Qiita (LLM)
4 stories
Qiita (LLM)JapanLLMのTool Calling（Function Calling）失敗パターンと改善プラクティス はじめに LLM（大規模言語モデル）を活用したAIエージェント構築において、Tool Calling（Function Calling）は外部システムとの連携や動的な処理を実行するための核となる技術です。しかし、本番環境や複雑なタスクにおいて「モデルがツールを呼び出してく...
Qiita (LLM)Japanプロンプトの先へ：本番運用できるAIエージェントのシステム設計 はじめに：「2日目」の問題 AIエージェントは週末でも作れます。API呼び出しを数回と簡単なプロンプトがあれば、LLMは質問に答え、コードも書いてくれます。 しかし「2日目」はやってきます。顧客が2GBのデータセットをアップロードする。テラバイト級のデータを扱う必要が出て...
Qiita (LLM)JapanClaude Mythos 5・Opus 4.7・Sonnet 4.6 の生成テキストにウォーターマークが付与される はじめに 2026年11月3日のリリースノートで、Claude Mythos 5・Claude Opus 4.7・Claude Sonnet 4.6 が生成したテキストに、Anthropic のテキスト透かし(ウォーターマーク)が入ることが発表されました。対象は、ドキュメ...
Qiita (LLM)JapanAI台帳はMarkdownが正本、DBは投影——二重管理にしない境界線の引き方 個人で動かしているAIエージェント組織のタスク台帳が、2026年10月25日の実測で tasks.md 2,020,265バイトになっていました。これを毎回エージェントに読ませるわけにはいきません。一方で、検索や集計はDBのほうが楽です。「AIにはMarkdownかDBか」...
Nothing matches this filter yet.