\ #オフログ# / #パイレーツ感謝祭2026# 東京大会🀄 オフショット公開！ ・東京大会 第一部🤖 開会式 大会中の様子・表彰式 閉会の挨拶 ・東京大会 第二部🐉 開会式 大会中の様子・表彰式 閉会の挨拶 オフログはメンバー限定 ご登録がまだの方はコチラから

マイナポータルでログインできない障害が発生しています。デジタル庁は7月16日、利用しているクラウドサービスの障害が原因であると公表しました。 復旧のめどは示されていません。原因は世界規模のシステム障害とみられます。AWSによると、同日16時45分頃から、同社の配信ネットワークであるクラウドフロントで問題が起きているとのことです。 影響はVPCオリジン接続を利用する顧客に限られると説明されています。このクラウド障害により、日本国内の他の主要サービスでもアクセス困難な状況が発生しました。 スマホ決済のペイペイはアプリの決済機能が不安定であるとして、公式発表でオフライン支払いモードの使用を推奨しています。他にも、ニコニコ生放送やはてなブログで接続障害が報じられています。問題が起きているクラウドフロントは、ウェブコンテンツを高速配信するための主要な技術基盤です。 今回のトラブルは、配信サーバーと社内ネットワークを安全につなぐ専用のサブシステムが関係していると報告されています。影響が広範囲に及ぶのは、多くの大手サービスが同社の同じインフラに依存しているためです。復旧に向けた作業の進捗状況は、同社のダッシュボードで随時更新されています。個別サービスの再開時期は、インフラの復旧後に各社から案内される予定です。

DIRECT GAMES「2026オータムセールキャンペーン」開催 ・対象タイトルが最大96％オフ ・1000円のランダムボックスも販売 ・ログインで最大200ポイント獲得 ・期間は10月12日16：00まで

#ドゥームズデイ# 残り2週間切りました...!!🥺 目標まであと【14名😣🙏】 ／ 同盟加入&毎日ログインお願いします❗️ ＼ 🔥MV制作&ソロオフ会をかけた企画🔥 詳細▶︎ ＼加入方法は画像をチェック！🤝／ 🎮うじえちゃん専用 アプリダウンロードリンク 🔗 Googleフォーム 🔗 🎪同盟検索 🔍UJIE 『うじちゃんず』に加入お願いします！ 同盟加入までのチュートリアル配信アーカイブ ▶︎ #PR#

AIエージェントをエンタープライズシステムに組み込むプラクティス 【信頼度ゲート棄権・エスカレーション】 💡 最も危険なAIは「分からないのに答えるAI」です。「答えない」を正常な出力として設計することが、エンタープライズ品質への第一歩です。 🔥 解決する課題 - 分からないことを分からないと言えず、ハルシネーションで誤情報を提供する - エージェントが根拠のない確信で不正確な回答をする（過信） - 専門知識が必要な質問に不適切な自動回答を返してしまう - 有人対応すべき案件がエージェントで完結し、顧客満足度が低下する 🏗️ 提案パターン 自己評価・検索ヒット品質・検証器合否・不確実性シグナルの複合でスコアリングし、閾値未満なら「分かりません」と回答して人間へ転送（warm handoff）します。転送時はそれまでの会話文脈を引き継ぎ、人間がゼロから対応する必要をなくします。封じ込め率（エージェントが自力解決する割合）と誤答率のトレードオフ曲線を実測し、誤答コストが高い業務ほど棄権寄りに閾値を設定します。 ✅ 選定条件 - 向き：顧客対応・専門領域・リスクの高い助言など誤答コストが高い業務 - 不向き：誤りが無害なブレインストーミングや探索的な対話 ⚠️ 落とし穴 - 閾値が高すぎると人間への丸投げが増え、エージェント導入の意味がなくなる - 閾値が低すぎると誤答が増え、信頼を失う - エスカレーション時に文脈を引き継がないと、顧客が同じ説明を繰り返す羽目になる 🛠️ 実装方針 1. 信頼度スコアを「自己評価＋検索ヒット関連度＋検証器合否」の複合で算出するスコアリング関数を実装します 2. 閾値未満時のwarm handoffでは、会話履歴・抽出済みエンティティ・試行済み回答をZendeskチケットまたはSlackスレッドに自動転送します 3. エスカレーション経路をZendesk（顧客対応）、Slack（社内）、PagerDuty（緊急）の3段階で設計します 4. 封じ込め率と誤答率のトレードオフ曲線を週次で可視化し、ドメインごとに閾値を調整します 5. 棄権理由を構造化ログに記録し、頻出する棄権パターンからナレッジベースの改善ポイントを特定します #AIエージェント# #エンタープライズアーキテクチャ#

◥◣＿＿＿＿＿＿＿＿＿＿＿＿＿＿◢◤ ⚔️🔥ドゥームズデイSTART!!🔥⚔️ ◢◤￣￣￣￣￣￣￣￣￣￣￣￣￣￣◥◣ 期間：7月17日(金)18:00～8月17日(月)18:00 詳細： 【ミッション】 ✅チーム同盟合計150名達成で… 🎬 『Continue。』Music Video 制作決定!! ✅個人同盟数40名達成で… ✨ソロオフ会開催!! ✅個人ランキングに応じてメンバーに豪華景品が👑 【参加方法】 ① 専用リンクからアプリをダウンロード クロノ・ネコノ・ナナコ うじえちゃん ミスエル・サキ 兎丸あゆみ 今宮ムギ ② チュートリアルを進める ③同盟一覧から同盟に申請を出す 🔍ナナコ：NANA 🔍うじえちゃん：UJIE 🔍ミスエル・サキ：ERSK 🔍兎丸あゆみ：UMRA 🔍今宮ムギ：mmmu 🏠シェルターを移転 ④ Googleフォームを入力（必須） 同盟申請後、必ずこちらのフォームをご入力ください。 加入フォーム ⚠️③、④両方完了して初めて同盟数に加算されます。 ⑤毎日こまめにログイン 一定期間(基本毎日)ログインしないと自動的に同盟解除になりますので😭こまめにお願いします!! #ドゥームズデイ# #PR# #強くてにゅーげーむ#

# OpenAI Agent SDKの便利で実践的な使い方 🌍 エージェントの内部で何が起きているか、可視化できていますか？ライフサイクルフックを使えば、ロギング・監査・パフォーマンス最適化をエージェントの動作に透過的に組み込めます。 RunHooks と AgentHooks で、エージェントの開始/終了、LLM 呼び出し、ツール実行、ハンドオフの各イベントにカスタムロジックを差し込めます。 📌 タイトル：Agents -- Lifecycle events (hooks) 🔗 URL： 🧩 概要 OpenAI Agent SDK には、エージェントのライフサイクルの各段階でカスタムコードを実行するためのフック機構があります。`RunHooks` はワークフロー全体に適用され、`AgentHooks` は特定のエージェントに適用されます。利用可能なフックには `on_agent_start`/`on_agent_end`、`on_llm_start`/`on_llm_end`、`on_tool_start`/`on_tool_end`、`on_handoff` があります。これらを使って、ロギング、メトリクス収集、監査証跡、データのプリフェッチなどを実装できます。 🛠 使い方 `RunHooks` を継承した `LoggingHooks` クラスを定義し、`async def on_agent_start(self, context, agent)` と `async def on_agent_end(self, context, agent, output)` をオーバーライドしてエージェントの開始・終了時にログを出力します。`Agent` を作成し、` "こんにちは", run_hooks=LoggingHooks())` の `run_hooks` 引数にフックインスタンスを渡して実行します。 🏗 実践的な使い方 **on_llm_end でアウトプットアイテム数ロギング、on_agent_end でトークン使用量ロギング** ワークフロー全体の RunHooks と特定エージェントの AgentHooks を組み合わせて、包括的な監視を実現します。 `RunHooks` を継承した `MetricsRunHooks` クラスでは、`on_agent_end` でワークフロー全体の `total_tokens` や `prompt_tokens` をロギングします。`AgentHooks` を継承した `DetailedAgentHooks` クラスでは、`on_llm_end` で `response.output` のアイテム数を記録します。`Agent` の `hooks=DetailedAgentHooks()` で特定エージェントにフックを適用し、` ..., run_hooks=MetricsRunHooks())` でワークフロー全体のフックも同時に適用して包括的な監視を実現します。 **on_tool_start の ToolContext で監査ログ・分散トレーシング** ツール実行の前後でトレース情報を記録し、問題発生時の調査を容易にします。 `AgentHooks` を継承した `AuditHooks` クラスで、`on_tool_start` では `context.context.trace_id` を取得し、` ` タイムスタンプを構造化ログに記録します。`on_tool_end` では同じ `trace_id` と ` に加え、`result is not None` で成功判定を記録し、分散トレーシングと監査ログを実現します。 **on_handoff でデータプリフェッチによるレイテンシ削減** ハンドオフ先のエージェントが必要とするデータを事前に取得しておくことで、応答速度を改善します。 `RunHooks` を継承した `PrefetchHooks` クラスの `on_handoff` で、` が `"OrderSupportAgent"` の場合に `await db.fetch_orders( と `await db.fetch_payment_methods( を事前取得し、ユーザーコンテキストに格納します。ハンドオフ先が必要なデータを先読みすることでレイテンシを削減します。 💡 ユースケース 📊 on_llm_end で LLM レスポンスのアウトプットアイテム数を記録し、出力品質の監視に活用 💰 on_agent_end でトークン使用量をロギングし、コスト管理ダッシュボードに連携 🔍 on_tool_start/end でツール実行の監査ログと分散トレーシングを自動記録 ⚡ on_handoff でハンドオフ先が必要なデータをプリフェッチし、応答レイテンシを削減 ⚠️ 注意点 - フック内で例外が発生すると、エージェントの実行自体に影響を与える可能性があります。フック内ではtry/exceptで確実にエラーを処理してください。 - フック内で重い処理を行うとエージェント全体のレイテンシが増加します。非同期 I/O やバックグラウンドタスクの活用を検討してください。 - RunHooks と AgentHooks の使い分けを意識しましょう。ワークフロー横断の監視は RunHooks、特定エージェントの詳細監視は AgentHooks が適切です。 ✨ ライフサイクルフックは、エージェントの動作を「ブラックボックス」から「完全可視化」に変えてくれます。本番運用に欠かせない監視・監査・最適化を、エージェントのロジックを汚さずに実現しましょう！ #OpenAIAgentSDK# #AIAgent#

# AIエージェントをエンタープライズシステムに組み込む意思決定ポイント # 自律 vs 決定論ワークフロー｜Autonomous vs Deterministic Workflow 🎯 ポイント エージェントに「自由に考えて動いて」と任せますか、それとも「この手順通りに実行して」と指示しますか？ 自律は柔軟だが予測不能、決定論は硬直だが監査可能。この分岐を副作用の可逆性と影響度で判断せず「なんとなく自律」で設計すると、不可逆な操作をエージェントの自律判断に委ねて取り返しのつかない事態を招きます🔑 📋 概要 自律型はエージェントが自由にステップを計画・実行するアプローチです。タスクのバリエーションが多く、事前にすべてのフローを定義するのが非現実的な場面で力を発揮します。情報検索・要約・分析など読み取り専用の操作が中心で、誤りがあっても容易に取り消し可能な場合に適しています。決定論ワークフローは事前定義されたフローに従わせるアプローチで、操作の副作用が不可逆または高影響（決済処理、契約変更、本番デプロイ、人事異動）な場合、そしてSOX / GDPR / 金融規制により監査証跡が必須な場合に選びます📊 🔍 意思決定のポイント 判断は副作用の有無と可逆性で行います： 副作用なし（読み取り専用）→ 自律で問題なし 副作用あり＋可逆 → 自律＋事後検証で対応可能 副作用あり＋不可逆 → 決定論＋事前承認が必須 規制要件あり → 決定論で監査証跡を確保 タスクの多様性も重要な判断材料です。パターンが固定的なら決定論で最適化し、多様で予測不能なら自律で柔軟に対応します。ただし自律でも、高リスク操作の前にHITL（Human-in-the-Loop）承認ゲートを挿入すれば安全性を確保できます⚡ 💡 要点と詳細 本番環境では純粋な自律も純粋な決定論も少なく、ハイブリッドが主流です： 自律で計画、決定論で実行：エージェントが自律的にタスクを分解・計画し、各ステップの実行は事前定義されたワークフロー（API呼び出しの順序・バリデーション・承認ゲート）に従います。計画の柔軟性と実行の安全性を両立する最も実用的なパターンです。 リスクレベルによる切り替え：読み取り操作は自律、書き込み操作は決定論ワークフローに自動ルーティング。二重トラック検証と組み合わせるのが定石です。 ServiceNowのインシデント対応を例にすると、原因調査は自律（ログ検索・仮説生成・検証を柔軟に実行）、復旧操作は決定論（定義済みのランブック手順に従う）という使い分けが理にかなっています。 監査証跡は全モードで記録してください。自律モードでも「なぜその操作をしたか」を追跡できる操作ログが不可欠です🔄 ⚖️ トレードオフ 不可逆な操作を自律に任せるリスクは計り知れません。Shopifyで数千商品の価格を一括変更する操作をエージェントの自律判断に委ねた結果、誤った価格設定で損害が発生するケースは現実に起こり得ます😰 一方、すべてを決定論にすると、情報検索や要約まで固定フローに閉じ込め、エージェントの柔軟性を完全に殺してしまいます。「AIエージェント」である意味がなくなり、従来のルールエンジンと何も変わりません。 ハイブリッドの境界が曖昧なのも危険です。自律と決定論の切り替え条件が明文化されていないと、開発者によって実装がバラつきます。操作のリスク分類を先に定義し、切り替え条件をコードで明文化しましょう⚠️ 🛠️ ユースケース ナレッジ検索＋ドキュメント編集：Notion / Confluenceでのナレッジ検索と情報要約は自律モード（読み取り専用、柔軟な探索が価値を生む）。ドキュメントの本番公開や共有範囲変更は決定論ワークフロー（承認ゲート＋監査ログ）📚 EC運営（Shopify）：商品情報の検索・分析は自律。在庫調整は決定論（変更量のバリデーション＋承認）。一括価格変更は決定論＋ドライラン必須（差分プレビュー→人間確認→実行）。同じエージェントでもリスクレベルで実行モデルを切り替えます🛒 インシデント対応（ServiceNow）：原因調査フェーズは自律（ログ検索→仮説立て→検証を柔軟に）。復旧フェーズは決定論（ランブック手順通り、各ステップに承認ゲート）。調査は自由に、実行は厳密に🔧 実践のコツ：「自律と決定論の境界」をリスク分類表として先に定義してください。各操作を「読み取り」「可逆書き込み」「不可逆書き込み」「金銭移動」に分類し、それぞれの実行モデルを決めておくのが安全な運用の出発点です💪 #AIエージェント# #エンタープライズアーキテクチャ#