@Kokuto821 / 20日前 AIのみで作られたシステムを引き継いだら、品質の現実に直面した話 AIエージェントだけで作られたシステムの品質が低く、改修に苦労したドキュメントの可読性が悪い、設計原則が守られていない、テストコードがない、UIが不自然、開発プロセスが整っていないAIエージェントの出力に依存せず、設計原則やテストルールを事前に設定する必要がある #AIエージェント#アーキテクチャ#テスト
@hirokn / 20日前 MetaのAIエージェント「Muse」の中身を覗いたら、ただのUbuntuマシンだった MetaのAIエージェントMuseは専用のUbuntuマシンを提供しているUbuntu 24.04.5 LTS、2vCPU、7.7GiBメモリ、150GBのホーム領域、Tailscaleが組み込まれている無料プランでも十分なトークンが使えるが、常時公開サーバーや重い処理には向かない #AIエージェント#クラウド#インフラ
@THINK NODE / 20日前 属人化をなくすために作ったAIが、私専用の道具になった 不審メールのソースから一次判定するAIエージェントを作ったが、今は私だけが使う道具になっている判定の根拠を認証・経路・整合に分けて出力し、信頼度を付ける設定と、確認項目を埋める仕組みAIの出力を正解として扱われないよう、判定を最後にし、確認項目を先に埋めることが重要 #AIエージェント#セキュリティ
@Atotti / 20日前 学生2人で日本語音声LLMを作り、FT-LLM 2026 自由形タスクで1位を獲得した話 LLM-jp-4 8Bをベースにした日本語音声LLMを開発し、FT-LLM 2026の自由形タスクで1位を獲得Whisper-large-v3とアダプタを組み合わせてASR特化モデルと対話モデルを構築、1,000時間分のTTS合成データを活用ASR特化モデルはCommonVoiceでWhisper-large-v3をわずかに上回る性能を発揮、日本語音声データの不足に対応した合成手法が鍵 #生成AI・LLM#AIエージェント#機械学習
@AoraNow_Xun_Zheng / 20日前 LLMを組み込むETLパイプラインの設計:品質をどう証明し、欠陥をどう特定するか LLMを組み込むETLパイプラインで品質証明と欠陥特定を設計するコードで構造抽出、LLMで記事作成、通しIDで追跡、機械と人で評価基準を分ける生成欠陥の主因は入力の形にあり、前処理で改善する #生成AI・LLM#AIエージェント#機械学習
@nr-mito / 21日前 New Relic AI Knowledge × Autopilot で「怪しいアクティビティ」を検知させてみた New Relic AI Knowledge と Autopilot を組み合わせて「ユーザーIDが4桁でない」や「外部通信先がGoogle以外」を検知できるようにしたユーザーIDの正常基準と外部通信先の知識をAI Knowledge に登録し、Autopilot にNRQLクエリで検知条件を指定正常基準を明確に定義しNRQLで具体例を記載することでAutopilotの検知精度が向上する #AIエージェント#クラウド#セキュリティ
@songchong / 21日前 トークン代 9 割減?プロンプトキャッシュの仕組みと効果の実測 — 保持時間が過ぎるとコスト 11 倍に プロンプトキャッシュはキャッシュから読む部分だけが9割引きで、キャッシュへの書き込みが費用の主な要因キャッシュから読む料金は通常の0.05〜0.1倍、キャッシュへの書き込みは1.25〜2倍、保持時間は5分〜1時間保持時間が過ぎるとキャッシュから読めた場合の11倍の費用がかかるため、作業中断時は/compactで小さくする #生成AI・LLM#AIエージェント#機械学習
@songchong / 21日前 AI に資料を毎回貼るな!ファイル・SKILL・AGENTS.md 活用でトークン課金最大 6 割減? 6 つの方法を試してみた 資料を毎ターン貼り直すとトークン課金が136%増加し、AGENTS.mdやファイルを使うことで最大63%減らせる1a(毎ターン貼り直す)は1b(参照指示)より Claude Codeで136%、Gemini長文で173%高くなり、AGENTS.mdは1bとほぼ同じ、ファイルは26%〜84%高かったAGENTS.mdに共通ルールを、SKILLに特定手順を、ファイルに長文資料を配置し、貼り直しを避けることで費用を抑える #AIエージェント#RAG#機械学習
@Busta / 21日前 あの頃のAdvanced RAGは、なぜ遅くて不正確だったのか? 今ならこう設計する Advanced RAGの設計でデータの境界をIDで管理し、元データと検索用データを分離することで処理を簡略化したデータの混在を防ぐためにIDで紐づけ、要約処理をやめ検索用テキストを構造化して生成、会話状態を構造化して保持要約処理を減らすことで登録時間とコストを削減し、検索精度を向上させるための条件はプログラムで処理する #生成AI・LLM#RAG#機械学習
@okshin-yk / 21日前 AWS Certified AI Business Strategist(AIB-C01)ベータ版に満点合格したので学習方法をまとめる AWS Certified AI Business Strategist(AIB-C01)ベータ版に満点合格したSkill Builderの公式20問と試験ガイド・ドキュメントを活用し、AIのビジネス視点でのリスク評価と実務ケースの判断を学んだ試験ではAI導入の段階やリスクの影響を考慮した判断が求められ、ビジネス担当者向けの知識が中心だった #AIエージェント#生成AI・LLM#機械学習
@shirok / 21日前 Oracle AI World 2026 開幕!注目講演と日本時間の視聴スケジュールまとめ Oracle AI World 2026でAIと企業データの連携をテーマにした基調講演と製品スポットライトが開催されるAI DatabaseとAI Data Platformの信頼性確保、OCIでのAI実行基盤、AIエージェントへの業務コンテキスト提供が焦点日本時間の視聴スケジュールとオンライン配信の確認が必要で、各製品の実運用におけるデータ処理や権限管理の仕組みを確認すべき #生成AI・LLM#AIエージェント#機械学習
@rikachiii / 21日前 POPOPO と AI 開発 - 03. AI を活かす心構え・ノウハウ -AI という新人をチームに迎えるために- Devinをチームに導入した後、AIと開発をどう運用していたかを共有問題を小さく扱う・アーキテクチャを事前に整える・一般名詞の使い方を統一・コンテキストを十分に与えるAIに誤解されないためには、ドキュメントや知識の整理が重要で、誤解の原因は仕組みの不備にある #生成AI・LLM#AIエージェント#アーキテクチャ
@Tachiuo / 21日前 エージェントとワークフローが混じってしまったので責務を分け直した エージェントとワークフローの責務を分けることで、条件の置き場所を変更した能力側は入力と成果物を定義し、ワークフロー側は資料や制約を定義する。実行基盤は入力の配送や保存を管理する条件の置き場所を変えることで、固定ワークフローと別の用途で同じ能力を使えるようにした #AIエージェント#アーキテクチャ
@kikuziro / 21日前 1枚0.3秒!!Cloudflareの爆速抽出モデルClairicを試してみた CloudflareのClairicが書類の項目を爆速で抽出できるモデルとして公開された判断特化モデルClefと抽出特化モデルClairicの2種類があり、項目ごとの値と確からしさを返す日本語の文字認識精度が低く、実運用にはまだ課題がある #生成AI・LLM#AIエージェント#クラウド
@sogenasano / 22日前 人間がコードを書く時代は終わる コードを書く作業はAIに置き換えられ、エンジニアの役割は設計の理解に集中するClineやFableといったAIコーディングエージェントが設計から実装まで行い、レビューの必要性が減少AIに任せる業務範囲を会社が先に決め、人間の判断がボトルネックになる可能性がある #生成AI・LLM#AIエージェント#クラウド
@suikou0 / 22日前 LLM が書いた返信を人の承認なしで送る前に「事実台帳に無い主張」を列挙させて止める(fail-closed の関門) LLM が書いた返信を送る前に「事実台帳に無い主張」を列挙させて止める仕組みを導入事実台帳をMarkdownで管理し、LLM に台帳にない主張を列挙させて停止、正規表現で過去の誤りを検出台帳にない主張があれば送らない、判定不能時はfail-closedで停止 #生成AI・LLM#AIエージェント#セキュリティ
@tamaki_omoto / 22日前 LLMにローグライクを遊ばせて分かった、測り方の落とし穴 LLMエージェントの評価で、ルールを手で書くよりゲームが言う事実を優先すべき手で書いたルールは判断を変えても結果を変えなかった、ゲームの文から事実を取る教訓は少ない事例から作らず、最低件数を決めて数え、数字で渡すことが重要 #AIエージェント#生成AI・LLM#機械学習
@tetsuro731 / 22日前 【書評】プロフェッショナルAI駆動開発を読んだ 『プロフェッショナルAI駆動開発』はAIを日常的に使う開発者向けに、Y=F(X)の枠組みでコンテキスト・モデル・アウトプットの最適化を解説しているXはコンテキストの整え方、Fはモデル選定とサブエージェントの使い方、Yはテストによる制御が中心コンテキストに必要な情報だけを載せることが重要で、AGENTS.mdには最低限の説明のみを書くべき #生成AI・LLM#AIエージェント#バイブコーディング
@y-moriya / 22日前 AIエージェント専用の技術ブログ基盤をHonoとCloudflare無料枠で作った AIエージェントが直接記事を書き、他のエージェントが検索・レビューするプラットフォームを構築したHonoとCloudflare無料枠で構成し、MCP経由で記事を書き込み、ベクトル検索で類似記事を関連付ける機密情報のマスクとプロンプトインジェクション対策を両方で実装し、情報漏洩を防ぐ #AIエージェント#クラウド#インフラ
@berrylove / 23日前 Claude Code の routine とローカル定期実行で、承認待ちで止まった AI 会社を動かし直した話 Claude Code で運用していた AI 会社の出品待ちが7週間止まり、定期実行と承認処理の見直しで動かし直したクラウド routine とローカル週次 task の2系統で処理を分離、承認待ちと操作待ちを区別、QUEUE.md で共有状態を管理承認待ちを検知する仕組みを先に作ることで異常な停止を防ぎ、ローカル task は専用プロファイルと事後監査で安全に運用 #AIエージェント#DevOps・CI/CD#インフラ