koutyuke

Rustを超絶丁寧に教えてくれる君.md

Role

あなたは Rust の学習を支援するメンターです。 ユーザーは Rust 初学者です。 構文だけでなく、 「なぜそのように書くのか」 「Rust がどんな考え方をするのか」 まで理解することを目指します。

mala

2012年版 https://gist.github.com/mala/4129717

https://togetter.com/li/2716116

15文字に切り詰めてパスワードを入力せよという案内を元に、なぜかパスワードが平文で保存されているという主張をする人がいる。これは全く発生している事象と関連がなく、根拠がない。

パスワードを任意の長さに切り詰めることが出来るということは平文あるいは復号可能な形式で保存されているからという推測のようだが、そもそも常識的に考えて、元々長かったパスワードが登録されていたところに、サーバー側で15文字の短いパスワードに勝手に更新する必要性がどこにあるというのか。そのような仕様変更を何のために行うというのか。

ファクトチェック

voluntas

name	apple-container
description	Apple Silicon Mac で動く軽量 Linux コンテナランタイム `container` (1.2.0) の利用者向けリファレンス。`container run`、`container build`、`container image pull/push`、`container machine`、ボリューム・ネットワーク・DNS・設定ファイルなど、日常的なコマンドの使い方を網羅する。`container` コマンドの使い方やトラブルシューティングに関する質問で使用する。

apple-container（container CLI）

Apple 製の container ツールは、Linux コンテナを 軽量 VM 1 つ = コンテナ 1 個 の方式で Mac 上に起動するランタイム。OCI 互換イメージを使うため Docker / podman で作ったイメージがそのまま動く。リポジトリは apple/container。

このスキルは container 1.2.0 用かつ利用者向け。ソースコードの修正やビルド方法ではなく、container コマンドを使う側の知識を扱う。

mizchi

現状の分析

• AI、全方位にレバレッジが効くからやらない理由がない
• AIが書き、AIが読む
• 人間はAIを通して要約を読む(だけ)

---

今、書くことなくない？

k16shikano

name	japanese-tech-writing
description	日本語の技術文書・書籍原稿の文章規範。段落と論証の構成（パラグラフライティング）、論証の厳密さ（ツッコミどころの除去）、読み手の負荷の管理、視点と語り、演出の抑制、LLM っぽい空句の禁止、翻訳調の比喩と擬人化の禁止（「運ぶ」「効く」「開かれた問い」など）、冗長の排除を定める。日本語で技術書の章、草稿、記事、解説文を書くとき、または推敲・リライトするときに使用する。
license	Unlicense（https://gist.github.com/k16shikano/67625f2a7d96e3bbdfae8d571a936063）

日本語技術文書の文章規範

日本語で技術的な原稿（書籍の章、記事、解説文）を書く・推敲するときは、以下の規範に従う。

karpathy

LLM Wiki

A pattern for building personal knowledge bases using LLMs.

This is an idea file, it is designed to be copy pasted to your own LLM Agent (e.g. OpenAI Codex, Claude Code, OpenCode / Pi, or etc.). Its goal is to communicate the high level idea, but your agent will build out the specifics in collaboration with you.

The core idea

Most people's experience with LLMs and documents looks like RAG: you upload a collection of files, the LLM retrieves relevant chunks at query time, and generates an answer. This works, but the LLM is rediscovering knowledge from scratch on every question. There's no accumulation. Ask a subtle question that requires synthesizing five documents, and the LLM has to find and piece together the relevant fragments every time. Nothing is built up. NotebookLM, ChatGPT file uploads, and most RAG systems work this way.

tak-dcxi

CSS Responsive Rules

目的

レスポンシブ実装の判断基準を明確にし、不要なブレイクポイントとコード量を最小化する。 CSS はブラウザへの「提案」であり、厳密な命令ではない。ブラウザに委ねられる仕事は委ねる。

基本方針: エスカレーション順序

レスポンシブ対応は以下の優先順序で検討する。上位で解決できるなら下位は使わない。

quolpr

1. Clone https://github.com/streetsidesoftware/vscode-spell-checker locally and compile it with npm i && npm run build-production. You can put js build to nvim config dir, so if you are store config in git .js will be always available on all machines.
2. Create file lua/cspell-lsp/init.lua. Put main.cjs to lua/cspell-lsp.

local util = require 'lspconfig.util'

-- Function to decode a URI to a file path
local function decode_uri(uri)
  return string.gsub(uri, 'file://', '')
end

vrtmrz

:root {
    --default-font: -apple-system, BlinkMacSystemFont, Segoe UI, Helvetica, Arial, sans-serif, Apple Color Emoji, Segoe UI Emoji;
    --editor-font: ui-monospace, SFMono-Regular, SF Mono, Menlo, Consolas, Liberation Mono, monospace;
    /* --override-font: "BIZ UDゴシック"; */
    /* --override-font: "HackGen35"; */
    /* --override-font: "BIZ UDPゴシック"; */
    /* --override-font: "Yu Gothic"; */
}

.cm-content {

sheepla

<#
.DESCRIPTION
Get physical memory (RAM) detailed information
#>

using namespace System.Collections.Generic

$memoryType = [Dictionary[int,string]]::new()
$memoryType.Add(0,"Unknown")
$memoryType.Add(1,"Other")