#Tech

SubVaultは、ClaudeやCopilotなどのAIツールに恒久的な記憶（Permanent Memory）を与えるMCPサーバーである。従来のAIの会話はセッション終了で文脈が消えるが、SubVaultは議論中の重要な意思決定、事実、コードパターンなどを抽出し「Vault」として構造化保存する。これにより、AIはセッションを跨いで過去の判断やプロジェクトの背景を瞬時に「Remember」できるようになる。本システムは単なるチャット履歴ではなく、4軸スコアリングとトークン予算に基づいたアセンブリにより、必要な知識だけを的確に引き出し、コンテキストウィンドウの無駄を排除する。開発者は、AIが過去のアーキテクチャ判断を把握した状態から作業を開始できる。

ウェブサイトの管理者は、AI企業による積極的なウェブスクレイピングからサーバーを防衛するため、Anubisというシステムを導入しています。Anubisは、メールスパム対策と同様のPoW（Proof-of-Work）スキームを利用しています。この仕組みは、個人の利用では負荷が軽微ですが、大量のスクレイパーが利用する際にはコストを大幅に増加させます。ただし、現状は暫定的な解決策であり、今後はフォントレンダリングなどの技術を用いてヘッドレスブラウザを識別し、正規ユーザーへの認証提示を減らすことを目標としています。

本記事は、モバイルアプリの通知が単なる情報提供ではなく、ユーザーの注意力をコントロールし行動を誘導する「設計された介入」であると分析している。通知は、人間の好奇心やFOMO（取り残されることへの恐れ）を利用して、ユーザーをプラットフォーム内に引き戻す行動ループを確立する。応答履歴や使用パターンといった行動データは、デバイストークンやタイムスタンプといった技術的指標によって収集され、ユーザーの生活習慣や行動プロファイルを詳細に構築する。究極的に、企業はユーザーの「注意」を価値ある資源と見なし、この継続的なデータ収集を収益化の主要なビジネスモデルとしている。

ウェブサイト管理者は、AI企業による積極的なウェブスクレイピングを防ぐため、「Anubis」というシステムを導入している。AnubisはHashcashを応用したPoW（Proof-of-Work）方式を採用し、大規模なスクレイピング行為のコストを劇的に引き上げることが可能である。ただし、これは根本的な解決策ではなく、一時的な対策として機能している。最終的な目標は、フォント描画などのブラウザ指紋認証技術を活用し、ヘッドレスブラウザを特定することで、正規ユーザーにPoWチャレンジを提示しないことにある。

本記事は、ラムダ計算の文脈において順序数（Ordinals）を表現するための多様な符号化手法を提示している。これらのエンコーディングは、変数の扱い方に基づいて「線形」「アフィン」「非線形」の3つの主要カテゴリに分類される。Mackie、Church、Scottなどの研究者によって、それぞれ異なる定義を用いて数や順序数を表現している。注目すべきは、これら異なる計算パラダイムで構築された全ての符号化が、算術的な機能を持つ点である。

従来のオープンソースモデルである「バザール」（集団的な協調開発）は、AI技術の進化により変革期を迎えています。実装コストの低下と、ソフトウェアの超個人化が進むにつれ、開発モデルは「キッチン」へと移行しつつあります。キッチンモデルとは、誰かの習慣に合わせてレシピのように自在に改変・利用される、個々人のためのパーソナルなユーティリティとしてのソフトウェアです。バザールが「共創」による共通インフラの構築を目指したのに対し、キッチンは「理解と適応」を通じて個人がソフトウェアを自律的に変形させ、利用する行為を重視します。

AWSは、Claudeモデルを利用するための二つの方法を提供しています。一方の「Claude Platform on AWS」はAnthropicのネイティブプラットフォームへのアクセスを可能にし、既存のAWS認証情報を使用できますが、データ処理はAWS外で行われます。もう一方の「Claude on Amazon Bedrock」は、データをAWSインフラストラクチャ内に保持し、AWS管理型のGuardrailsやKnowledge Basesといった機能を提供します。したがって、厳格な地域データレジデンシー要件がある場合はBedrockが最適な選択肢となります。