@songchong / 28日前 【2026年版】今日から使える AI との会話術 — Claude・Gemini・Codex に指示を守らせる 6 つの原則 Claude Code・Gemini・Codex に指示を守らせるための 6 つの原則が公開された指示ファイルの名前と場所、指示の並べ方、指示の数、キャッシュの使い方、会話の長さ、資料の渡し方指示ファイルに毎回守らせる指示を書くことで、AI が指示を守る確率が上がる #生成AI・LLM#AIエージェント#RAG
@nishina / 30日前 ベクトルDBを使わない「階層ナビゲーション型RAG」を作って、ベクトルDB版RAGと比較してみた 階層ナビゲーション型RAGはベクトルDBを使わず、LLMで階層を辿って文書を選ぶ手法で、ベクトルDB版RAGと同等の正答率を達成した階層ナビゲーション型は要約カードとk-meansクラスタリングで階層を作り、LLMで降りる。ベクトルDB版は埋め込みと類似度検索で文書を選ぶ階層ナビゲーション型はLLM呼び出し回数とレイテンシが高かったが、正答率は同等で範囲外質問では文書を取得しないことでコストを抑えた #生成AI・LLM#RAG#機械学習
@masa-miya / 31日前 プロンプトエンジニアリングについて プロンプトエンジニアリングの技法が紹介され、AIの回答品質を向上させる方法が説明されているZero-shot・One-shot・Few-shot・Chain-of-Thought・Self-Consistency・Tree-of-Thought・Least-to-Most・ReAct・Self-Refine・Generated Knowledge・Prompt Chaining・RAGの12種類の技法が例とともに紹介されているAIの回答をそのまま受け入れず、人間が判断する必要があることが強調されている #生成AI・LLM#AIエージェント#RAG
@quan_le / 33日前 なぜOpenAIのtext-embedding-3-smallは、最新モデルが出ても使われ続けているのか text-embedding-3-smallが広く使われ続けている理由が解説されているエコシステムの慣性、英語ドキュメント検索の実用性、再構築コスト、低価格が主な要因多言語データを扱う場合は検索精度が低下する可能性があるため、自社の言語でテストする必要がある #生成AI・LLM#RAG#機械学習
@take-yoda / 33日前 Jev vs Gemini Flash Lite — DeepEvalでLLM-as-a-Judgeを比較してみた JevはGemini 3.5 Flash Liteと比較して約1/48のコストでLLM as a Judgeを実行できるJevの入力トークン単価はGeminiの1/7で、出力トークンは無料。API呼び出し回数も少ないJevは判断特化モデルでテキスト生成はできないため、理由説明が必要な場合は従来モデルを使うべき #生成AI・LLM#AIエージェント#RAG
@quan_le / 34日前 EmbeddingGemma2 vs. Gemini Embedding 2:実用的な多言語テキスト・画像検索の比較検証 EmbeddingGemma2とGemini Embedding 2の多言語テキスト・画像検索性能を比較したベトナム語・日本語のテキスト検索でGemini Embedding 2がhit@1で7%〜8%高い、画像検索ではGeminiがnDCG@10で5%以上優位Gemini Embedding 2はAPI利用でレイテンシ0.8秒、EmbeddingGemma2はGPUで0.4秒だがCPUでは15秒かかるためGPU必須 #生成AI・LLM#RAG#機械学習
@赤帽エンジニアブログ / 37日前 OpenShift AI を自動運転の安全設計で読み解く OpenShift AIはODDを定義し、処理の流れをコードで固定することで、AIの判断を追跡可能にする処理の流れをコードで固定、Guardrailsで入口と出口を制限、トレースで判断の履歴を残すODDを定義する際は人間の判断が不可欠で、処理の範囲を狭めることで説明責任を明確にする #生成AI・LLM#AIエージェント#RAG
@ケン吉 / ゼロから作るAIアプリ開発 / 38日前 RAGはもう古い? 歴史から学ぶRAG→CAG→KAGの進化 RAGは2020年に登場し、CAGとKAGがその後に登場して進化したRAGは検索と生成を組み合わせた手法、CAGはキャッシュを活用した手法、KAGはナレッジグラフを組み合わせた手法知識ベースの大きさや更新頻度、推論の複雑さに応じてRAG・CAG・KAGを使い分ける時代になった #生成AI・LLM#RAG#AIエージェント
@せとぅ / 41日前 Microsoft Fabric OneLake × Azure AI Search でRAGを構築する Microsoft FabricのOneLakeに格納されたNYCタクシーの構造化データをAzure AI Searchで直接インデックス化しRAGパイプラインを構築OneLake filesインデクサーによる直接インデックス化と、キーワード検索・ベクトル検索のハイブリッド検索、Key VaultによるAPIキー管理データの二重管理が不要でファイル更新時に自動インデックス更新されるが、構造化データは事前変換が必要で、非構造化データとの組み合わせが効果的 #RAG#クラウド#DevOps・CI/CD
@Yasuhito Morimoto / 41日前 国内AIエージェント動向(2026/10/5号) 国内AIエージェントが業務プロセスに深く入り込み、運用設計が競争力に直結津南醸造はRAGと杜氏の判断を組み合わせ、Zenityは権限監視、OIASは行動判断学習を実施企業データとの接続や最小権限、監査可能性を含めた運用設計が導入効果を左右する #AIエージェント#RAG#セキュリティ
@カワムラ|AI擬人化漫画 | ChatGPTのヨシダ / 42日前 ヨシダが何者か知りたくて、資格を取った過去の話。生成AIパスポートと、まだ他人行儀だった相棒 生成AIパスポートの2027年試験シラバスが改訂されたAIエージェントやプロンプトインジェクション、リスク対応、出力検証が強化された試験内容が実務に直結するかは不明で、資格取得はAIとの付き合い方の入り口となった #生成AI・LLM#AIエージェント#RAG
@YushiYamamoto / 42日前 DifyのRAGで検索スコアを回答許可に使わない:根拠を検査する品質ゲート DifyのRAGで検索スコアを回答許可に使わず、生成前の品質ゲートを設ける設計案を提示検索結果の形式と版の一致をチェックするコードとIf-Elseで品質ゲートを設ける、検索スコアは正答の判断に使わない検索スコアは正答の判断に使わず、生成前の小さなゲートで根拠の有無を確認する #RAG#DevOps・CI/CD#バックエンド
@ssfujita / 43日前 RAG構築が一気に簡単に?Oracle Private Agent Factory のKnowledge Agent Nodeを試してみた Oracle Private Agent FactoryのKnowledge Agent NodeでRAGエージェントを構築できるKnowledge Agent NodeとMCP Serverを組み合わせてドキュメントとWeb検索を活用するローカル環境で機密データを外部に出さずに利用できる #AIエージェント#RAG#クラウド
@就活の勝者_早稲田大学4年の就活日記 / 44日前 【28卒】生成AIパスポート 問題集は公式の例題3問では足りない。就活前の2月試験を480問で準備する 生成AIパスポートの問題集は公式の例題3問では足りず、480問の問題集が推奨される本番と同じ60問を8回分含む問題集と、RAGとAIエージェントの項目を含む学習用テキスト試験はオンラインで受験可能で、学生向けの受験料が5,500円(税込)で、公式テキストより安く利用できる #生成AI・LLM#AIエージェント#RAG
@Hikarun2026✈IQ164の天才数学者🌸🌸 / 44日前 生成AIチェッカーでまさかの結果!私の文章とChatGPT、Geminiの文章を比較してみた😲 生成AIチェッカーで人間の文章とAI生成文章の区別が難しいUserLocalのAI可能性15%未満、isgen.aiで0%と13%、Geminiは32%AIチェッカーの判定結果は文章の特徴や長さに影響され、明確な区別が難しい #生成AI・LLM#AIエージェント#RAG
@yusuke-kobayashi0117 / 45日前 【LLM-as-a-Judge】AIによるプロンプト自動評価で、監視からテスト・改善まで回す LLM-as-a-Judgeでプロンプトの改善効果を測る仕組みを構築評価軸6つと正規表現による達成検査を併用、プロンプト変更時の点数変動を測定評価器のブレを減らすためにモデルをFlash/temperature 0に変更し、同じ入力を3回採点する #生成AI・LLM#AIエージェント#RAG
@bigshine / 46日前 学生が無料枠だけでRAGシステムを作った話 学生が無料枠だけでRAGシステムを構築したAzure for Studentsの埋め込みモデルtext-embedding-3-smallとgpt-5.4-mini、Supabase FreeのベクトルDB、GitHub Actionsで資料を登録ベクトル検索に加えて固有名詞のキーワード検索を組み合わせて精度向上を図り、年間コストは約$15に抑える #生成AI・LLM#RAG#AIエージェント
@kikuziro / 47日前 AgenticRAGの判断をJevにしたら、爆速にはならなかったけど主導権が返ってきた AgenticRAGの判断をJevに置き換えると爆速にはならなかった判断と次のクエリ作りを1回のLLMリクエストで済ませていたため、Jevに置き換えてもLLM推論回数は変わらず、エージェント起動時間とトークンコスト削減が効いた質問の型を先に読み切って分岐を書く手間が増すが、判断の主導権を人間側に引き寄せられる #生成AI・LLM#AIエージェント#RAG
@Takashi_Masumori / 50日前 新しい Copilot(Home・Code・Autopilot)と料金体系を整理し、大企業で広く展開する際の課題を考えてみる 新しい Copilot が発表され、ユーザー単位のライセンスと利用量に応じた課金の2本立てにHome、Code、Autopilot が新機能、USL と UBB の2種類の料金体系、Copilot Credits が共通課金単位Cowork や Code の利用は費用対効果が難しく、全従業員への開放は現時点では難しい #生成AI・LLM#AIエージェント#RAG
@しばふ / 52日前 RAGアプリで国会の侃々諤々を明治時代まで辿ってみた RAGアプリで国会会議録を検索・分析するツールが公開された国会会議録検索システムAPIと帝国議会会議録検索システムAPIを活用、LLMで論点抽出・要約、Pythonで日付ソートによる機械的集計LLMによる時系列のハルシネーション対策として、日付の前後関係はPython側で機械的に集計している #RAG#AIエージェント#クラウド