かんばやし@実装できるAIプランナー

🧠機械学習歴7年、📕機械学習やAIの商業出版、📃海外で論文発表してます。今はAIプランナーとして、自社製品を持つ企業や新規事業のAI開発で、プログラムが書ける技術顧問として活動🏃🏼。LLM×システム開発×クラウド×機械学習

[かんばやし@実装できるAIプランナー @Taka_baya]

🏆技術書アワードの最優秀賞ありがとうございます！🏆

🤖本書は、生成AIを活用したユーザーの商品購入を手助けするAIエージェントを開発した際の、基礎的な技術的な内容を記載してます。

引き続き、Boothから電子書籍購入可能なので、生成AIを使った開発に興味がある方は、以下URLから書籍購入可能です📗

https://t.co/x6ETb2ImPk

[技術書同人誌博覧会(技書博) @gishohaku]

✨⚓️✨⚓️✨⚓️✨
🎉技術書アワード🎉
⚓️✨⚓️✨⚓️✨⚓️

最優秀賞は

味噌とんトロ定食(い-03) さんの
『Pythonで始める生成AI開発入門』です！
https://t.co/POFVq3gW0G

⚓️✨⚓️✨⚓️✨⚓️✨⚓️✨
受賞おめでとうございます！
✨⚓️✨⚓���✨⚓️✨⚓️✨⚓️

[かんばやし@実装できるAIプランナー @Taka_baya]

@sugtao4423 あっ(察し

お、ドロップアウ��メンバーでのDiscord とかもええな、ぜひ声かけてくれ〜！！！

あと来年、もし休息飽きたら言ってな、
一応、2期目と23期目の会社代表しつつ自社サしてるから、また一緒に開発しよーね

[かんばやし@実装できるAIプランナー @Taka_baya]

@sugtao4423 今は最寄り新宿住みだわ〜
いつでも遊びに来てクレメンス

私も辞める前、他の人がやってるPR見て、コードレビュー反逆のリリースしてるのを目撃して、怪しさ感じてたw

マジ、兄貴お疲れ様っす！
あの中、走り抜けたの凄いわ、

[かんばやし@実装できるAIプランナー @Taka_baya]

@sugtao4423 お、お主も社不でござるか（満面の笑み
飯案件やな

AIによる
技術負債、漏洩インシデント、インフラ設計ミスによる請求
待った無しの未来しか見えんな

[かんばやし@実装できるAIプランナー @Taka_baya]

@usagee_jp FF外からですが、よろしいでしょうか

[かんばやし@実装できるAIプランナー @Taka_baya]

#皇居を巡る謎解きの旅 with #QuizKnock
全ての謎を解き明かしました！ https://t.co/wmZQwglUwK

[かんばやし@実装できるAIプランナー @Taka_baya]

@fumifumi_engr あい！
オンラインでも良きw

[ランサーズ （Lancers） @lancersjp]

【チャットボット導入に悩まれている方へ】
「とりあえずAIチャットボットを導入」になっていませんか？
実は、目的があいまいなまま導入しても、問い合わせ数は減りません。
導入実績100件超のプロが、
✅失敗する導入パターン
✅LINE×AIで成果を出す設計・運用のコツ
を徹底解説します。
登壇いただくのは開発もできる生成AI活用アドバイザーのKai氏（@KaiArt4）です。AIチャットボット導入についてご興味のある方は是非ご参加ください！
🗓️12/23(火) 16:00〜／無料・オンライン
▼詳細・申込はこちら
https://t.co/El2MovVJpY

[きじなご @kzng1445]

曰くつきの団地アパートの日勤警備員となって
過ごす10日間を描くホラーADV

『柘榴団地(ザクロダンチ)』
2025年12月17日（水）21:00頃リリース

無料体験版は3日目まで遊べるようになりました

#スーパーゲ制デー

[かんばやし@実装できるAIプランナー @Taka_baya]

@vibecoding_camp ですね！
ただ私は文章化されても読むの気が滅入るので、シーケンス図等のマーメイド形式で図として要件定義系をまとめて貰うようにしてます笑

[かんばやし@実装できるAIプランナー @Taka_baya]

AIバイブコーディングって如何に要件定義等の上流工程を固めて行うかどうかが大事な気がする。

少しでも漏れが発生すると、その漏れからAIが不要な機能等を実装して、エラーが出て、原因特定が大変になる....

[iwashi / Yoshimasa Iwase @iwashi86]

��RAGの本番運用、500万件超のドキュメントを処理して学んだこと」（Production RAG: what I learned from processing 5M+ documents）という記事からメモ：

・合計1300万ページ以上の文書を処理する2つの異なるシステムを構築
・開発当初は、LangchainやLlamaindexといった既存ライブラリを利用
・チュートリアルを参考に、少量のデータ（100件）では良い結果が出た
・しかし、本番環境の全データで動かすと、エンドユーザーが満足できる性能ではなかった

・満足のいく性能を出すため、その後数ヶ月かけてシステムを部分的に書き直した
・最も効果があった改善点の一つは、クエリの生成方法を変えたこと
・ユーザーの最新の質問だけでは、必要な文脈をすべて捉えられないことがわかった
・そこで、LLMに会話履歴を分析させ、複数の関連クエリを自動生成させた
・��味が近いクエリとキーワード検索用のクエリの両方を作り、それらを並行処理することで、検索の網羅性が高まり、結果が改善した

・リランキングは、ROIが一番高い改善だった
・検索の初期設定が不十分でも、リランキングで多くを補えた
・筆者らの理想的な設定は、50個のチャンクをリランキングし、15個に出力を絞り込むことだった

・チャンキングは、最も労力がかかる作業だった
・実際、開発時間の大部分をチャンキング戦略の策定に費やした可能性がある
・扱うデータの特性を深く理解し、カスタムの分割方法を構築する必要があった
・分割したチャンクを目視でレビューすることが非常に重要
・チャンクが単語や文の途中で不自然に切れていないかを確認する必要がある
・特に、各チャンクが、それ自体で独立した意味を持つ「論理的な単位」であることが重要

・LLMに渡す情報を工夫することも、性能向上に大きく寄与した
・当初は文書の本文だけをLLMに渡していた
���だが、実験的に、本文に加えてタイトルや著者といったメタデータもLLMに渡すようにした
・メタデータを追加した結果、LLMが文脈をより正確に理解し、回答の質が向上した

・クエリルーティングも重要な改善点だった
・ユーザーは「この記事を要約して」など、RAGが苦手な質問もすることがわかった
・このような質問を検知する「ルーター」を開発
・RAGに適さない質問は、RAGシステムを通さず、別のAPIやLLMで直接処理するようにした

最終的な技術スタックは以下の通り：
・ベクトルDB：Turbopuffer
・ドキュメント抽出：個別
・チャンキング：unstructured\.ioをデフォルトにするが、エンプラ向けには個別カスタマイズ
・エンベディング：text-embedding-large-3
・リランカー：Zerank
・LLM：GPT 4.1（GPT-5ではなく）

[かんばやし@実装できるAIプランナー @Taka_baya]

@fumifumi_engr 私のところ、帳簿記載込みで
・月2.7万円、決算10万円
のとこと、
・帳簿記載と決算と四半期に一度の数値による経営フィードバック
で年額60万円

です。
会社の所轄税務署で、税務調査入った際の対応お願いしたくて、所轄税務署内の税務事務所にお願いしてるので、それぞれ別にしてる

[Oikon | Claude Code本出しました @oikon48]

Claude SkillsはMCPよりも良いかもしれない。

MCPは大量のコンテキストを使用する一方で、SkillsはMarkdownと必要なら追加でスクリプトを用意すれば、AIが必要な時に使える。

Claude Skills are awesome, maybe a bigger deal than MCP
https://t.co/S9fQlloUaq

[かんばやし@実装できるAIプランナー @Taka_baya]

@HamutanPome1 ありがと！
近く行った時寄ってみる！

[かんばやし@実装できるAIプランナー @Taka_baya]

@HamutanPome1 いいなぁ、どこで手に入れた？

[かんばやし@実装できるAIプランナー @Taka_baya]

とりあえず、サーバールーム建てられる事務所に移転検討しとく...？
って血迷い始めた

[かんばやし@実装できるAIプランナー @Taka_baya]

全くその通りだ！笑
Claude Codeが全肯定して、ファイルを破壊する話
https://t.co/bbKbkHR6cD

[かんばやし@実装できるAIプランナー @Taka_baya]

@fumifumi_engr おっす、兄貴最高に熱いぜ！