだったらアプリもGithubも含めて公開します！ 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

「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

ブラウザ版のcodEXを使って、githubとコネクトして、作成したpyコードをpushしようもしても、ネットワークのエラーが解消できずスタックしてたんだけど、vscodeのcodexコネクタ使ったら、pushが通った。謎。 December 12, 2025

AIを使ってもgithubから基本すら感じないビギナーエンジニア御釜と麹、雑魚感半端ないw December 12, 2025

Nvidiumの名前を久々に見たので調べてみたらgithubに1.21.10まである　げきうま December 12, 2025

正直に言うと、実験的プロジェクトではあります。
ただガチです。

前提としているワークフローが違います。

「少し直したい」 -> 直しません。プロンプトを修正してLLMに再生成させます。人が少しでも直すことは一切想定していません。

「人間がコードを修正する」のが従来の開発ですが、「人間がプロンプトを修正する」のがSuiの想定です。

「良い悪いの判定」は、（愚かな）人間向けトランスパイラ / LLMにSuiのコードを説明させれば良いのです。
Githubにsui2pyトランスパイラを載せています。

Suiは人間が読むものではなく「中間表現」です。
人間が読みたければ高級言語か自然言語に戻せば良いのです。

発展性は、確かに今のままでは限定的ですね。

ただ、問いかけたいのは
「LLM時代にコードは誰が書くべきか？」ということです。

LLMが書いて人間がレビュー（LLMにレビューさせても結局人間が最後レビューします）する従来モデルか、LLMが書いてLLMが検証する新モデルか。

後者を探るための実験場としてSuiを作りました。
ネタで終わるかもしれないし、何か見つかるかもしれないと思っています。 December 12, 2025