生成AIとは基盤モデルがコンテンツを生成する仕組みと限界
生成AIが作るのは、学習データと入力をもとにした候補です。AI・機械学習・基盤モデル・LLMとの違いと、Webシステムでの責任範囲を分けて考えます。
#llm-inference#frontier-model#safetyPublishedUpdatedGuides
技術ガイド
技術の名前だけでは、設計や実装には使えません。何を指すのか、似た概念と何が違うのか、どこで判断を誤りやすいのかを、一次情報から整理します。
Concept review sequence
25 entries
FIELD GUIDE 01Maintained reference FIELD GUIDE 02Maintained reference LLMとはAI Agentを支える大規模言語モデルの役割と限界
LLMの基本構造、TokenとContext、生成AIやAI Agentとの違い、Webシステムへ組み込む際の運用判断を整理します。
#llm-inference#software-engineering#frontier-modelPublishedUpdatedFIELD GUIDE 03Maintained reference Fine-tuningとはPromptやRAGとの使い分けを先に決める
Fine-tuningの定義、Prompt・RAG・蒸留との使い分け、LoRAなどの手法と、WebシステムでFine-tuningを選ぶ前に確認する評価・運用コストを整理します。
#llm-inference#model-ops#software-engineeringPublishedUpdatedFIELD GUIDE 04Maintained reference AI AgentとはWebシステムに組み込むための構成と責任境界
AI Agentの定義、ワークフローやチャットボットとの違い、Tool・Memory・Identity・評価を含む本番実装の判断基準を整理します。
#ai-agent#software-engineering#agentic-infraPublishedUpdatedFIELD GUIDE 05Maintained reference LLM APIとは生成モデルをWebシステムへ組み込む実装境界
LLM APIのRequest・Response・Streaming・Token・Rate Limit・再試行を整理し、通常のAPI連携に確率的出力を加えて扱う方法を示します。
#llm-inference#software-engineering#infrastructurePublishedUpdatedFIELD GUIDE 06Maintained reference PromptとInstructionとはLLMへ渡す入力と指示の境界
Prompt・Instruction・System Prompt・User Message・Contextの違いと、LLMアプリケーションで指示を組み立てる際の責任境界を整理します。
#llm-inference#software-engineering#safetyPublishedUpdatedFIELD GUIDE 07Maintained reference LLMのContextとはToken・履歴・外部データを分けて考える
LLMが推論時に参照するContextの定義、Context Window・Prompt・Memory・RAGとの違いと、Web実装で管理する情報の範囲を整理します。
#llm-inference#software-engineering#ai-agentPublishedUpdatedFIELD GUIDE 08Maintained reference RAGとは検索で根拠を渡す構成の設計と限界
RAGの定義、Fine-tuningやWeb検索機能との違い、Chunking・Embedding・Rerank・権限フィルタの構成と、検索と生成を分けて評価する方法を整理します。
#llm-inference#software-engineering#infrastructurePublishedUpdatedFIELD GUIDE 09Maintained reference Prompt Engineeringとは指示を評価可能な形で改善する
Prompt Engineeringを、文言の工夫ではなく、成功基準・評価セット・Version管理を使ってLLMの入力を改善する工程として整理します。
#llm-inference#software-engineering#evaluationPublishedUpdatedFIELD GUIDE 10Maintained reference Structured OutputとはJSON Schemaで生成結果を受け取る設計
LLMのStructured Output、JSON mode、Function Callingの違いを整理し、Schema適合と業務上の正しさを分けて検証する方法を示します。
#software-engineering#llm-inference#safetyPublishedUpdatedFIELD GUIDE 11Maintained reference AIシステムのIdentityとAuthorizationとはUser・Agent・Toolの権限境界
AI Agentで混同しやすい認証・認可・委任を分け、User Identity、Workload Identity、Token、Scope、Tool実行の責任境界を整理します。
#ai-agent#governance#safetyPublishedUpdatedFIELD GUIDE 12Maintained reference Human-in-the-LoopとはAI Agentの承認と例外処理の設計
Human-in-the-Loopの定義、承認・確認・Review・移譲の使い分け、MCP ElicitationやAgent SDKの中断再開と、承認を形骸化させない設計を整理します。
#ai-agent#governance#safetyPublishedUpdatedFIELD GUIDE 13Maintained reference AI AgentのToolとは外部操作を安全に渡すための設計
AI AgentにおけるToolの定義、Function CallingやAPI、MCPとの違い、Schema・認可・副作用を含む実装判断を整理します。
#ai-agent#software-engineering#safetyPublishedUpdatedFIELD GUIDE 14Maintained reference プロンプトインジェクションとは攻撃が成立する構造と多層防御
プロンプトインジェクションの定義、直接・間接の攻撃経路、Jailbreakとの違い、Toolを持つAgentで被害が広がる構造と、多層防御の設計を整理します。
#safety#ai-agent#llm-inferencePublishedUpdatedFIELD GUIDE 15Maintained reference Guardrailsとは指示ではなく強制で止める防御層
Guardrailsの定義、Instructionとの違い、内容を検査する分類器と実行を止めるPolicy Hookの二系統、発動の監査と評価までの運用を整理します。
#safety#ai-agent#governancePublishedUpdatedFIELD GUIDE 16Maintained reference MCPとはAI Agentと外部システムを接続するプロトコル
Model Context ProtocolのHost・Client・Server構成、Tools・Resources・Prompts、Transport、認可と本番導入時の境界を整理します。
#remote-mcp#ai-agent#software-engineeringPublishedUpdatedFIELD GUIDE 17Maintained reference AI AgentのSkillとは手順と知識をAgentへ渡す形式
Agent Skillsの定義、SKILL.mdの構造とProgressive Disclosure、ToolやMCP・System Promptとの違い、導入時に確認する信頼境界を整理します。
#ai-agent#software-engineering#agentic-infraPublishedUpdatedFIELD GUIDE 18Maintained reference Context EngineeringとはAgentへ渡す情報を選び続ける設計
Context Engineeringを、System Prompt・Tool・履歴・外部データ・Memoryを限られたContext Windowへ選択し続ける工程として整理します。
#ai-agent#llm-inference#software-engineeringPublishedUpdatedFIELD GUIDE 19Maintained reference AI AgentのMemoryとは何を覚えて何を忘れるかの設計
AI AgentのMemoryの定義、ContextやRAGとの違い、Short-termとLong-termの分離、事実と推測の区別、削除要件まで含む保持設計を整理します。
#ai-agent#software-engineering#agentic-infraPublishedUpdatedFIELD GUIDE 20Maintained reference Harness EngineeringとはAgentが仕事を完了できる環境を設計する
Harness Engineeringを、AgentへTool・Context・権限・状態・検証・Feedbackを与える実行環境の設計として整理します。
#ai-agent#software-engineering#agentic-infraPublishedUpdatedFIELD GUIDE 21Maintained reference AI AgentのSandboxとは実行環境の隔離で影響範囲を決める
AI AgentのSandboxの定義、Tool権限やGuardrailsとの違い、Filesystem・Network・プロセス隔離の構成と、コード実行Agentを本番へ出す前の確認点を整理します。
#ai-agent#safety#agentic-infraPublishedUpdatedFIELD GUIDE 22Maintained reference Loop EngineeringとはAgentの反復・検証・停止条件を設計する
Loop Engineeringを、Agentへ作業を反復させるだけでなく、進捗判定・検証・予算・停止・人間への移譲を制御する設計として整理します。
#ai-agent#software-engineering#evaluationPublishedUpdatedFIELD GUIDE 23Maintained reference AI AgentのObservabilityとTraceとは判断と実行の経路を追う
AI AgentのTrace・Span・Log・Metricを整理し、Model呼び出し、Tool実行、Outcomeを本番で調査・評価できる観測設計を示します。
#ai-agent#software-engineering#evaluationPublishedUpdatedFIELD GUIDE 24Maintained reference AI Agent評価とは本番導入前後に何を測るか
AI Agent評価の対象を、最終回答、Tool利用、実行結果、安全性、コストに分け、回帰評価と本番監視をつなぐ方法を整理します。
#evaluation#ai-agent#software-engineeringPublishedUpdatedFIELD GUIDE 25Maintained reference AI BOMとはModel・Data・Containerの依存関係を追跡する
AI BOMとML-BOMの役割、SBOMやModel Cardとの違い、Model・Data・Runtimeを本番環境まで追跡するための生成・保管・差分確認を整理します。
#governance#model-ops#safetyPublishedUpdated