LLMでソート - ｼﾞｮｲｼﾞｮｲｼﾞｮｲ
ソートはコンピュータサイエンスにおける古典的なタスクですが、これが最先端の LLM と結びつき、新たな研究の潮流が生まれています。 ソートは比較関数さえ定義すれば実行することができます。従来の比較関数は身長・金額・距離のように測定可能な数値の比較を前提としていましたが、この比較関数内で LLM 呼び出しを行うことで「どちらが好みか」「どちらが優れているか」「どちらがクエリに関連するか」といった主観的で曖昧な概念を比較でき、これらの概念に基づいたソートが可能になります。 Python では、二つのオブジェクト a と b を受け取り、a を前に持ってきたければ -1 を、b を前に持ってきたければ +1 を出力する関数 cmp を実装し、functools.cmp_to_key(cmp) をソートのキーに設定すれば任意の基準でソートできます。 まずは雰囲気をつかむために応用例を見てみましょう
Claude Codeで「AI部下10人」を作ったら、勝手にバグ直して「違反は切腹」ルールを追加してきて、オレは適当にしゃべるだけになった
結論 「テストして」って言っただけなのに、AIが自分でバグ見つけて、自分で直して、「違反は切腹」ってルールを自分で追加してきた。 人間、何もしてない。 何を作ったか Claude Code × tmux でホワイトカラー向けマルチタスクツールを作った。 名前は multi-agent-shogun。 戦国時代の軍制をモチーフに、将軍1名・家老1名・足軽8名の階層構造でAIエージェントを統制する。 上様（人間） ↓ 「やれ」 将軍（Claude Code） ↓ 「家老、タスクを分解せよ」 家老（Claude Code） ↓ 「足軽ども、並列で実行せよ」 ┌──┬──┬──┬──┬──┬──┬──┬──┐ │1 │2 │3 │4 │5 │6 │7 │8 │ ← 8人同時に動く └──┴──┴──┴──┴──┴──┴──┴──┘ 足軽（Claude Code × 8） とにかくshogunにぶち
社内AIヘルプデスク 正答率80%達成 RAG精度改善の軌跡 | BLOG - DeNA Engineering
はじめに 皆さん、こんにちは。IT本部IT戦略部の部長の鳥越です。 私たちIT本部が全力で推進している「AIジャーニー」。 この取り組みは、単なるツールの導入ではなく、AIという新たなテクノロジーの力を活用して、私たち一人ひとりの働き方そのものを変革し、会社全体の未来を創っていくための壮大な航海です。 … このツールはSlackとAIを組み合わせることでユーザーは普段使い慣れたSlackから気軽に質問を投げかけ、FindoutのAIから即座に回答を得られるようになり、ユーザー体験は飛躍的に向上しました。 しかしAIが正しい回答ができない場合もあり、結果的にヘルプデスク担当者のリソースが割かれ、本来注力すべき付加価値の高い業務に集中できない状況にありました。 そこで私たちは、AIの力を最大限に活用してヘルプデスク業務の抜本的な改善に着手しました。 IT領域の質問回答100%への挑戦 この挑戦
MCPにおけるセキュリティ考慮事項と実装における観点（前編） - GMO Flatt Security Blog
MCP logo ©︎ 2024–2025 Anthropic, PBC and contributors | MIT license はじめに 本記事は、セキュリティエンジニアのAzaraこと齋藤とコーポレートセキュリティエンジニアのhamayanhamayanが、社内で行ったディスカッションを元に記述した記事です。 本記事は、MCP の利活用の際に考えるべき、セキュリティに関する考慮事項や、脅威の想定、実装時気にすべき観点などについてまとめたシリーズの前編になります。前編では、MCPに関する基本的な事項を扱いながら、利用者側の目線でMCPに対するセキュリティを考えていきます。社内での利活用の際に参考になれば幸いです。 また、GMO Flatt Securityは日本初のセキュリティ診断AIエージェント「Takumi」や、LLMを活用したアプリケーションに対する脆弱性診断・ペネトレーショ
プロダクションのコードで Vibe Coding を使う方法｜牛尾 剛
最近は、自分はかなり Vibe Coding にお世話になっている。実際にプロダクションのコードでも使っていて自分的には普通のことと思っていたのだが、ある人にどうやってやってるのか聞いてみたいと言われたのでせっかくだからブログに書いておくことにした。みんなとっては普通のことかもしれないので、整理のためにも書いておこう。 Vibe Coding の光と影Vibe Coding を使うと、GitHub Copilot Agent などを使うと、自然言語で指示をすればプログラムを書いてくれる。これがあると、素人でもコーディングができそうだ。プロトタイピングや、ゼロから何かを作るときはなかなか良い感じだが、プロダクションで何も考えずに使えるというわけにもいかない。実はコードが複雑になればなるほど、そのままではうまくいかない。 今読んでいる AI Engineering より引用した次のグラフが興味
Claude Codeで内部統制３点セットを作る（Drawioフロー図の生成）｜兎耳山ルカ 公認会計士
AIはこれが一発で出る時代になりました Drawioでここから自在に加工できます pic.twitter.com/sm7e5tDkpt — 兎耳山ルカ 公認会計士 (@TomiyamaLuca) June 8, 2025 Claude codeでDraw.ioを用いた業務フロー図を作成したよ、というツイートをしたところ沢山の関心のお声をいただいたので、共有できるリポジトリを作成しました。 GitHub リポ 「CC_Internal_Control」は、“内部統制３点セット”（業務記述書・フローチャート・RCM）をClaude Codeのエージェントに丸投げして一気通貫で生成できるテンプレート集です。draw.io形式で吐き出されるフロー図もセットなので、レビューや修正も簡単です。 リポジトリには実際に生成した「請求書支払プロセス」、「新規取引先登録プロセス」、「固定資産取得プロセス」のサ
【2025年5月完全版】RAG の教科書
はじめに 昨今、AI の進化により、様々な分野での応用が進んでいます。特に、自然言語処理(NLP)の分野では、RAG( Retrieval-Augmented Generation)が注目されています。RAG は、情報検索と生成を組み合わせた手法であり、特に大規模言語モデル(LLM)と組み合わせることで、その性能を大幅に向上させることができます。 また、NativeRAG や GraphRAG, AgentRAG などさまざまな RAG のバリエーションが登場しており、これらは特定のユースケースやデータセットに対して最適化されています。 今回は、RAG の基本的な概念から、RAG のプロジェクトの進め方、精度向上の方法に至るまで詳しく解説します。 みなさんの GenAI Application の開発に役立てていただければ幸いです。 本記事は 5 万文字を超える大作となっております。 お時
開発系AIツールの探索とAI時代の「富豪的プログラミング」 - 弁護士ドットコム株式会社 Creators’ blog
こんにちは、CTOの@stanakaです。 年明けから2か月間、社内でさまざまなAIを活用した開発ツールを試してきました。当社ではすでにGitHub Copilotを標準的に導入していますが、他にも良いツールがあるはずだということで、エンジニアの皆さんに新しいツールを積極的に試してもらいました。 今回試した主なツールは以下のとおりです。 Cursor ChatGPT Plus, Pro Claude Pro Claude Code Cline Devin もっといろいろ試せるとよかったですが、リソースは有限なので今回はここまでとしました。取り組みの様子はブログでもいくつか紹介していますので、ぜひご覧ください。 creators.bengo4.com AIによるプログラミングの変化 社内で特にAIツールを使いこなしているエンジニアの傾向を観察すると、単一のツールに限定するのではなく、用途や状
OpenAI - エージェント構築のための実践ガイド 日本語翻訳
OpenAIからエージェント構築のための実践ガイドが公開されました。非常に勉強になったので、全文を日本語に翻訳しながら読みました。翻訳の正確さは保証できませんが、メモとして書き残します。 はじめに 大規模言語モデルは、複雑なマルチステップのタスクを処理する能力がますます高まっています。推論、マルチモダリティ、ツール利用の進歩により、エージェントとして知られるLLM（大規模言語モデル）を活用したシステムの新しいカテゴリが生まれました。 このガイドは、初めてエージェントを構築しようとしている製品チームやエンジニアリングチーム向けに設計されており、多くの顧客導入事例から得られた洞察を、実践的で実行可能なベストプラクティスにまとめています。有望なユースケースを特定するためのフレームワーク、エージェントのロジックとオーケストレーションを設計するための明確なパターン、エージェントが安全かつ予測可能で効
Text-to-SQLのコモディティ化とデータ活用の民主化 - satoshihirose.log
はじめに データ活用と生成AI 構造化されたデータと生成AI 事例 Uber LinkedIn Pinterest さいごに はじめに ikki-sanのデータ活用の民主化へのコメントをそうだなと思いながら読んで、最近自分もそんな感じの領域のことをベンダー所属のプロダクトマネージャーとしてやっているので、考えていることをまとめてみる。 この数年間で「データの民主化」はイマイチ進まなかった印象ですが、その原因は「SQLの習得難易度」によるところが大きい。そこに関しては生成AIで相当解決されるはずなので、今後はデータの民主化がスタンダードになると予想しています。— ikki / stable代表 (@ikki_mz) 2025年4月7日 データ活用と生成AI これまで社内に蓄積された構造化されたデータを取得・操作するにはSQLおよびデータベースの理解が必要であり、その理解がない人たちは誰かにデ
さまざまなAIエージェントを網羅したリスト「Awesome AI Agents」がGitHubにて公開
Awesome AI Agentsでは、AIエージェントをオープンソース／クローズドソースおよび企業によるものに分けて紹介しており、AIエージェントをカテゴリやユースケース別に検索できるWeb版のリストも用意する。 オープンソースプロジェクトによって提供されているAIエージェントとしては、自律データ（ラベリング）エージェントフレームワークであるAdala、1000エージェントを備えたレコメンデーションシステムシミュレータのAgent4Rec、エージェントの構築とテストのためのLLMに依存しないプラットフォームであるAgentForge、AutoGPTのブラウザベースによるノーコードバージョンであるAgentGPTなどが掲載されている。 クローズドソースまたは企業によって提供されているAIエージェントとしては、安全で人間中心の自律型AIエージェントであるAbility AI、インテリジェンス
Clineっておいしいの？おいしいです！
プログラミング補助からAIエージェントへの進化 これまでのプログラミングにおけるAI活用といえば、「GitHub Copilot」や「Cursor」が代表的な存在でした。これらのツールは、入力中のコードや指示をもとにAIがコード片を提案する、あるいは要件を満たす小規模なプログラムを自動生成するなど、“補助”としての役割を担ってきました。最終的に候補を採用するか、どのように修正するかは開発者が判断する必要があり、あくまでAIは「効率化の手段」という位置づけにとどまっていたといえます。 一方で、近年話題になっているのが「Cline」のようなAIエージェント型のツールです。従来の“補助ツール”を超えて、AIがプログラムの作成からエラー修正、動作確認までを主体的に実行する仕組みを備えています。つまり、人間がコードの候補をチェックするプロセスを大幅に減らし、より自律的に開発工程を進められる可能性があ
RAGの実装戦略まとめ - Qiita
それでは以下、簡単なデモを含めながら個別に説明していきます。 1. ハイブリッドサーチ こちらは、性質の異なる複数の検索方式（例えばベクトル検索とキーワード検索）を組み合わせて検索精度を向上させる手法になります。 各検索方式単体の場合に比べ、性質の異なる検索方式を組み合わせ、ある種いいとこ取りをする事で、検索性能の向上が期待できます。 今回はBM25でのキーワードベースの類似度検索と通常のベクトル検索を組み合わせていきます。 BM25について簡単に説明しておくと、文脈や文章構造は完全に無視した上で、文書内の単語を全てバラバラに分割し、文書内の各単語の出現頻度と文書間におけるレア度を加味した特徴量を算出します。 つまり、特定の文書内の各単語の数をカウントしてヒストグラムを作れば、似たような文書には同じような単語がよく出るはずなので(同じようなヒストグラムの形になるので)、類似度が高くなる性質
【KARAKURI LM 10本ノック】番外編： Chrome内蔵のローカルLLM (Gemini Nano)で「どこでもCopilot」を作ってみた
【KARAKURI LM 10本ノック】番外編： Chrome内蔵のローカルLLM (Gemini Nano)で「どこでもCopilot」を作ってみた 本記事中で紹介しているユーザスクリプト「どこでもCopilot」。ChromeビルトインのLLMで、任意のフォーム上で文章の続きをサジェスト。外部通信なし、無料で動作こんにちは、カラクリR&Dの吉田です。今回は、10本ノック「番外編」ということで、Google Chrome の最新版に先日（2024年8月22日）組み込まれたローカルLLMの話をします。 本記事の概要2024年8月22日に公開された Google Chrome の「バージョン128」にローカルLLM として Gemini Nano が組み込まれました。このLLMは、フロントエンド JavaScript から手軽に呼び出し可能で、ローカルLLMなので外部への通信は発生しません。
「尖った人ではなく、暗黙知を形式知に変換する人がほしい」 “均質人材”を育成してきた日本でこれから求められる能力とは | ログミーBusiness
「プログラミングを学ぶ」ではなく「要件定義を学ぶ」田中邦裕氏（以下、田中）：あと13分ぐらいになったので、今後の展望にいきたいのですが、その前に、質問が7個ほど来ているので、みなさんに聞きたいと思います。 一番投票数が多い質問が、「非エンジニアでAIを使ったスマホアプリを作りたいんだけれども、プログラミングをそもそも学ぶべきか？」という質問です。 生成AIがある今、何をどのように学ぶべきなのか。プログラムを学ぶべきなのか、それ以外になにか手段があるのか。目的によっても違うのですが、ざっくりとしたこの質問に対して、なにか答えられる方はいますか？ 比戸将平氏（以下、比戸）：じゃあ、私から。 田中：はい、お願いします。 比戸：先週ぐらいに、NVIDIAのジェンスン（Jensen Huang氏）が、「今後はAIがプログラムを書くから、もうプログラムを学ぶ必要はないよ」と発言したのが切り取られて、ち
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
Create a Gmail Agent with Model Context Protocol (MCP)
Microsoft 365 Copilot ユーザー向け研修資料
RAGにベクトルDBは必要ない！DBも不要で運用めちゃ楽な RAG Chatbot を作った話
GPT-4oとPhi-3でLLMとSLMの双方を取り込むMicrosoftのAI戦略
生成AIによるプロダクトと生産性向上の舞台裏@2024.04.16
