LLMによるコード補完の登場 (2021年) GitHub Copilotの登場 我々がよく知るLLMによる支援はまず GitHub Copilot から始まりました。これはGPT-3 (OpenAI Codex, 現在のCodexと名前が同じで本当にややこしい) をベースとしたコード補完システムで、タイピングをしていると自動的にその行の続きを予測してくれるものです autocompleteとの違い それ以前にもIntelliSenseのようなautocompleteがありましたし、より進歩したn-gramなどを用いたものはありましたが、LLMをベースとしたものはTabnine (Tabnineは初期はn-gramモデル) やCopilotからとなります チャットベースのコードアシストの時代 (2022-2023年) ChatGPTの登場 ChatGPT以降、チャットによる対話形式でコード
tl;drJSON Schema で指定したフォーマットで出力を制御可能になったよ cURL / Python / JavaScript のそれぞれで試してみたよ 具体的な実用例があったのでそれも動かしてみたよ 使う上での tips や今後どんな機能が追加されるかまとめたよ 公開されたブログの流れに準拠しつつ、意図がズレない範囲で翻訳、解説、コードの実行をしていきます。チュートリアルになっているので、よかったら手を動かして試してみてください。 Ollama が structured outputs をサポート。JSON Schema で定義したフォーマットに LLM の出力を制御するすることが可能になりました。Ollama の Python と JavaScript のそれぞれのライブラリにおいてもサポートするよう更新。 ブログでは structured outputs のユースケースとし
GitHub - modelcontextprotocol/servers: Model Context Protocol Servers
Official integrations are maintained by companies building production ready MCP servers for their platforms. 21st.dev Magic - Create crafted UI components inspired by the best 21st.dev design engineers. 2slides - An MCP server that provides tools to convert content into slides/PPT/presentation or generate slides/PPT/presentation with user intention. ActionKit by Paragon - Connect to 130+ SaaS inte
gpt-oss-120bをpythonとvLLMで触りながら理解する - ABEJA Tech Blog
データサイエンティストをしている服部です。 OpenAIからgpt-ossというオープンモデルが登場しました。 早速ですが、このモデルを使いながら中身を理解していきたいと思います。 gpt-ossのモデル特徴 vLLM上で動かす 通常のtokenizerで動かす 最終出力と思考部分 chat templateも見てみる Tool Useを試す Built-in toolも試す Python blowser 複数のツールを同時並列で使えるか？ まとめ We Are Hiring! gpt-ossのモデル特徴 openai.com 他にも紹介している記事はたくさんあるため手短に... 今回OpenAIからは2種類のモデル gpt-oss-120b と gpt-oss-20b がリリースされており、どちらもApache2.0ライセンスで提供されてます。 どちらのモデルもMoE(Mixture o
OpenAIが「OpenAI o1のAPIリリース」「音声会話APIの値下げ」「JavaとGoのライブラリ公開」など新情報を大量公開
OpenAIが「OpenAI o1(正式リリース版)」のAPIを公開しました。合わせて、AIとの音声会話機能を提供する「Realtime API」のアップデートや、モデル微調整機能のアップデート、GoライブラリおよびJavaライブラリのリリースも発表されています。 OpenAI o1 and new tools for developers | OpenAI https://openai.com/index/o1-and-new-tools-for-developers/ Our reasoning model @OpenAI o1 is now in the API! It comes with function calling, developer messages, Structured Outputs, and vision. 🍓 We also shipped WebRTC s
What We Learned from a Year of Building with LLMs (Part I)
It’s an exciting time to build with large language models (LLMs). Over the past year, LLMs have become “good enough” for real-world applications. The pace of improvements in LLMs, coupled with a parade of demos on social media, will fuel an estimated $200B investment in AI by 2025. LLMs are also broadly accessible, allowing everyone, not just ML engineers and scientists, to build intelligence into
31st December 2024 A lot has happened in the world of Large Language Models over the course of 2024. Here’s a review of things we figured out about the field in the past twelve months, plus my attempt at identifying key themes and pivotal moments. This is a sequel to my review of 2023. In this article: The GPT-4 barrier was comprehensively broken Some of those GPT-4 models run on my laptop LLM pri
There are many different ways to build with LLMs, including training models from scratch, fine-tuning open-source models, or using hosted APIs. The stack we’re showing here is based on in-context learning, which is the design pattern we’ve seen the majority of developers start with (and is only possible now with foundation models). The next section gives a brief explanation of this pattern; experi
Patterns for Building LLM-based Systems & Products [ llm engineering production 🔥 ] · 66 min read Discussions on HackerNews, Twitter, and LinkedIn “There is a large class of problems that are easy to imagine and build demos for, but extremely hard to make products out of. For example, self-driving: It’s easy to demo a car self-driving around a block, but making it into a product takes a decade.”
以下の記事が面白かったので、簡単にまとめました。 ・Introducing Structured Outputs in the API 1. Structured Outputs昨年のDevDayで、「JSONモード」を導入しました。これは、OpenAIのモデルを使用して信頼性の高いアプリを構築しようとしている開発者にとって便利な構成要素です。「JSONモード」は、有効なJSON出力を生成するためのモデルの信頼性を向上させますが、モデルの応答が特定のスキーマに準拠することを保証するものではありません。本日、APIに「Structured Outputs」を導入します。これは、モデルによって生成された出力が、開発者が提供するJSONスキーマと完全に一致するように設計された新機能です。 複雑なJSONスキーマのフォローの評価では、「Structured Outputs」を備えた新しいモデル「g
Pydantic AI
Pydantic AI: Python Agent Framework for GenAI Pydantic AI: Python Agent Framework for GenAI Pydantic AI Installation: Setup and Requirements Pydantic AI Support: Slack Channels & GitHub Pydantic AI Error Handling & Troubleshooting Pydantic AI Gateway Documentation Pydantic Evals Pydantic Graph Integrations Related Packages Examples API Reference Project GenAI Agent Framework, the Pydantic way Pyda
概要 本書では、OpenAIによるAIサービスを利用するためのOpenAI API、オープンソースのLLMアプリ開発ライブラリLangChain を使って、LLM（大規模言語モデル）を活用したRAG（検索拡張生成）アプリケーション、そしてAIエージェントシステムを開発するための実践的な知識を基礎からわかりやすく解説します。 OpenAI のチャットAPI、プロンプトエンジニアリング、LangChainの基礎知識 について解説したあと、RAGの実践的手法や評価のハンズオンを行います。今後の生成AIシステム開発で重要となるAIエージェント開発はLangGraphを使って行い、さらにAIエージェントのデザインパターンと、パターン別のAIエージェントハンズオンまで解説します。 OpenAIのAPIとフレームワークLangChainを学ぶことで、LLMの性質を活かしたサービスや業務システムを構築する
はじめに Raycast・OpenAI API・Obsidian を組み合わせて構築したお手軽ジャーナリングを運用してみて、とても便利だったので紹介します。 Raycast の Script Commands からテキストを投げると、AI が体裁を整え、タイトル・タグ・感情などを自動生成して Obsidian のノートとして保存してくれます。 どのアプリを開いていてもホットキーから一発で起動できるため、入力のハードルを極限まで下げることができます。 コードは以下のリポジトリで公開しています。 README に従ってセットアップすれば数分で導入できます。 デモ 動画内のテキスト入力ではタイプミスをしていますが、出力されるノートでは意図を汲み取り修正されていることがわかります。 出力されたノート そもそもジャーナリングとは ジャーナリングは、頭の中にある思考や感情、出来事をそのまま外に出して可
[Revised] You Don’t Need to Spend $100/mo on Claude Code: Your Guide to Local Coding Models
[Edit 1] This article has been edited after initial release for clarity. Both the tl;dr and the end section have added information. [Edit 2] This hypothesis was actually wrong and thank you to everyone who commented! Here’s a full explanation of where I went wrong. I want to address this mistake as I realize it might have a meaningful impact on someone's financial position. I’m not editing the act
![[Revised] You Don’t Need to Spend $100/mo on Claude Code: Your Guide to Local Coding Models](https://cdn-ak-scissors.b.st-hatena.com/image/square/cb5a0a1bad79efe630f681954cb77f2ea1dc7dec/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fsubstackcdn.com%2Fimage%2Ffetch%2F%24s_%21fARn%21%2Cw_1200%2Ch_600%2Cc_fill%2Cf_jpg%2Cq_auto%3Agood%2Cfl_progressive%3Asteep%2Cg_auto%2Fhttps%253A%252F%252Fsubstack-post-media.s3.amazonaws.com%252Fpublic%252Fimages%252Fb194c53f-7b2b-4f74-942b-5cf1c59b32aa_1920x1080.jpeg)
LangChain Interrupt Day 1 参加レポート！メール対応エージェントを中心としたハンズオンが中心の一日に - Generative Agents Tech Blog
日本時間2025年5月14日から15日にかけて、サンフランシスコにてAIエージェント開発に特化したテックイベント「LangChain Interrupt」が開催中されています。 ジェネラティブエージェンツはLangChainアンバサダーとして本イベントに現地参加しています。 interrupt.langchain.com 本記事では、現地参加して得られたDay 1の模様をダイジェストでお届けします。Day 1は、メールエージェントを題材に、LangChainエコシステムの各コンポーネント（LangGraph, LangSmithなど）を駆使して、アイデアから本番稼働可能なエージェントを構築していく過程を体験する、ハンズオン中心の一日となりました。 本日のハンズオンは、公開されている次のリポジトリの内容にのっとったものとなっています。ぜひリポジトリとあわせて記事をご覧ください。 github
The Andrej Karpathy episode. Andrej explains why reinforcement learning is terrible (but everything else is much worse), why model collapse prevents LLMs from learning the way humans do, why AGI will just blend into the previous ~2.5 centuries of 2% GDP growth, why self driving took so long to crack, and what he sees as the future of education. Watch on YouTube; listen on Apple Podcasts or Spotify
Blog
Hachi: An (Image) Search engine Only the dead have seen the end of war .. George Santayana For quite some time now, i have been working on and off on a fully self-hosted search engine, in hope to make it easier to search across Personal data in an end to end manner. Even as individuals, we are hoarding and generating more and more data with no end in sight. Such "personal" data is being stored fro
gpt-oss
Welcome OpenAI’s gpt-oss! Ollama partners with OpenAI to bring its latest state-of-the-art open weight models to Ollama. The two models, 20B and 120B, bring a whole new local chat experience, and are designed for powerful reasoning, agentic tasks, and versatile developer use cases. Get started You can get started by downloading the latest Ollama version. The model can be downloaded directly in Oll
GitHub - amaiya/onprem: A toolkit for applying LLMs to sensitive, non-public data in offline or restricted environments
A privacy-conscious toolkit for document intelligence — local by default, cloud-capable OnPrem.LLM (or “OnPrem” for short) is a Python-based toolkit for applying large language models (LLMs) to sensitive, non-public data in offline or restricted environments. Inspired largely by the privateGPT project, OnPrem.LLM is designed for fully local execution, but also supports integration with a wide rang
Using skills to accelerate OSS maintenance | OpenAI Developers
Keep workflows in the repo In these repos, we use skills to capture repository-specific workflows. A skill is a small package of operational knowledge: a SKILL.md manifest, plus optional scripts/, references/, and assets/. The Codex customization docs describe why this works well: skills are a good fit for repeatable workflows because they can carry richer instructions, scripts, and references wit
Version 1.108 is now available! Read about the new features and fixes from December. Release date: August 7, 2025 Update 1.103.1: The update adds GPT-5 prompt improvements, support for GPT-5 mini, and addresses these issues. Update 1.103.2: The update addresses these issues. Downloads: Windows: x64 Arm64 | Mac: Universal Intel silicon | Linux: deb rpm tarball Arm snap Welcome to the July 2025 rele
Transformer models: an introduction and catalog — 2023 Edition January 16, 2023 52 minute read This post is now an ArXiV paper that you can print and cite. Update 05/2023 Another pretty large update after 4 months. I was invited to submit the article to a journal, so I decided to enlist some help from some LinkedIn colleages and completely revamp it. First off, we added a whole lot of new models,
TLDR: We are introducing a new tool_calls attribute on AIMessage. More and more LLM providers are exposing API’s for reliable tool calling. The goal with the new attribute is to provide a standard interface for interacting with tool invocations. This is fully backwards compatible and is supported on all models that have native tool-calling support. In order to access these latest features you will
Structured Outputsを使うとかしこい文章校正ツールを手軽につくることができる - laiso
Structured Outputsは、Chat Completions APIから得られる返答のデータの構造と型を強制するための機能で、最近OpenAIのSDKにも追加されました。 https://platform.openai.com/docs/guides/structured-outputs/ui-generation この機能を利用することで、簡単な文章校正ツールを作ることができます。 仕組み 文章データをOpenAIのAPIに送信する際に、各行に番号を付与します。これにより、GPTは各文がどの行にあるかを特定できるようになります。 文章に対する指示をプロンプトに添えます。例えば、「前提情報が足りない部分を指摘して」といった指示を加えます。 返答をStructured Outputsで制限することで、「何行目に対するコメント」という形式の結果を得ることができます。 この方法は「L
🤗 Transformers
🤗 Transformers PyTorch, TensorFlow, JAXのための最先端機械学習。 🤗 Transformers は最先端の学習済みモデルを簡単にダウンロードして学習するAPIとツールを提供します。学習済みモデルを使用することで計算コストと二酸化炭素の排出量を削減でき、またゼロからモデルを学習するために要求される時間とリソースを節約することができます。 これらのモデルは以下のような異なるモダリティにおける一般的なタスクをサポートします: 📝 自然言語処理: テキスト分類、 固有表現抽出、 質問応答、 言語モデリング、 文章要約、 機械翻訳、 複数選択、テキスト生成。 🖼️ コンピュータビジョン: 画像分類、 物体検出、 セグメンテーション。 🗣️ 音声: 自動音声認識、音声分類。 🐙 マルチモーダル: テーブル質問応答、 光学文字認識(OCR)、 スキャンさ
Deconstructing prompt-based meta-tool architecture and context injection patterns for AI engineering - Claude’s Agent Skills system represents a sophisticated prompt-based meta-tool architecture that extends LLM capabilities through specialized instruction injection. Unlike traditional function calling or code execution, skills operate through prompt expansion and context modification to modify ho
Context Engineering - Short-Term Memory Management with Sessions from OpenAI Agents SDK
Prerequisites Before running this cookbook, you must set up the following accounts and complete a few setup actions. These prerequisites are essential to interact with the APIs used in this project. Step0: OpenAI Account and OPENAI_API_KEY Purpose: You need an OpenAI account to access language models and use the Agents SDK featured in this cookbook. Action: Sign up for an OpenAI account if you don
門脇（@satoru_kadowaki）です。2026年2月の「Python Monthly Topics」は、Python向けAIエージェントフレームワーク「Pydantic AI」について紹介します。 はじめに LLM（大規模言語モデル）をアプリケーションに組み込む開発が一般的になりつつあります。LLMからの出力は、基本的には「ただの文字列」ですが、LLMのAPIから構造化されたデータを取得する手段も充実してきています。主要なAIプロバイダーでは、以下のようにJSONスキーマ（JSON Schema）に沿った出力を保証する機能も提供されており、構造化された結果を得ることも比較的正確にできるようになってきました。 ［OpenAI］OpenAI Developers: Structured model outputs ［Anthropic］Claude API Docs: Structur
An AI-native software engineer is one who deeply integrates AI into their daily workflow, treating it as a partner to amplify their abilities. This requires a fundamental mindset shift. Instead of thinking “AI might replace me” an AI-native engineer asks for every task: “Could AI help me do this faster, better, or differently?”. The mindset is optimistic and proactive - you see AI as a multiplier
In this article, I want to cover the overall design of coding agents and agent harnesses: what they are, how they work, and how the different pieces fit together in practice. Readers of my Build a Large Language Model (From Scratch) and Build a Large Reasoning Model (From Scratch) books often ask about agents, so I thought it would be useful to write a reference I can point to. More generally, age
OpenAIのオープンウェイトリーズニングモデル「gpt-oss-120b」「gpt-oss-20b」の違いは？ どう使い分ければよいのか
gpt-oss-120bとgpt-oss-20bのウェイトは、いずれもHugging Faceから無料でダウンロードできる。 両モデルの特徴 OpenAIは、両モデル共通の特徴として、以下を挙げている。 構成可能なリーズニング ユースケースやレイテンシニーズに応じて、リーズニングレベル（低、中、高）を簡単に調整できる。 完全な思考の連鎖（CoT：Chain of Thought） AIモデルが問題を解く際に自分の思考過程を段階的に表現しながら、論理的に理由付けをする仕組みを採用している。デバッグの簡素化や、出力への信頼向上に役立つ。一方、内部の思考過程が必ずしもユーザーにとって分かりやすい表現とは限らず、安全性やプライバシーの問題もあるため、エンドユーザーへの表示は意図されていない。 ファインチューニングが可能 パラメーターをファインチューニングすることで、ユースケースに最適化できる。 エ
After studying how companies deploy generative AI applications, I noticed many similarities in their platforms. This post outlines the common components of a generative AI platform, what they do, and how they are implemented. I try my best to keep the architecture general, but certain applications might deviate. This is what the overall architecture looks like. This is a pretty complex system. Thi
Tongyi DeepResearch: A New Era of Open-Source AI Researchers
September 16, 2025 · 12 min · 2515 words · DeepResearch Team, Tongyi Lab | Translations:中文 GITHUB HUGGINGFACE MODELSCOPE SHOWCASE From Chatbot to Autonomous Agent#We are proud to present Tongyi DeepResearch, the first fully open‑source Web Agent to achieve performance on par with OpenAI’s DeepResearch across a comprehensive suite of benchmarks. Tongyi DeepResearch demonstrates state‑of‑the‑art res
Below is part 1 of an extended scenario describing how the future might go if current trends in AI continue. The scenario is deliberately extremely specific: it’s definite rather than indefinite, and makes concrete guesses instead of settling for banal generalities or abstract descriptions of trends. Open Sky. (Zdzisław Beksiński)The return of reinforcement learningFrom 2019 to 2023, the main driv
GitHub - taishi-i/awesome-ChatGPT-repositories: A curated list of resources dedicated to open source GitHub repositories related to ChatGPT and OpenAI API
awesome-chatgpt-api - Curated list of apps and tools that not only use the new ChatGPT API, but also allow users to configure their own API keys, enabling free and on-demand usage of their own quota. awesome-chatgpt-prompts - This repo includes ChatGPT prompt curation to use ChatGPT better. awesome-chatgpt - Curated list of awesome tools, demos, docs for ChatGPT and GPT-3 awesome-totally-open-chat
Using GPT-4o for web scraping
tl;dr; show me the demo and source code! I’m pretty excited about the new structured outputs feature in OpenAI’s API so I took it for a spin and developed an AI-assisted web scraper. This post summarizes my learnings. Asking GPT-4o to scrape data The first experiment was to straight ask GPT-4o to extract the data from an HTML string, so I used the new structured outputs feature with the following
Accepted at ICLR 2026 (Oral). GEPA: REFLECTIVE PROMPT EVOLUTION CAN OUTPER- FORM REINFORCEMENT LEARNING Lakshya A Agrawal1 , Shangyin Tan1 , Dilara Soylu2 , Noah Ziems4 , Rishi Khare1 , Krista Opsahl-Ong5 , Arnav Singhvi2,5 , Herumb Shandilya2 , Michael J Ryan2 , Meng Jiang4 , Christopher Potts2 , Koushik Sen1 , Alexandros G. Dimakis1,3 , Ion Stoica1 , Dan Klein1 , Matei Zaharia1,5 , Omar Khattab6
This is an all-in-one crosspost of a scenario I originally published in three parts on my blog, No Set Gauge. Links to the originals: A History of the Future, 2025-2027A History of the Future, 2027-2030A History of the Future, 2030-2040 Thanks to Luke Drago, Duncan McClements, Theo Horsley, and Bilal Chughtai for comments. 2025-2027Below is part 1 of an extended scenario describing how the future
1. はじめに 2. 全体像 2.1 ハードウェア構成 2.2 ハードウェア詳細 2.2.1 電気コンロ 2.2.2 熱電対 2.2.3 Raspberry Pi 2.2.4 ソリッドステートリレー（SSR) 2.3 ソフトウェア構成 3. 実験 3.1 燻製器付属のアナログ温度計使用バージョン（途中で実験停止） 3.2 デジタル温度計（熱電対）を使用したバージョン（まぁまぁ成功） 4. 気づき・工夫など 4.1 アナログ温度計の読み取りが難しい 4.2 デジタル温度計の読み取りもコツが必要 4.3 温度が認識できない時の処理を定義しておく 4.4 GPIOの排他的ロックに気をつける 最後に 参考 We Are Hiring! 1. はじめに ABEJAの大田黒です。ABEJAアドベントカレンダー2025の3日目の記事です。今回はVision-Language Model（VLM）とAI
Enhancing RAG-based application accuracy by constructing and leveraging knowledge graphs
Enhancing RAG-based application accuracy by constructing and leveraging knowledge graphs A practical guide to constructing and retrieving information from knowledge graphs in RAG applications with Neo4j and LangChainEditor's Note: the following is a guest blog post from Tomaz Bratanic, who focuses on Graph ML and GenAI research at Neo4j. Neo4j is a graph database and analytics company which helps
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
Coding Agentについてのまとめ (2026年1月)
Ollama で structured outputs （構造化出力）を試す｜ぬこぬこ
Things we learned about LLMs in 2024
Emerging Architectures for LLM Applications | Andreessen Horowitz
Patterns for Building LLM-based Systems & Products
OpenAI API の Structured Outputs の使い方｜npaka
LangChainとLangGraphによるRAG・AIエージェント［実践］入門 | 技術評論社
Raycast × OpenAI API × Obsidian で始めるお手軽ジャーナリング
Andrej Karpathy — AGI is still a decade away
July 2025 (version 1.103)
Transformer models: an introduction and catalog — 2023 Edition
Tool Calling with LangChain
Claude Agent Skills: A First Principles Deep Dive
PythonでLLMアプリ開発を型安全に扱う ― Pydantic AI入門 | gihyo.jp
The AI-Native Software Engineer
Components of A Coding Agent
Building A Generative AI Platform
A History of the Future, 2025-2027
GEPA: Reflective Prompt Evolution Can Outperform Reinforcement Learning
A History of the Future, 2025-2040 — LessWrong
VLMとAIエージェントで作るスモークチーズ - ABEJA Tech Blog