VibeCoding Tailor

王 – 男 + 女 = 女王。この奇妙な引き算が本当に動くという事実が、AIのあらゆる検索・レコメンド・RAGの根っこにある。単語を高次元空間の点に移すembeddingを、地図の比喩ひとつで最後までほどく。AIのしくみ地図 5編。

「モデルを学習させる」という言葉は魔法のように聞こえるけど、実際は「予測をだんだん外さないようにパラメータを少しずつ直すこと」。霧のかかった山を降りるgradient descentの比喩で、loss・backprop・learning rateまで最後までほどく。AIのしくみ地図 6編。

「AIエージェント」「エージェンティック」「AI employee」が毎日ニュースに出てくるけれど、LLMとどこで分かれるのかをひとことで言える方は少ないはずです。目標・状態・ツール・ループ・適応の5つの層でエージェントを定義し、Claude Code・Cursorがなぜエージェントで、ChatGPTはなぜ曖

プロンプトエンジニアリングは文章作法ではなく、確率分布を傾ける技術です。Zero-shot・Few-shot・Chain-of-Thoughtがなぜ効くのか、「Let’s think step by step」の1行がなぜベンチマークを動かしたのか、条件付き確率の視点から最後まで解説します。AIのしくみ地図9

会社にAIを組み込みたいけれど、fine-tuningすべきか、RAGを作るべきか、プロンプトだけで足りるのかが見えない実務者のための意思決定ガイド。5つの質問で分かれる判断ツリーと、費用レンジ、3段階の現実的な導入順まで。AIのしくみ地図10編。

RAGをひと塊で見ると、ニュースがずっとぼやけます。Embedding基礎検索・GraphRAG・Agentic retrieval・Memory adaptationの4層に分けると、プロダクト・論文・「RAGは死んだのか」の議論が一気に鮮明になります。Claude Code・Perplexityがどの層か

Claude 1MトークンやGemini 2Mのヘッドラインが「AIの記憶力が上がった」に聞こえますが、context window・session memory・persistent memoryはまったく違う3つです。Lost in the middle・compaction・Doc-to-LoRAまで、

AIエージェントをtool use・state・planning・reflection・multi-agentの5層に分解すると、Claude Code・Cursor・Devin・Auto-GPTがなぜ違う結果を出したのかがはっきり見えます。エージェント製品を評価・導入するときに使える10のチェックリストまで

同じClaude・GPTを使ってもエージェントの品質がまるで違う本当の理由はハーネスです。System prompt・AGENTS.md・skills・hooks・permissions・sandbox・compaction・verificationの8階構造でハーネスを分解し、Claude Code CLA

AIのしくみ地図 — LLMからMeta-Harnessまで20編で積み上げる学習ロードマップ 0-1. 二つの入り口 — 表とエッセイ このシリーズには 二つの入り方 があります。 (A) 表形式の入り口(この記事) … 続きを読む