Tech Blog まとめ - Zenn

記事詳細

1. Zenn

   コンテキストファイルは、エージェントを賢くしない ── AGENTS.mdの効果を初めて測った研究

   コンテキストファイル（AGENTS.md）がLLMエージェントの推論性能に与える影響を実験的に測定し、効果がほぼないことを示した。ドキュメント化は有益だが、性能向上には直接関与しない。

2. Zenn

   AIエンジニアリング進化の系譜 — 第4の波は何か

   AIエンジニアリングの歴史を4つの波に分け、第4波はマルチモーダルとエージェントオーケストレーションに焦点を当てた統合プラットフォームの時代と位置付けた。

3. Zenn

   LLMの性能比較、何件評価すれば足りますか？

   LLMベンチマークの統計的有意性を検証し、5%の差を検出するには各指標で最低3000件の評価が必要と結論付け、ブートストラップ法でのサンプルサイズ計算を提案した。

4. Zenn

   Claudeの Microsoft365コネクタ開放で始まる Copilotのマルチモーダル化とSIerの利点

   ClaudeがMicrosoft 365と連携し、テキスト・画像・表データを同時に処理できるCopilotのマルチモーダル機能が公開された。SIerは業務自動化や文書解析で新たなサービス提供が可能になる。

5. Zenn

   わたしと生成AIの心地よい距離感について

   生成AIとの関係性を「心地よい距離感」と表現し、過度な依存を避けつつプロンプトで期待値を明確に設定する重要性を提唱した。

6. Zenn

   スマホより小さい。1ビットLLMが「AIをどこでも動かす」時代を本当に変えるかもしれない話

   1ビット量子化されたLLMをマイクロコントローラ上で実行し、Raspberry Pi Zeroでリアルタイム推論を実証。エッジデバイスへのAI展開が現実味を帯びる。

7. Zenn

   【VS Code × GitHub Copilot】prompt、agents、skillなど5種類のファイルの全体像と実践

   VS CodeでCopilotをカスタマイズする際のディレクトリ構成（.copilot/）と、prompt、agents、skill、config.jsonの役割を解説し、実装手順を具体例で示した。

8. Zenn

   AI検索時代のローカルSEO——構造化データとGBPがLLMの回答を左右する仕組み

   構造化データ（Schema.org）とGoogle Bard Prompting（GBP）がLLMベースの検索結果に与える影響を分析し、ローカルSEOで有効なマークアップ手法を提示した。

9. Zenn

   AIは普通の酢を「カンタン酢」だと思っている。買いに行かせる前にお互いの認識をすり合わせよう。

   AIが情報の解釈を誤る例として酢のレシピを挙げ、プロンプトや期待値のすり合わせが正確な出力を得る鍵であることを強調した。

10. Zenn

    AIで加速する個人開発〜日本の個人開発の未来を考える〜

    AIツールが個人開発者のプロトタイピング・デバッグ・マーケティングを高速化し、日本国内のインディー開発がAI支援で拡大する展望を論じた。