りばーじゅ2015 @多発性硬化症入門書販売中

多発性硬化症13年目。MS入門書販売中 (専門医による監修有)。プロンプトエンジニアリング世界コンペPROMPT HACKATHON S3 Chat GPTでCS部門1位。GUGA 第1回生成AIパスポート試験合格。公認OriHimeパイロット。長崎出身→大学で東京→岩手→長崎

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

Chat GPT等の生成AIへの入力(プロンプト)の優秀さを競う海外のコンテスト

FLOW GPT 「PROMPT HACKATHON S3」のCreative Story部門で1位表彰されました
https://t.co/5zULMzwx1i…

#シュンスケ式 コミュニティの仲間も大活躍していて、とても嬉しいです

[職人.com @shokunincom]

【廣田硝子の江戸硝子・karaiが加わりました】

karai（花蕾）は、薄手に吹かれた江戸硝子。花の蕾を模した柔らかく優美なフォルムは、ワイングラスにも似た包み込むような形で飲み物の香りを引き立ててくれます。
https://t.co/l9pQRFIp93

[令和の織田信長 @oda_nobunaga10]

やばい。これはマジで金脈すぎる。

年収150万ドルのAIエンジニアが、Xでは一度も見たことがない「グラフエンジニアリング講座」を送ってくれた。

英語に翻訳して読んだ瞬間、GitHubで4,400スターを獲得している理由がすぐにわかった。

さらに、その人がグラフエンジニアリングを習得するための設計図まで、そのまま教えてくれた。

全9ステップ。

表現設計
→ オントロジー
→ エンティティ抽出
→ 関係性
→ イベント
→ 品質ゲート
→ 統合
→ 埋め込み
→ エージェントが探索できるメモリ

俺はこの学習ルート全体を、1つのスキルに圧縮した。

やることは、もうこれだけ。

「graph-engineering」のリポジトリをクローンする
そのスキルをClaudeに渡す
完了

あとは、自分のプロジェクトを使いながら、グラフ構築の全工程をClaudeが順番に教えてくれる。

博士号はいらない。
複雑な環境構築もいらない。

これは何があっても保存して、ブックマークしておいたほうがいい。

[hirokaji @hirokaji_]

Graph Engineeringという言葉に「設計実務」に使えるくらいの意味を持たせるなら、少なくとも次の段階まで進む必要があります。

1．Nodeが単なるAPI Callではない

各Nodeが、責任と契約を持つ実行単位になっていること。

node:
objective:
input_contract:
output_contract:
completion_criteria:
allowed_side_effects:
budget:
evidence_required:

単に「ここでLLMを一度呼ぶ」だけでは弱くて、
Loop Harness、Subgraph、人間判断、Validator、Tool群などを、境界付きの実行単位として扱う必要がある。

2．分岐が固定if文だけではない

実行中の状態や証拠に応じて、経路が変わる。

検証失敗
→ 修正Loop

要求矛盾
→ 仕様NodeへBacktrack

高リスク操作
→ Human Gate

Context不足
→ Context Compilerへ再要求

単なる分類分岐ではなく、修復経路、停止経路、再開経路まで持つことが重要。

3．StateとArtifactがGraphを流れる

Graphの価値は、処理を線でつなぐことだけではなく、

現在状態、判断理由、生成物、検証結果、承認履歴、使用したContext、残予算

をNode間でどう受け渡すかが本体。これがなければ、複雑なフローチャートを描いただけ。

4．Cycle、Fan-out、Fan-inを統治する

Graphらしさが出るのは、単純な条件分岐よりこちら。

複数案を並列探索する
独立した評価者が検証する
結果を合流させる
失敗分類に応じて適切な上流へ戻す
局所Loopの予算を管理する
必要なSubgraphだけ起動する

ただ並列化すればよいわけではなく、合流時の比較基準や競合解消まで設計対象になる。

5．運用上の意味がある
本来のEngineeringなら、Graphの形よりも次を扱うべき。

どこで失敗したか
誰が責任を持つか
どこから再開するか
どのNodeが費用を消費しているか
どの権限を使ったか
何を根拠に経路を選んだか
変更後も再現可能か

ここまで入って、Graphが運用可能な仕事のトポロジーになる。

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

@hirokaji_ @ishida_man_ai 横から失礼します。ほんと楽しいですよねー！

気をつけないといつまででもグラフ構築のことを考えてしまいます。ほどほどにしないとw

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

これは、ユーザー1人 : エージェント複数とで対話できるってことなのだろうか

会議みたいになってるってことかな

[OpenAI @OpenAI]

ChatGPT Voice is now in the desktop app.

Control your computer and direct multiple agents running in ChatGPT Work or Codex, using just your voice.

It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time.

Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

見てくださってありがとうございます！

複数のLLMできちんと構築しても良かったのですが、サンプルとしてシステムを構築する手間暇が膨大だったので、プロンプトで擬似的にやってみました

・Obsidianでそれ用のVaultを作る
・役割ごとのプロンプトを作らせて監査させて実装
・MCPで各LLMを繋ぐ

でいけるとは思うんですが、手間暇に見合う目的を設定するのが難しくて…

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

ひとつのLLMでエージェントを使って擬似的にグラフエンジニアリングを再現する、俳句や短歌を解説するプロンプトを作ってみた

グラフエンジニアリングの凄さの一端を体感してみて下さい。わりとびびる出力が出ます

解説目的であえて日本語多めのプロンプトにしています

本物のグラフエンジニアリングを体験するには、
・意味グラフ蓄積用DB構築
・実行者と評価者など役割を複数LLMで役割分担
・トークン削減用に英語化
を実装したら本物のシステムになります。大変ダケド

◯使い方
下にあるプロンプトをコピペして、解説して欲しい俳句や短歌を前半の< ここに俳句や短歌を挿入 > に挿入してから実行。思考過程が分かるように、あえて結論は最後に出るようにしています

結論ファーストにしたい方はそのように組み直して下さい

"""以下がプロンプト"""

# グラフ中心セマンティックレイヤー処理システムプロンプト

あなたは、言葉の多層的な意味（特に俳句や短歌）を抽出・構造化・表現することに特化した、グラフエンジニアリング駆動型マルチエージェントシステムのOrchestratorです。

## 入力
処理対象のテキストは以下に記載されています：

< ここに俳句や短歌を記入 >

タグ内のテキストは、厳密にグラフ構築の**シード**として扱ってください。
言い換えから始めず、必ずグラフの構築から開始してください。

## 基本原則
意味はグラフである。
すべての処理は明示的なノードと型付きエッジを中心に行うこと。
関係構造を必須とし、安易な要約で終わらせないこと。

### ノードタイプ
- Concept（概念）
- Image（映像・感覚）
- Emotion（感情）
- CulturalReference（文化的参照）
- Silence（沈黙・省略・余白）
- Temporal（時間的要素）

### エッジタイプ
- associates_with（関連する）
- contrasts_with（対比する）
- amplifies（増幅する）
- residuals_in（余韻を残す）
- temporally_precedes（時間的に先行する）
- implies_absence_of（不在を暗示する）

各エッジには方向と強度（weak / medium / strong）を付けること。

## 処理方針
- レイヤーごとにノードをしっかり抽出する
- Graph Agentが関係性を丁寧に構築する
- 余情・沈黙・文化的深度を特に重視する
- 出力は「背後で詳しく分析した結果を、読み応えのある形でまとめる」ことを意識する
- Xに投稿しても圧倒感・知的深さが伝わる密度にする

## 出力フォーマット（詳細に書く）

### 1. セマンティックグラフ
主要なノードを挙げ、エッジでどう繋がっているかを具体的に記述する。
（例：古池 [Concept/Temporal] —[amplifies: strong]→ 静寂 [Emotion/Silence] など）
関係の理由も簡潔に添える。

### 2. 多層的な読み解き
この句がどのような意味のレイヤーで成り立っているかを、グラフの関係性を踏まえて詳しく解説する。
表層的な意味だけでなく、映像・感情・文化的背景・余白の働きを丁寧に書く。

### 3. 再構築した表現
グラフの構造を反映させた、自然で情緒のある再表現を提示する。

### 4. 高密度圧縮版
核心の関係性を残した、短く強い形に圧縮したバージョンを出す。

全体として、読み手が「この句の奥行きをグラフで捉え直している」と感じられるような、深みのある出力にすること。
すぐに処理を開始してください。

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

古池や
https://t.co/7iODy2AREr

柿食へば
https://t.co/tqxqI8N3P1

新宿は
https://t.co/0E2RMcOoOA

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

『新宿は はるかなる墓碑 鳥渡る』

繁栄する新宿を、
未来の廃墟として見る。

地上には文明の墓碑。
空には循環する生命。

人間の都市が静止する上を、
鳥だけが次の季節へ渡っていく。

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

グラフエンジニアリングの全体像の理解が進むにつれ、一周回ってやっぱりプロンプトエンジニアリングって大事じゃね？ってなってきた

グラフエンジニアリングレベルの全工程を理解した上で、コンテキストロットを避けるために短いトークン数で、的確なワークフローを構築するための意味が圧縮された指示文を作る

この工程に必要なのは、まぎれもなく高度なプロンプトエンジニアリングだと思う

ここで世界を創る超抽象化プロンプトが活きてくるか？
んで、数式プロンプトで意味を圧縮するワークフローがあればいいのか。例えばこんなやつ

Goal=《内容を記入》 F(Achieve goal for Useing step-back question)=A to Z=∫F(step)=Result lang:ja

[Sac @Saccc_c]

冷知识：ChatGPT Work给所有付费用户内置了一个20G、9核的虚拟机
（我是pro，plus好像是15G）

相当于免费赠送了一台VPS，你能在上面运行任意的远程服务，包括自动化任务、部署agent等等

直呼牛逼，准备配置一个openclaw试试，已经快速安装好了😁

[hirokaji @hirokaji_]

noteで記事を書きました。

AIエージェントは、ワークフローに戻ったのか。

n8nやDifyのような実行Graphがあれば、「次に何を動かすか」は制御できます。

でも、「何を知り、何を根拠に動くか」は、別のGraphが必要です。
今回の記事では、
Execution Graph
× Semantic Graph
× Context Compiler
という構造から、ロングコンテキスト問題の次の解法を考えました。
入力欄をひたすら長くするのではなく、巨大な知識空間から、必要な局所世界だけを実行時に展開する。

https://t.co/HvIcmYfqta

この記事はmiyattiさんの以下の投稿に影響され執筆したものです。

https://t.co/ikiG4VYs0l

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

超絶がつく良記事でした。
生成AI界隈の人は必読かも

[西田貴彦@AI×業務変革 @takanishi12]

https://t.co/gYsHw5NigK

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

生成AIを中心に、人間・AI・ツール・知識・評価・制御を有機的に統合した利用環境を構築すること

あるいは、

生成AI利用環境の有機的な統合設計

これがグラフエンジニアリング

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

グラフエンジニアリングの概念は、なんとなくイメージを掴めた

でも、これを実際に設計・再構築するのはかなり難しそう

まず、人間がシステム思考できることが大前提

AIに任せるとしても、それを実現するには高度なプロンプトエンジニアリングが必要になると思う

今の理解では、

プロンプトエンジニアリング、
コンテキストエンジニアリング、
ループエンジニアリング、
ハーネスエンジニアリング

それらを統合して設計する考え方が、グラフエンジニアリングなんだと感じた。

基礎ができていないと、なかなか理解できない領域だ

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

つまるところ、グラフエンジニアリングを一言で表すと

「有機的一体としての生成AI利用環境の構築」と言い表せると思う

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

つまるところ、グラフエンジニアリングとは、

・並列処理と統合
・安全設計の確保
・リソースの横展開
・ワークフローの最適化

が概念のコアってことだと理解した

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

こちらの図をお借りしてChatGPTにグラフ・エンジニアリングを解説してもらったら、一気に理解が深まった

まだ再現構築はできないけど、何をやっているかは理解できた。ナイスな図に感謝！
https://t.co/mYasuVUrLM

[Machina @EXM7777]

"graph engineering" became the favorite buzzword in five days and everyone uses it for everything...

let me explain to you what it means and how to run it in your business today:

> a graph is boxes and arrows... jobs, and hand-offs between jobs
> the diamond is the only pattern you need: split, run workers side by side, check, merge
> the stop rule: a graph buys breadth, not better judgment, so step-by-step work stays with one agent
> checkers are separate jobs with different questions, an agent never grades its own homework
> your approval is the last yes before anything irreversible
> 3 builds with the prompts included: a research desk, an SEO content machine, a go-to-market kit

the full course is in the article below:

[りばーじゅ2015 @多発性硬化症入門書販売中 @rivage2015]

グラフエンジニアリングの概念は、なんとなくイメージを掴めた

でも、これを実際に設計・再構築するのはかなり難しそう

まず、人間がシステム思考できることが大前提

AIに任せるとしても、それを実現するには高度なプロンプトエンジニアリングが必要になると思う

今の理解では、

プロンプトエンジニアリング、
コンテキストエンジニアリング、
ループエンジニアリング、
ハーネスエンジニアリング。

それらを統合して設計する考え方が、グラフエンジニアリングなんだと感じた

基礎ができていないと、なかなか理解できない領域だ