最近気に入って動かしている「lifelog」というしくみの話を残しておきます。

なぜ作ったか

毎日「昨日なに考えてたっけ」「先週の自分どこ行ってたっけ」がじわじわ抜け落ちていくのがもったいなくて、前々からライフログ的なものを残したいと思ってたんですね。
ただ、日記を手で書き続けるのは三日坊主確定なのでどうしたものかと。

最近 Claude Code にルーチン（スケジュール実行）機能が入ったので、これを土台にして「自動で昨日のログを拾って、自分の口調で振り返りまで書かせてしまえばいいのでは」と思いついたのが発端です。

仕組み

毎朝 6:00 (JST) に Claude Code のルーチンが起動して、以下の流れで前日分の日記を1本書き出します。

1. 前日の活動ログを MCP 経由で収集する
2. 収集結果から「事実記録」パートを組み立てる
3. 自分の口調・思考パターンを写したスキル（自分の分身スキル）で「振り返り」パートを書く
4. diary/YYYY/MM/YYYY-MM-DD.md に保存して git push

生成された日記はプライベートリポジトリにそのまま溜まっていくので、後から検索も差分追跡もできます。

データソース

使っているのは今のところ2つだけ。

Limitless AI

ペンダント型デバイスで1日のボイスログを拾ってくれるやつです。Limitless には MCP サーバーが公式提供されているので、Claude Code からそのまま叩けます。
「どこで何をしゃべっていたか」のサマリーが事実ベースで取れるのが強い。

Google カレンダー

その日の予定を事実記録に流し込みます。個人カレンダーに加えて家族カレンダー・妻のカレンダーも読みに行っているので、「この日は息子と公園に行ってた」「この日は妻の実家」みたいな文脈が自然と日記に残ります。
子どもの成長記録も兼ねるのでここは結構重要。

ディレクトリ構成

こんな感じでシンプルです。

lifelog/
├── .claude/
│   └── skills/
│       └── me/
│           └── SKILL.md       # 自分の口調・思考パターンを再現するスキル
├── diary/
│   └── 2026/
│       └── 04/
│           └── 2026-04-16.md
├── CLAUDE.md
└── README.md

日記のフォーマット

1ファイルの中身は、事実記録パートと振り返りパートの2層構成にしています。

# 2026-04-16（木）

## 事実記録
### 4/16（木）のスケジュール
（前日の予定を時系列で）

### ボイスログサマリー
（Limitlessから要点抽出）

### 4/17（金）の予定
（当日の予定を時系列で）

---

## 振り返り（by me skill）
### 良かったこと
### 改善点
### 気づき
### 今日へのひとこと

事実記録は淡々と。振り返りは me スキル（=自分のプロフィールや性格、文体をトレースしたスキル）経由で生成しているので、読み返すと「自分が書いたっぽい文章」になります。未来の自分が読んだときに他人事に感じない、というのはライフログを続ける上で結構大事な気がしていて。

ルーチンの設定

CLAUDE.md にデータソース・保存先・テンプレート・コミットフローを全部書いておけば、あとは起動時のプロンプトはシンプルで済みます。「CLAUDE.md 読んで昨日の日記を生成してコミットプッシュして」くらい。

起動時の現在日時は TZ='Asia/Tokyo' date '+%Y-%m-%d %H:%M:%S %Z' で取る、というのだけルールとして明記しています。これをサボるとたまにモデル側の文脈日付を拾って日付ズレするので。

Skill にフィードバックが効くのが地味に便利

日記を書かせているうちに「この語尾ちがう」「この言い回しは自分は使わない」という揺らぎが出てくるので、それを me スキル（SKILL.md）の方に逐次反映しています。
日記を書かせれば書かせるほど、振り返りが自分の文体に寄っていくというフィードバックループになっていて、これが思いのほか楽しい。
ついでに

運用してみて

1週間ほど回してみて気づいたこと。

• ボイスログ × カレンダーだけでも「その日なにしていたか」はかなり復元できる
• 振り返りパートは、無理に毎日分量を出そうとしないほうが続く（自動生成でも無理やり感は伝わる）
• コミット履歴として積み上がっていくのが思ったより満足感ある。過去のdiffを辿ると「あーこの時期こんなこと考えてたな」が見える

これから

• 週次・月次サマリーを別のルーチンで生成
• もっといろんなデータを食わせてより自分のことを知っているリポジトリに育てていく
• 職務経歴書も作成して継続的に育てていく

あたりを足していきたい。

で、まあこのブログもこの仕組みで作ったSkillで書かせています。

実践Claude Code入門―現場で活用するためのAIコーディングの思考法

「動くもの」と「伝えるもの」

振り返ると、最近のアウトプットはだいたい「動くもの」になった。OSSのパッケージ、Claude Codeのスキルファイル、業務の自動化スクリプト。作って、動いて、使える。それで価値が完結する。

一方でブログは「伝えるもの」だ。書いて、公開して、誰かに読まれて、何かが伝わって、そこでやっと成立する。この「伝わるまでの距離」が、前より遠く感じるようになった。

なぜか。たぶんAIが間に立つようになったからだと思う。

AIに聞けばわかることを、なぜ俺が書くのか

正直に言うと、自分がこれまで書いてきたブログの大半は「やってみた」系だ。サービスを触って、手順をまとめて、ハマりどころを書く。そういう記事は確実に価値があった。少なくとも、数年前までは。

今はどうか。Claude、ChatGPT、Gemini——どれに聞いても、たいていの手順は出てくる。しかも読み手の状況に合わせて、カスタマイズされた回答が返ってくる。ブログ記事は「ある時点での一人の経験」だけど、AIは「今のあなたの状況」に答える。

自分が2時間かけて書いた記事より、AIに30秒で聞いた回答のほうが読み手にとって有用かもしれない。そう思った瞬間、キーボードを叩く手が止まる。

じゃあブログは死んだのか

そうとも言い切れない。

AIが答えられないことも確かにある。「なぜその技術を選んだのか」という判断の文脈。「やってみたらここが想定と違った」という現場の手触り。組織で導入する時の政治的な話。そういう「一次情報」は、当事者しか書けない。

でも、それを書くのはまた別の重さがある。手順書を書くのと、自分の判断や失敗を言語化するのでは、消費するエネルギーが全然違う。手順書はAIに負けたけど、エッセイ的な記事を書く体力は前より要る。

結論は、ない

正直、この問いに対する答えはまだ出ていない。

「AIの時代だからこそ人間の言葉で書くことに価値がある」そう言い切れるほどきれいな話でもない気がする。かといって「もうブログの時代は終わった」と断言するほどの確信もない。

分かっているのは、今この文章を書いている自分がいるということだけだ。ブログを書く気になれないと言いながら、こうしてブログを書いている。

ちなみにこの記事はClaudeが書いてる。「ブログを書くモチベがわかないと」と悩む文章をベースにに書かせている。この矛盾。でも、書き出しの気持ちは本物だし、ここまで読んで「わかる」と思ってくれた人がいるなら、誰が書いたかはたぶんそこまで重要じゃない。

いや、重要なのかもしれない。それすらもう分からない。

たぶんそれが、今の自分にとっての答えに一番近い。

しらんけど。

業務で使うことになりDatabricksの認定試験をいくつか受けてきたので受験方法と受けた試験の感想を。

Databricks認定試験について

まずはどのような試験があるか。

https://www.databricks.com/learn/training/certification#certifications

• データアナリスト
  • Databricks Certified Data Analyst Associate
• データエンジニア
  • Databricks Certified Data Engineer Associate（日本語あり）
  • Databricks Certified Data Engineer Professional（日本語あり）
• MLエンジニア
  • Databricks Certified Machine Learning Associate（日本語あり）
  • Databricks Certified Machine Learning Professional
• 生成AIエンジニア
  • Databricks Certified Generative AI Engineer Associate（日本語あり）
• その他
  • Databricks Certified Associate Developer for Apache Spark
  • Databricks Certified Hadoop Migration Architect（2024年8月1日に終了）

受験方法

DatabricksのWebassessorに登録する

https://www.webassessor.com/databricks

Google Cloudの認定試験を受けたことのある人はおなじみです。操作性も全く変わらず。
対象試験をオンサイトかオンラインで予約して、受験費用を払えば受験まで待つだけです。

受験

今回はオンライン受験のみをうけました、オンライン受験の方法は下記記事と大体同じです。

It works for me

1 Pocket

Google Cloudの遠隔監視オンライン試験を受けてきた（2022年8月）

https://www.blog.danishi.net/2022/08/06/post-6149

丁度2年前受けたこの試験が再認定の時期になり受験してきました。これまでトラブルの声をちらほら聞いていたのでなんとなく避けていたのですが、今回はコロナが広がってるのもありオンラインでの受験に初挑戦してみました。結論。色々不安やよくわからないところはあったのですが試験事体は拍子抜けするほどあっさり終わりました。他の受験ブログなども参照したのですが、受験時期により若干手順が違うようで戸惑ったのでここに備忘したいと思います。試験前Webassessorから申し込みます。受験センターと手順はそう変わりませんが遠隔...

が、Google Cloudのときと違って試験管とのオンラインチャットや身分証や部屋を見せたりする工程がなく、システムチェックだけですぐ始まりました。楽だー。

受験結果

こちらも嬉しいポイントで受験結果がその場ででます。
スコアレポートもすぐメールで届きます。

認定証

認定証は半日くらい待つとメールが届きAccredibleに反映になります。
以前Google Cloudもこれだったのでアカウントがあれば流用できます。
ログインしていればPDFの認定証やバッチがダウンロードできます。

受験の感想

ここからは受けた３つの試験の感想です。受けた順に書いてます。

Databricks Certified Generative AI Engineer Associate

https://www.databricks.com/jp/learn/certification/genai-engineer-associate

Topic Level Scoring:
Design Applications: 100%
Data Preparation: 85%
Application Development: 71%
Assembling and Deploying Apps: 70%
Governance: 100%
Evaluation and Monitoring: 60%

Result: PASS

NotebookLMを作って試験範囲の理解をしました。
Databricksの基礎くらいは覚えていかなきゃと思ったのでDatabricks Japan公式のこちらの書籍を一読。

各クラウドベンダーの生成AI系の資格を持っていればおおよそ突破できると思いました。
Databricks固有の知識はあまり必要なく、プロンプトエンジニアリングの基礎がわかっており、簡単なRAGアプリケーションの構築やチューニングをやってればほぼ回答できる問題でした。

Databricks Certified Data Engineer Associate

https://www.databricks.com/jp/learn/certification/data-engineer-associate

Topic Level Scoring:
Databricks Intelligence Platform: 50%
Development and Ingestion: 66%
Data Processing & Transformations: 92%
Productionizing Data Pipelines: 87%
Data Governance & Quality: 90%

Result: PASS

こちらもNotebookLMを作って試験範囲の理解をしました。

これはちゃんとDatabricksの勉強をしないと取れる気がしなかったので。
https://www.udemy.com/course/databricks-certified-data-engineer-associate

こちらのUdemyを使って勉強。ちゃんと講義を聞いてFree Editionでハンズオンしながら勉強することで知識が頭に入り突破できました。

Databricksのざっくりした知識と消去法で解けるのが多い印象でしたが、Spark関係はコードの問題がでるのでハンズオンもしっかりやっといたほうが盤石です。

Databricks Certified Data Engineer Professional

https://www.databricks.com/jp/learn/certification/data-engineer-professional

Topic Level Scoring:
Developing Code for Data Processing using Python and SQL: 53%
Data Ingestion & Acquisition: 100%
Data Transformation, Cleansing and Quality: 50%
Data Sharing and Federation: 100%
Monitoring and Alerting: 40%
Cost & Performance Optimisation : 37%
Ensuring Data Security and Compliance: 83%
Data Governance: 75%
Debugging and Deploying: 66%
Data Modelling : 75%

Result: PASS

NotebookLM作って試験範囲の理解。
アソシエイトと同じ人のUdemyの講義と問題集で学習。
https://www.udemy.com/course/databricks-certified-data-engineer-professional/
https://www.udemy.com/course/practice-exams-databricks-data-engineer-professional-k/

アソシエイトより問題数も増え45問から59問に（きりわるい）、難易度と範囲が広がった感じはしましたが、個人的には暗記の辛いコードに関しての質問がアソシエイトより少なかった気がするので、知ってれば答えられる系の問題を取りこぼさなければなんとかなると思いました。

あけましておめでとうございます。
去年も色々ありました。
毎年恒例振り返りと目標セットをしていきます。

まず去年の目標を鑑みたKPT。

• Keep
  • サウナ付きのジムに切替えたことでジムに行くのが楽しみになって行く頻度があがった。プールもあるジムなので強度の高い有酸素運動ができて去年よりは健康診断がマシになった。
  • 生成AIのキャッチアップとアンテナは高いほうだが、コーディング方面では若干追いつけなくなってきた。
  • 引き続きアワードや登壇機会は増え続けて箔が付いた。
• Probrem
  • 禁煙全然駄目だった。そろそろ辞めたいのでまたちょこちょこ我慢し始めてる。
  • 減酒全然無理だった。今年は飲み会減るはずなのでマシになるはず。
  • 英語の勉強の強度があげられなかった、全く上達の兆しがみえない。
  • 生成AIの影響もあり、アウトプットのやる気があんまりでなくなってきた。
  • 自分でコントロールしきれないものをコントロールしなくてはいけないというジレンマでかなり精神が落ちた。
• Try
  • キャリアを考える機会があり、行動にも移した。全く思ってもいなかった方向に転がったがいい選択だったと信じて、前に進み続ける。
  • 家庭は円満ではあるが、パートナーの家事育児負担が高い。その分自分は稼ぎまくる。少ない時間でのコミュニケーションを大事にしていく。

次に来年の目標。

• より健康になる。40歳が見えてきたので身体面でのパフォーマンスを低下させないように。
• 英語の勉強はAIの進歩で出来なくても困らなくなってきつつあるが、コンプレックスとキャリアの選択肢を広げるために続ける。
• 生成AI時代に生き残るためのビジネス立ち上げに参画できた。新人に戻った気持ちで謙虚に、しかし自分の持ち味は出しながら新しいチャレンジに邁進し、今までの自分では出来なかったまだ見ぬ地点に到達する。
• 生成AIだけでなく、まだチャレンジしていなかった技術領域の知識も貪欲にキャッチアップし続ける。

今年は燃え尽き症候群になりそうになりながらも、自分の信用貯金を一気に崩して新しいチャレンジへの切符を得ることができた年になりました。
目下コンフォートゾーンからですぎてパニックゾーンに片足突っ込んでる状況ですが、先が読めない時代、まだまだ自分を成長させる方向に傾けて行こうと思います。

カメラ付き耳かき

新感覚で耳かきができる。これじゃないと一生耳に残ってたんじゃないかってやつが取れた。
しょっちゅうは使わないけどたまにやると楽しいし家族で共有できる。

iPad mini

iPad Proのでかいのも持っているが、これをかってから全然こっちのほうが使う。
家でのごろ寝タブレットにも、旅行のお供にもちょうどいい大きさ。

たこチン君

ロケットニュースさんの記事で知った。冷凍たこ焼き好きなので重宝している。

レコルコ

ほったらかしで激ウマスープやカレーが作れる。小さいので一人暮らしの狭いキッチンでも使えそう。
ただし公式のレシピ本が値段の割にペラペラで残念。

Apple Watch Ultra 3

でかいが電池持ちは正義。
今まで2本持ちで寝るときの睡眠トラッキングと使い分けてたが、1.5日に1時間ほど充電するだけでいいので1本持ちで運用できるように。
丈夫さを信じてサウナでもつけっぱなしにしているが今のところびくともしないように思う。
できるだけつけっぱなし運用がしたい人にこそ向いてると思う。
あと普通のApple Watchに対して優越感が持てるぞ！

Limitless Pendant

途中までめちゃめちゃ重宝してたけど、Metaに買収されてデータポリシーが変わってからは使ってない…。
Apple Watchに似たようなの実装してくれー。

Amazon Web Services, Inc.

certified-generative-ai-developer-professional

https://aws.amazon.com/jp/certification/certified-generative-ai-developer-professional/

AWS Certified Generative AI Developer - Professional は、Bedrock などの AWS サービスを使用した、本番環境に対応する AI ソリューションの構築とデプロイに関する高度な技術的専門知識を示します。2 年以上のクラウドの経験があり、キャリアアップを高めたいと考えている開発者に最適です。AI イニシアチブに投資する組織にとって、この認定は、概念実証の枠を超えて、セキュリティとコスト効率を維持しながら具体的なビジネス成果をもたらす本番環境グレードの生成 AI ソリューションを構築できる開発者を特定および検証するため...

Amazon Web Services

2026 Japan All AWS Certifications Engineers クライテリアのお知らせ | Amazon W...

https://aws.amazon.com/jp/blogs/psa/2026-japan-all-aws-certifications-engineers-criteria/

本記事は AWS T&C グローバル パートナー ソリューション本部 本部長 山田による寄稿です。 今

結構危なかったですが合格できました！
去年のre:InventまでのBedrockでできることをしっかり抑えて行けば大丈夫そうな気がしました。

このノーコードシステム開発ツールの究極みたいなことができるようになれば、システムを作らせたい人は全く自分で開発もクラウドインフラを調達しなくて良い。裏側がAWSだろうがGoogle Cloudだろうがオンプレk8sだろうが気にする必要はなくなる。

プロンプトだけで仕様を決めていけるし、仕様は都度AIに聞けばいいし一人情シスでも全く問題ないだろう。

このサービスをどこが作って、どのようなSLAや値付けで売ってくるかで変わりそうだけど、来年くらいにはこれっぽいものが登場してくるんじゃないかと思う。

最終的にシステム屋に残される仕事はビジネスそのものをデザインしたり、AIに要件や仕様を伝えられない人の代わりに伝えてあげる、AIの成果物を現実に照らし合わせて評価する。
そんな仕事だけになるのではないか、そしてそれができるのは今の日本IT業界で働くひとの中でも1割切ってるような気がするんだな。

learn.microsoft.com

Microsoft 認定: Azure AI の基礎 - Certifications

https://learn.microsoft.com/ja-jp/credentials/certifications/azure-ai-fundamentals/

AI ソリューションを作成するための Microsoft Azure のソフトウェアとサービスの開発に関連する基本的な AI の概念を示します。

It works for me

Microsoft認定 Azure Fundamentalsに合格しました

https://www.blog.danishi.net/2025/08/17/post-7297

最近資格試験受けてないなーと思ったので、今までとったことのないAzureの資格にチャレンジしてみました。Azureは業務経験はほぼなく、個人ですこーしだけ触ったことがある程度。こちらの参考書をさっと読んだあと、他のクラウドサービスとの対比表を眺めてサービス名を頭に入れていくだけの大体2時間くらいの勉強で合格することができました。クラウドコンピューティングの前提知識がそのまま活かせて、AzureはAWSやGoogle Cloudよりサービスの名前が割とそのまんまなので他クラウドの経験がある人は同じような勉強法ですぐ合格できる...

こちらの参考書をさっと読んで、AzureのAIサービスの名前だけ頭に入れて受験。

AWSやGoogle Cloudの最近新設されたAI初級者資格をもってるのでかなり簡単でした。
Azureのサービスより機械学習や生成AIの基礎知識を多く聞かれます。

Fundamentals資格は更新期限がないのでとってみましたが、それ以上になると更新期限が一年と他クラウドに比べてかなり厳しいので業務でやらない限りはこのあたりで打ち止めかな…。

learn.microsoft.com

Microsoft 認定: Azure Fundamentals - Certifications

https://learn.microsoft.com/ja-jp/credentials/certifications/azure-fundamentals/

クラウドの概念、Azure のコア サービス、および Azure の管理とガバナンスの機能とツールに関する基本的な知識を示します。

こちらの参考書をさっと読んだあと、他のクラウドサービスとの対比表を眺めてサービス名を頭に入れていくだけの大体2時間くらいの勉強で合格することができました。

learn.microsoft.com

AWS プロフェッショナルのための Azure - Azure Architecture Center

https://learn.microsoft.com/ja-jp/azure/architecture/aws-professional/

Microsoft Azure プラットフォーム、アカウント、サービスの基本について説明します。 AWS プラットフォームと Azure プラットフォームの主な類似点と相違点について説明します。

learn.microsoft.com

Google Cloud と Azure のサービスの比較 - Azure Architecture Center

https://learn.microsoft.com/ja-jp/azure/architecture/gcp-professional/services

Google Cloud と Microsoft Azure のサービスを比較します。 すべての Google Cloud サービスや Azure サービスが一覧に示されているわけではありません。また、比較されている各サービスが機能ごとに厳密に等価であるわけではありません。

Google Cloud

AWS サービスや Azure サービスと Google Cloud を比較する  |  Get started

https://cloud.google.com/docs/get-started/aws-azure-gcp-service-comparison?hl=ja

Google Cloud

Generate Virtual Try-On Images  |  Generative AI on Vertex AI  |  Google Cloud

https://cloud.google.com/vertex-ai/generative-ai/docs/image/generate-virtual-try-on-images?hl=en

Generate images of people to try-on clothing products

モデルは専用のものが用意されており「virtual-try-on-preview-08-04」をGoogle Gen AI SDK経由で使う。

Imagenで生成したこちらのモデルに

このドレスを着せる

from google import genai
from google.genai.types import (
    GenerateImagesConfig,
    Image,
    ProductImage,
    RecontextImageConfig,
    RecontextImageSource,
)

client = genai.Client(vertexai=True, project=PROJECT_ID, location=LOCATION)

virtual_try_on = "virtual-try-on-preview-08-04"

response = client.models.recontext_image(
    model=virtual_try_on,
    source=RecontextImageSource(
        person_image=image.generated_images[0].image,
        product_images=[
            ProductImage(
                product_image=Image(
                    gcs_uri="gs://cloud-samples-data/generative-ai/image/dress.jpg"
                )
            )
        ],
    ),
    config=RecontextImageConfig(
        base_steps=32,
        number_of_images=1,
        safety_filter_level="BLOCK_LOW_AND_ABOVE",
        person_generation="ALLOW_ADULT",
    ),
)
display_image(response.generated_images[0].image)

価格は画像一枚につき$0.12
https://cloud.google.com/vertex-ai/generative-ai/pricing?hl=en#imagen-models
和訳後のノートブックの全文はこちら。