runesleo

OpenAIが今日、私のProアカウントに62,500 creditsを追加してくれた。Work / Codexのどちらでも使えて、年末に期限切れになる。
少し考えてみたが、完全に節約する必要はない。
Work / Codexの週次クォータを使い切る → そのままcreditsを使い続ける。
Creditsを使い切る → ChatのGPT-5.6を引き続き使う。
これからの目標は非常にシンプルだ：
この62,500 creditsをすべて、実際の成果に変える。
腐りやすい計算資源は、使わないことこそが無駄だ。😁

私は、マルチモデル時代における最良の使い方は、人間が同時に5つのAIを管理することではなく、入口を1つだけ残すことだとますます確信するようになりました。
今日、自分のAIワークフローを徹底的に1つの原則へと収束させました。
AIのための単一の窓口
ChatGPTは私の頭脳であり、手であり、その他のAIはすべてそのツールです。
現在、私はGrok、Grok Bot、Grok Build、Claude、Cursor、Codexに加え、ブラウザ／コンピューター操作、MCP、ローカルのMac、VPS、スマートフォン……も同時に使っています。
しかし、毎日これらの間を自分で行ったり来たりしたくはありません。
なぜなら、ツールが増えると、非常にばかげた状況が簡単に起こるからです。
もともとAIはあなたの仕事を手伝うためのものなのに、最後にはあなたがAIのプロジェクトマネージャーになってしまうのです。
自分でプロンプトをコピーし、コンテキストを同期し、AモデルにBモデルがたった今何をしたのかを伝え、タスクの進捗を追い、複数のモデルのうち誰が正しいかを判断し、結果を自分のシステムに戻さなければなりません。
ツールが増えるほど、人間はかえって忙しくなります。
だから私は今、逆向きに設計しています。
私はChatGPTとだけ話します。
ChatGPT自身が、いつGrokを呼び出すか、いつ調査タスクをG

昨晩、Merkel Koalaを5体ミントした。
すべて最速アンロックの420ブロックを選んだ：
#1831 / #239 / #1680 / #7967 / #7178
現在、5/5がすべてREVEALED済み。
まず、立場を明確にしておく：
私は6体目を続けてミントするつもりはない。
この投稿も、皆さんにミントを勧めるものではない。
最初に1体だけミントしたのは、CRC-21のcommit → reveal → vault → unlockという仕組みを、実際のお金を使って最初から最後まで一通り動かしてみたかったからだ。
1体目のオンチェーン検証に成功した後も、私はDDを続けた。
その後、コア開発者も、LEAF（CRC-20）とMerkel Koalas（CRC-21）は、彼らが実際に推進しているcovenantロードマップに属すると公に述べた。
これが、後から実験用の保有数を5体まで増やした理由でもある。
保有しているからといって、プロジェクト側を支持しているわけではない。
現在コミュニティが疑問視している以下の点については、私も同様に回答が必要だと考えている：
• Swap / AMMの主軸はまだ本格的に実現していないのに、なぜ最近になって有料の新規プロジェクトが相次いで登場しているのか？
• Merkel Koalaのミント収入は、最終的にどこへ行くのか？
• これらの収

最近、Bitcoin L1の新しいプロジェクトを見すぎて、今いちばん見落とされやすいのは「どう買うか」ではなく、
買った後に、どう売るかではないかとますます感じている。
新しいプロトコル、新しい資産、新しいlaunchpadの供給スピードは速すぎるのに、流動性インフラは明らかに追いついていない。
Mintのときは、どのプロジェクトも魅力的に見える：
first meme、first DeFi、Bitcoin native、低時価総額、初期段階……
実際に買ってみて初めて気づく：
AMMもなければ、板の厚みもなく、流動性の集約もなく、注文を出すだけでも一件一件オンチェーン操作をしなければならない。
最終的に保有者が本当に退出したいと思っても、互いに価格を下げ合い、フロア価格をめぐって競争するしかない。
だから最近、自分の中に次の基準を一つ加えた：
Bitcoin L1の新しい資産を今買ったとして、次の3つの質問に明確に答えられないなら：
1. 3日後には誰が買い受けてくれるのか？
2. どうやって売ればいいのか？
3. 大口が退出するとき、他の保有者と一緒にフロア価格をめぐって競争するしかないのか？
その場合、私はそれを普通の現物ではなく、「ほぼロックアップされた資産」とみなすことにしている。
Bitcoin L1に、今や新しい資産が不足しているわけではない。
本当に希少なのは、

ChatGPTはますます「個人用ワークベンチ」のようになってきました。
今日アプリを開くと、ホーム画面に、接続しているGmail、Calendar、GitHubに基づいて、対応が必要かもしれない事柄がいくつか直接提示されました：
リモートのMacに問題が発生している可能性
すでに実態と合わなくなった予定
まだレビューされていないPR
興味深いのは、「ChatGPTがこれらのアプリを読み取れる」ことではありません――このことは以前からできました。
本当の変化は、先にこちらから尋ねるのを待つのではなく、「今、どの事柄に対応が必要かもしれないか」を自ら判断し始めたことです。
この機能がさらにうまく発展すれば、ChatGPTのホーム画面はチャットボックスから、徐々に個人用のオペレーション・インボックスへと変わっていくかもしれません。

今日は、長い間考えていたことを本当に動かせるようにした：Grok Bot + 2台のMacで、複数デバイスのネットワーク自己救済システムを構築した。
私の日常環境は今や「1台のコンピューター」ではなく、2台のMac、Tailscale、VPN、Grok Bot、Claude、Codex、Cursor、そして長時間稼働する多数のエージェントと自動化で構成されている。そこから本当に厄介な問題も生じた：どれかのマシンでネットワーク、プロキシ、Tailscale、またはエージェントに問題が起きたとき、本人がコンピューターの前にいなければ、AIは修復できるのに、AI自身も中に入れない。
だから今日解決したかった核心的な問題は、「コンピューターを永遠に故障させない方法」ではなく、次のことだ：
1台のマシンがまだ生きている限り、そのマシンで別のマシンを救えるか？
現在、経路はほぼ開通している：
スマートフォン → Grok Bot → オンラインのMac B → Tailscale / SSH / LAN → Mac A
通常時は、2台のマシンがTailscale経由で相互接続されている。Tailscale自体に問題が起きた場合でも、2台のコンピューターが同じLAN内にありさえすれば、LAN + SSHに切り替えられる。
エージェントは接続後、いきなり再起動するのではなく、まずネットワークインタ

友人がショッピングモールで、物探しのミニゲームを2つ見かけたので、ついでにAIの視覚能力を試してみた。
アザラシの中からマシュマロを探す
サンタクロースの中から子羊を探す
ChatGPT：9分考えて、2つとも見つけた。
豆包：マシュマロを見つけられず、その後、非常に自信満々に……
元画像にマシュマロを2つ直接Pしてから、丸で囲んで答えを教えてくれた 😂
AIが最も喜劇的になる瞬間は、答えを間違えたときではない。
自分が正解したことを証明するために、問題を直接改変したときだ。

今日は ChatGPT の「タスクの継続性」の問題にひどい目に遭わされた。
単に、ある回答の品質が落ちたという話ではなく、もっと厄介なタイプだ：
長時間動かしていた会話が突然返信しなくなる；
もともと正常に使えていたツール / MCP が、一部のセッションで突然接続できなくなる；
新しい会話に切り替えれば再び話せるようにはなるが、タスクのコンテキストや実行状態、どこまで進んでいたかまで、簡単に一緒に途切れてしまう。
今日は多くの時間を「仕事をする」ことではなく、「AI が本来手伝っていた仕事を復旧する」ことに費やした。
そこで、ある問題を突然意識するようになった：
AI が単なるチャットツールだった頃は、たまに落ちても、更新すればそれで済んだ。
しかし本当に ChatGPT、Cursor、Coding Agent、さまざまな MCP とローカルマシンをつなぎ、AI を自分の仕事のオペレーティングシステムとして使い始めると――
モデルがどれだけ賢いかは、もはや唯一重要なことではない。
それどころか、最も重要なことですらないかもしれない。
このシステムが長期的に機能するかどうかを本当に決めるのは：
Context Continuity
State Persistence
Idempotency
Failover
Recovery
平たく言えば：
タスクが途中で途切れたとき、
自分が何者

最近ますます強く感じるようになったことがある：
Codex、GrokのようなAIエージェントの自然言語インターフェースが徐々に成熟し、自分のローカルワークステーションやブラウザ、さまざまなツール、さらにはクラウド上の最強モデルまで接続できるようになるにつれて——
普通の人が、実は初めて自分専用の「AIオペレーティングシステム」を手にしつつある。
自分で十数個のソフトを開いたり、大量のコマンドを覚えたり、ワークフローを手動でつないだりする必要はない。
ただこう言えばいい：
「この件を処理しておいて。」
するとエージェントが自分でコンピューター、コード、ブラウザ、API、モデルを呼び出し、タスクを一つずつ完了させていく。
以前『アイアンマン』を観たときは、JARVISやFRIDAYはSFだと思っていた。
今になって突然気づいた。この技術は、本当にもう一人ひとりのすぐ近くまで来ている。
うわ、やっぱりかなりワクワクする。

最近、ChatGPTで長時間のタスクを実行すると、これによく遭遇する。
特に不可解なのは、フロントエンドには「ストリーミング転送が中断されました」と表示されるのに、バックエンドのタスクは実際にはそのまま実行され続けていることがある点だ。
Agentを本格的に使うほど、モデルが賢いかどうかは一部分にすぎないと実感する。
接続、再接続、状態の復元、長時間タスクの可観測性こそが、日常的な使用体験に本当に影響を与えるものだ。

ChatGPT の Remote Control は、実はもうかなり長く使っている。
以前は、ただとても便利な機能だと思っていた：
外出中でも、スマートフォンを開けば、家の Mac で実行中の Codex を引き続き操作できる。
スマートフォンからタスクを送信 → Mac 上でローカル実行 → いつでも進捗を確認 → さらに指示を追加。
しかし最近、ますます多くの仕事を AI に組み込むようになって初めて、このことが何を意味するのか本当に理解した。
AI がコンピューター、ファイル、ターミナル、ブラウザー、そしてさまざまなワークフローに接続できるようになると、スマートフォンはもはや「AI を実行するデバイス」ではない。
むしろリモコンのようなものだ。
モデルが思考と計画を担当し、
Mac が実際の実行を担当し、
私は目標を定め、重要な意思決定を行い、境界をコントロールする。
こうなると、人はずっとコンピューターの前に座って AI の作業を見張り続ける必要がなくなる。
タスクは家の Mac 上で継続的に実行でき、私は外出中でも、必要なときだけ介入すればよい。
今後、常時稼働する Mac mini / Mac Studio をもう1台追加し、ローカルモデル、Codex、MCPX、自動化、リモートサーバーなどをすべて接続すれば、それはますます自分専用の AI コンピューティングノードのよ

今日になって初めて、ChatGPT Proには100GBのファイル容量があることに気づいた。
これだけ長く使ってきたのに、実際に使っているのはわずか315MBだった。
これで気づかされたのは、これまで私はChatGPTを「計算能力」と「対話ボックス」として使っていたものの、本当の意味で長期的なワークスペースとしては活用していなかったということだ。
そこで、自分のAIストレージ構成を改めて整理した：
Mac：実行
ローカルの大容量ディスク：元データ／コールドアーカイブ
Google Drive：人間が編集できる正式なドキュメント
ChatGPT Library：AIが長期的に読み取り、検索し、再利用できる知識層
重要なのは、100GBを埋めることではない。
本当にAIに長期的に知っておいてほしいものを、AIがいつでも呼び出せる場所に置くことだ。
今日、すでにこの層の構築を始めた。
個人向けAIシステムの将来の差は、モデルだけでなく、「コンテキストが本当に蓄積されているかどうか」にあるのだと、ますます感じている。