VibeCoding Tailor

Meta-Harness は実務的に何なのか。テイラーが自分の言葉で答えます。学界の未来形用語ではありません。あなたが毎日 CLAUDE.md や Cursor rules を書き直しているなら、もう手作業の Meta-Harness をやっています。導入すべき5つのサイン、3ステップの最小ルーティン。AIの

2017年のTransformer論文「Attention Is All You Need」を、数式ひとつ(scaled dot-product attention)と比喩ひとつ(図書館のQ・K・V)で最後まで読み切る。mathbullet動画連動。ChatGPT・Claudeの中で実際に動くattentio

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、