AIエージェント入門 ── AIに「仕事」をさせるとはどういうことか 「AIエージェント」という言葉をよく目にするが、これが何を指しているのか明確に答えられる人は多くない。AIチャットとは別のものを指しているわけだが、本記事ではAIエージェントとは何か、従来のAIチャットと何が違うのか、そしてその仕組みはどうなっているのかを、専門知識がなくても理解できるようにわかりやすく解説する。 AIエージェントとは何か 「答える」から「働く」へ AIチャットは、人間が質問を投げかけると、それに対して回答を返してくれるものである。たとえば「日本の首都はどこか」と聞けば「東京だ」と答えてくれるし、「この文章を英語に翻訳して」と頼めば翻訳してくれる。 …

LLMの性質を知る──初心者のための大規模言語モデル解説 生成AIの技術を実際に使いこなすには、その中核にあるLLMすなわち大規模言語モデルの性質を正しく理解することが不可欠である。本記事では、LLMとは何か、どう使えばうまくいくのか、そしてどんな落とし穴があるのかを、初心者の方にもわかりやすく解説していく。 LLMとは何か AI・生成AI・LLMの関係 まず、大きな枠組みから整理する。 AIとは、人間のように考えたり判断したりするコンピュータプログラムのことである。人間の知能を真似て、データから学習し、問題を解決する仕組み全般を指す。厳密な定義があるわけではないので、「コンピュータが賢くふるまう技術」くらいのイメージでいい。 AI …

DSPy オプティマイザ 統合リファレンス DSPyオプティマイザとは DSPyにおけるオプティマイザ（旧称：Teleprompter）は、DSPyプログラムのパラメータを自動的に調整し、指定したメトリクスを最大化するアルゴリズムである。従来、LLMアプリケーションの品質向上はプロンプトの手動チューニングに依存していたが、オプティマイザはこのプロセスをデータ駆動で自動化する——いわばLLMプログラムのための「コンパイラ」に相当する。 最適化対象となる3種のパラメータ DSPyプログラムが持つ最適化可能なパラメータは以下の3種類であり、それぞれを専門とするカテゴリのオプティマイザが存在する。 Few-Shotデモ（デモンストレーション …

生成AIの嘘を減らすプロンプト手法集 AIが事実と異なる情報を生成してしまう現象は「ハルシネーション」と呼ばれ、AIを活用するうえで常に意識すべきリスクのひとつである。本稿では、このハルシネーションのリスクを低減するための実践的なプロンプト手法を、カテゴリ別に整理して紹介する。各手法にはチャットUIですぐに使えるプロンプト例を付した。 なお、いずれの手法もリスクを「低減」するものであり、完全に防止するものではない点に留意されたい。重要な情報は必ず人間が一次ソースで確認すること。また、手法の効果はモデルや状況によって異なる。

1. 情報源・根拠を求める手法 1-1. 出典・ソースの明記を要求 AIに対して、回答に含まれる情報の出典や根 …

AIコーディングエージェント 8ツール 詳細比較表 本ドキュメントは comparison-detailed.md の全内容を含み、各セクションに日本語の解説を付加したガイド版である。 8つのAIコーディングエージェント (Claude Code, Cline, Codebuff, Codex CLI, Kilocode, OpenClaw, OpenCode, Roo Code) の内部アーキテクチャを、ソースコードレベルで比較している。 各ツールのシステムプロンプト構成、ツール定義、Agentic機能、長期記憶の実装を網羅的に調査した結果をまとめたものである。 調査対象バージョン（2026-02時点）: Claude Code …

LLMタスク分類ツリー LLM（大規模言語モデル）に依頼できるタスクを体系的に分類したガイドだ。タスクの性質ごとに章を分け、それぞれの難易度・必要な推論レベル・推奨モデル・注意点・具体例を示している。自分がやりたいことがどのカテゴリに属するかを把握することで、最適なモデル選びやプロンプト設計に役立てることができる。 なぜこの分類が重要か LLMを使いこなすうえで、タスクの性質を正確に把握することはモデル選択・プロンプト設計・ツール組み合わせのすべてに影響する、基礎的な判断である。 コストと品質のトレードオフという観点では、フォーマット変換のような軽量タスクに最高性能モデルを充てるのはコストの無駄であり、逆に多段階推論が必要な論理パズ …