著者 中田百科（なかだひゃっか），桐生佳介（きりゅうけいすけ） 著 定価 3,520円（本体3,200円＋税10%） 発売日 2026.7.27 判型 B5変形 頁数 272ページ ISBN 978-4-297-15727-2 978-4-297-15728-9 概要 大規模言語モデル（LLM）が普及し、サービス価値やユーザ体験が変革の時を迎えています。チャットUIとしての印象が強いLLMですが、文献調査やコーディングの支援、果ては映画の編集など適用先は無限大に広がっています。とりわけ、テキストや画像、音声などこれまで扱いが難しかった非構造化データの解析に対して、LLMは極めて高い性能を発揮します。これらのデータの多くは企業や組織の中に手付かずのまま眠っていますが、その活用がビジネスでの競争力に直結するために、適切な形で情報を抽出する必要があります。このためLLMによる非構造化データからの
こんにちは、takahashi（@stak_22） です。 私は Claude Code を使って開発しているのですが、「さっき同じこと指摘したのに、また同じミスしてる」というケースがよくあります。 同じセッションなら覚えてくれます。でもセッションをまたぐと忘れる。チームの別メンバーが同じエージェントを動かしたら、また一から同じことを教え直す。学びがその場限りで蒸発していくわけです。その度に CLAUDE.md に追記するのも面倒です。 これを解決してくれたのが、今回紹介する self-improvement という Agent Skill でした。導入してみて布教したいと思えるものだったので、紹介させていただきます。 このスキルは何をするのか ひとことで言うと、会話の中で生まれた「学び」を構造化してリポジトリに貯めていくスキルです。 エージェントが以下のような瞬間を検知すると起動します。
As foundation models continue to improve, the lack of relevant context often limits what they can do, especially as they are used to build agentic systems. While these models can help you write code, summarize documents, or analyze a dataset, they still need the right information to produce accurate and actionable results. That’s why today, we’re introducing the Open Knowledge Format (OKF), an ope
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
