Category
AI
機械学習・LLM など
50 件の記事 · 2 / 5 ページ
-
Claude Code で会社を経営する
エンジニアが「80% を Claude に書かせている」という段階を超え、Claude Code は組織そのものを動かすインフラになりつつあります——Managed Agents の登場で何が変わったかを整理します。
-
Claude Code をセッションから学習させる——continuous-learning スキルの仕組み
コミュニティ製スキル continuous-learning は、セッションで発生した修正・成功パターンを信頼スコア付きで蓄積し CLAUDE.md に書き戻すことで、Claude の振る舞いをフィードバックループで継続改善します。
-
クライアントツール vs サーバーツール
クライアントツールはユーザーが定義・実行しエージェントループが必要です。サーバーツールは Anthropic が実行するためループ不要で結果を直接受け取れます。
-
長いエージェントループのためのコンテキスト管理術
コンテキストウィンドウは有限リソースです。Compaction・Context Editing・思考ブロック管理の3つのアプローチを整理します。
-
effort と budget_tokens の違い
budget_tokens は思考トークンの上限を数値で指定します。effort は思考・テキスト出力・ツール呼び出し回数すべてに影響するレベル指定です。2つは別の概念です。
-
バッチ・ストリーミング・高速モードの選び方
同期・ストリーミング・バッチ・高速モードのどれを使うかは、レイテンシ要件とコスト優先度で決まります。それぞれの特性と使い分けを整理します。
-
extended thinking と adaptive thinking の違い
「拡張思考を有効にする」と「適応型思考を有効にする」は別の概念です。モデルごとの対応状況と使い分けを整理します。
-
LLM でデータセットを作る際の落とし穴とマトリクス設計
LLM による合成データ生成には世代崩壊やバイアス増幅といった構造的な落とし穴がある——その根本には Chat 形式の連続生成という設計ミスがあり、マトリクス×ステートレス単一 API 呼び出しに切り替えることで解決できます。
-
OOD（分布外データ）とは何か ── LLM で合成 OOD プロキシを生成して未知データに備える
訓練データの分布外にあるデータ——OOD——にモデルは高い確信度で誤る。ラベル付き OOD が手に入らないという根本問題に対し、LLM で合成プロキシを生成する最新アプローチと、その落とし穴を整理します。
-
プロンプトキャッシングの落とし穴
プロンプトキャッシングは強力なコスト削減手段ですが、thinking パラメータの変更でメッセージキャッシュが無効になる点など、知らないと損をする挙動があります。
-
JSON 出力とソース引用
構造化出力（JSON スキーマ準拠）と引用機能を使うと、バリデーション不要のデータ抽出とハルシネーション対策ができます。2つの組み合わせ方も解説します。
-
AI の UI を「generated っぽく」させない——StyleSeed の 69 のデザインルール
StyleSeed はデザインデータではなくデザイン判断力を Claude に渡すスキルです。69 のビジュアルルール・7 つのブランドスキン・14 のスラッシュコマンドで、AI が出力する UI を「作られた感」のあるものに変えます。
