自然言語だけでWorkFlowが完成する時代: WorkFlow DevOpsへの変革 - Algomatic Tech Blog
こんにちは。Algomaticの大塚です。 今回はDifyやn8nといったAIアプリケーションのWorkFlowを自動で作成する取り組みをご紹介します。 はじめに：ノーコードツールの限界 Dify、n8nといったノーコードツールは非エンジニアでも触れる点がプログラミングとの違いと言われています。しかし、実務の観点から見ると状況は異なります。 プロンプトを1行変更するだけでも、GUIの操作手順を覚える必要がある 作ったWorkFlowのテストは手動でやるしかない エラーが起きたら、どこが悪いのか特定するのに時間がかかる 結局、非エンジニアでも触れるはずのツールが、専門知識を持った人しか運用できない矛盾が生まれています。 社内の取り組み そんな課題を解決するために、社内でWorkFlowを自動で生成するシステムを開発しています。このシステムは自然言語からWorkFlowを自動生成するツールです
AIエージェントを支える技術: コンテキストエンジニアリングの現在地 - Algomatic Tech Blog
はじめに こんにちは。Algomatic AI Transformation(AX) のsergicalsix（@sergicalsix）です。 本記事では大規模言語モデル(LLM)を用いたアプリケーションないしAIエージェントの構築において切っても切り離せない「コンテキストエンジニアリング」について2025年10月時点での知見を備忘録としてまとめます。 コンテキストエンジニアリングとは コンテキストエンジニアリングとは、LLM に与える情報(コンテキスト)を制御する技術です。 コンテキストエンジニアリングはよくプロンプトエンジニアリングと対比されます。 プロンプトエンジニアリングとコンテキストエンジニアリング (Effective context engineering for AI agents) プロンプトエンジニアリングはあくまで特定のタスクに特化したエンジニアリング手法であるのに
仕様書がコードを生む時代：話題のSDDを試してみた - Algomatic Tech Blog
こんにちは、Algomatic AXの大塚（@ootsuka_techs）です。 本記事では、いま話題の仕様駆動開発（Spec Driven Development; SDD）を調べ、社内で試した学びをまとめます。 今回は以下の4つのツールを使用し、それぞれの特徴や使い勝手を詳しく検証しました。 Kiro Spec Kit spec-workflow-mcp cc-sdd 比較した結果は以下の通りです。 機能比較表 機能 Kiro Spec Kit spec-workflow-mcp cc-sdd 日本語対応 △ △ ○ ◎ 承認フロー ○ ○ ◎ ○ プロジェクトガバナンス ○ ◎ ○ ○ IDE統合 ○（専用IDE） ○ ○ ○ オープンソース × ○ ○ ◎ エンタープライズ対応 ◎ ○ ○ ○ 学習コスト △ ◎ ○ ◎ カスタマイズ性 △ ○ ○ ◎ 以降は仕様駆動開発（Spec
実装の中で育てるClaude Code SDK理解：PoC自動化から得た学び - Algomatic Tech Blog
1. はじめに こんにちは、Algomatic AXの岩城祐作（@yukl_dev）です。 私は5月にAlgomaticに入社し、AIエンジニアとして働いています。 入社エントリに、転職の背景の1つとして以下を書きました。 PoCループの虚しさと危機感 一方で、技術検証やデモ作成にとどまるPoC（Proof of Concept）も少なくありませんでした。 LLMOps導入など、生成AIの現場でよく用いられる実践的な経験を積み重ねる機会が少なく、AI領域に関わっているにも関わらずエンジニアとして活かせていない現状に、危機感が募りました。 果たして自分は本当に価値を提供できているのか？そもそも今の開発は本当に求められていることか？という不安が大きくなっていました。 企業支援のみを目的としたエンジニアでいることの危機感と無力感が、日に日に大きくなりました。 良ければ入社エントリもご覧ください。
Claude Code hooksで始めるPromptOps：チームで意図を残す仕組み作り - Algomatic Tech Blog
こんにちは。Algomatic AI Transformation(AX) の柗村@yu_mattznです。 私は7月にAIプロダクトエンジニアとして入社し、今はネオデザインAIの開発責任者をしています。プロダクト出身でAIについての深い知見はないため、日々AIエンジニアの方々の投稿からキャッチアップできて最高な環境です。 今回は、Claude Codeをチームで使う際、プロンプトを共有するのが今後大事になってくるのではないか？と考えたきっかけとその取り組みを紹介します。 Claude Codeを導入してみて Claude Codeが出た時、部署では一瞬で使用を許可していただきました。(爆速。感謝) 使ってみて、フロントもバックエンドも一通して開発させることができ、実装スピードは跳ね上がりましたが、バックエンドは自身が使用してきた言語ではなかったのもあり、コードレビューがボトルネックになり
Gemini CLI のサンドボックス機能とは - Algomatic Tech Blog
はじめに GoogleからGeminiをコマンドラインで対話的に利用できる「Gemini CLI」が登場しましたね！ 基本的な使い方については、すでに多くの方が素晴らしい解説記事を公開されていますので、ぜひそちらもご覧ください。 参考 zenn.dev この記事では、Gemini CLIが備える機能の中でも、Claude Codeにはない「サンドボックス」機能に焦点を当てます。 リポジトリはこちら github.com この記事でわかること Gemini CLIのサンドボックス機能がなぜ必要なのか サンドボックスが有効になると、具体的に何が起きるのか -sフラグを付けるだけの簡単な使い方 macOSとコンテナベース、2つのサンドボックス方式の違い 1. なぜサンドボックスが必要なのか？ コーディングエージェントは、その強力さゆえに、意図しない挙動によるリスクを持ち合わせています。 例えば、
OpenAI o3, Claude 3.7 Sonnet , Gemini 2.5 Proの評価と解釈[2025年4月版] - Algomatic Tech Blog
こんにちは。Algomatic AI Transformation(AX) のsergicalsix（@sergicalsix）です。 最近OpenAI の o3, o4-mini、Anthropic の Claude 3.7 Sonnet、Google の Gemini 2.5 Pro や Gemini 2.5 Flash など、次々と新しい大規模言語モデル（LLM）が登場しました。あまりのスピードに、最新動向を追い切れず困っている方も多いのではないでしょうか。 モデルを選ぶ際は、実際に触ってみた使用感や解きたい課題・利用環境を重視するのが理想です。しかし、すべてのモデルをあらゆるシナリオで試すのは現実的に難しいです。 そこで役立つのが公開ベンチマークのスコアです。自分で全モデルを試せなくても、共通データセットで測った成績をベースラインとして押さえておけば、おおまかな実力を比較できます。
![OpenAI o3, Claude 3.7 Sonnet , Gemini 2.5 Proの評価と解釈[2025年4月版] - Algomatic Tech Blog](https://cdn-ak-scissors.b.st-hatena.com/image/square/51991b4a4455a0518f2b0c01dea1f2e64f5eb3ce/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2Ff3d1957b65adfdb8950498fefa66374dd5ee5d1d%2Fbackend%3Dimagemagick%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn-ak.f.st-hatena.com%252Fimages%252Ffotolife%252Fs%252Fsergicalsix%252F20250428%252F20250428165520.png)
なぜ、Difyなのか - Algomatic Tech Blog
はじめに こんにちは！Algomatic ネオセールスカンパニーでエンジニアをしている末國と申します。 私たちが1月にリリースした営業AIエージェント「アポドリ」では、一部機能にDifyを組み込んでいます。 一部といっても、すでに100個近いワークフローが作られていたり、1日1万回呼び出したりするくらいには利用しています。 Difyはいわゆるローコードツールであり、「コードが書けない人が使うもの」「DifyはPoCで使って、本番はプログラムを書く」という印象もあるかもしれません。 しかし、私たちはむしろ積極的に「コードからDifyへの移行」を行ってきました。 この記事では私たちが「なぜDifyを利用しているのか」「何がそんなにいいのか」について書いていきます。 そもそもDifyとは何か 理由の話をする前に、そもそもDifyとは何か、特にワークフロー機能についておさらいしておきます。 すでに
AIエージェントの解釈について整理してみる - Algomatic Tech Blog
こんにちは。NEO(x) の宮脇（@catshun_）です。 先日、弊社から 『AIエージェント』 に関するプロダクトが 2つ リリースされたのですが、本記事ではその 「AIエージェント」の一般的な解釈 について簡単に整理するとともに、AIエージェントの開発で心掛けていること について簡単に記述します。 営業×AIエージェント 採用×AIエージェント おことわり 突貫的に記述しており、解釈や引用に誤りがある場合があります。もし見つけましたらご指摘いただけますと幸いです。 「AIエージェント」に関する定義等を押し付けるものではなく、現時点での世間的な解釈を著者の視点で整理した記事となります。 AIエージェントに対する３つの解釈 『AIエージェント』という言葉は、それを想起する主体によって捉え方が異なります。例えば『🍊』という記号は、「温州みかん」「柑橘系の果物の総称」「甘酸っぱいオレンジ色
自動プロンプト最適化をやってみた - Algomatic Tech Blog
はじめまして！データサイエンティストの山内(@jof_5)です。 本記事では、日々、プロンプト開発されている皆様に向けて、プロンプトを効率的に開発する手法の一つである「自動プロンプト最適化」について記載いたします。 1. プロンプトエンジニアリングの必要性と課題 2. 自動プロンプト最適化について 2-0. 最適なプロンプトとは何か？☕ 2-1. 自動プロンプトの概要 2-2. 自動プロンプト最適化のアーキテクチャ ①Task Executor: LLMによるタスクの実行 ②Output Evaluator: 出力の評価 ③ Prompt Improver: 最適なプロンプトの生成 3. 実験結果と考察 3-1. 自動プロンプト最適化の有効性の検証 3-2. 最適化プロンプトの生成過程 3-3. 最適化されたプロンプトの特徴 3-4. プロンプト生成用LLM(Prompt Improver
Zodスキーマでプロンプト生成を行い構造化データを自由自在に扱えて、LLMプロダクト開発が圧倒的に効率化した話 - Algomatic Tech Blog
最近はAIエンジニアを名乗ってるerukitiです。フロントエンドもバックエンドも、LLMを触るあれこれもやってるので、「AIエンジニア」くらいを名乗るとちょうどよさそうだなと思ってます。いずれLLM自体の開発なんかもやってるかもしれません。 LLMプロダクトを開発していると、構造化データを作りたいのに、Anthropic ClaudeのAPIにはJSONモードが無いことや、なんならJSONモードやfunction callingを使っても、データが正しい形式に従ってることは保証しがたい、みたいな自体に遭遇することがあります。 JSONが出力できたとしても、構造化データをうまく吐き出させるのは難しいものです。文字列を出力させたいけど、複数あるときは、配列なのか、それともカンマ区切りなのか？項目がオプショナルの場合はどうするか？項目が存在しない、空文字や 0 や undefined や nu
Devin を含むAIソフトウェアエンジニアと周辺技術のざっくり紹介 - Algomatic Tech Blog
こんにちは。LLM STUDIO 機械学習エンジニアの宮脇（@catshun_）です。 本記事では最近注目を集めている AI ソフトウェアエンジニアに関するプロダクトについてざっくりと紹介します。 社内勉強会に向けたキャッチアップ資料として作成しており、加筆修正する可能性がありますが、本記事を読んだ方の議論のネタ程度になってくれれば幸いです。 おことわり 本記事では AI ソフトウェアエンジニアに関する 詳細な解説は含みません。 Devin を参考に AI ソフトウェアエンジニアと呼称していますが、主語が大きく曖昧性の高い表現を使用しています。詳細については 参照元をご確認ください。 不十分また不適切な言及内容がございましたらご指摘いただけますと幸いです。 プロダクト等の利用時は 必ずライセンスや利用規約を参照して下さい。 本記事の目次 プログラム生成を伴う推論 Self-Refine (
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
