Scraps 最終更新 2026/11/16 11:40

AI関連ブログ記事まとめ

@Kokuto821 /

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

@THINK NODE /

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

@Atotti /

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

@nr-mito /

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

@songchong /

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

@songchong /

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

@Busta /

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

@okshin-yk /

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

@shirok /

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

@rikachiii /

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

@Tachiuo /

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

@sogenasano /

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

@suikou0 /

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

@tetsuro731 /

【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

@y-moriya /

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

@berrylove /

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