【#ソウモデルエージェント# 女優 新着イベント情報】 お待たせしました！イベント決定です♪ まだちょっと先だけど予定しておいてね！ 10/18(日) #女神ジュン# ちゃん 10/24(土) #つばさ舞# ちゃん 11/1(日) #八蜜凛# ちゃん

【#ソウモデルエージェント# 女優イベント情報6月号‼️】 地方でも開催！ 6/6(土) #与田りん# ＆ #月乃ルナ# / #美乃すずめ# 6/7(日) 月乃ルナ ※写真集 6/13(土) #中森ななみ# ※神奈川 6/20(土) #八蜜凛# ※大阪 / #藤かんな# 6/21(日) 八蜜凛 ※愛知 6/28(日) 八蜜凛 ＆ #女神ジュン# 7/5(日) #つばさ舞#

【#ソウモデルエージェント# 女優 新着イベント情報‼️】 6/20(土)12時～/17時～ #八蜜凛# ちゃん ※大阪 6/21(日)12時～/17時～ 八蜜凛 ちゃん ※愛知 6/28(日)13時～ 八蜜凛ちゃん / #女神ジュン# ちゃん ※合同イベ 7/5(日)14時～ #つばさ舞# ちゃん

【更新‼️】#ソウモデルエージェント# 女優イベント情報 地方でも続々開催✨ぜひ遊びに来てね！ 🆕7/7(火) #女神ジュン# ※山口 7/19(日) #与田りん# / #八蜜凛# ※愛知 7/20(月･祝) #藤井蘭々# 7/25(土) 八蜜凛 7/26(日) #美乃すずめ# 7/27(月) #鷲尾めい# ※大阪 🆕8/1(土) 女神ジュン 🆕8/8(土) #つばさ舞#

本日9/17(木)は #FALENO# 専属 #ソウモデルエージェント# 女優 DVD最新作の発売日です✨ #つばさ舞# ちゃん #八蜜凛# ちゃん #女神ジュン# ちゃん 全タイトルとも数量限定版は完売🎉 より高画質な配信版も本日より配信開始！

8/6(木)発売分 #DAHLIA# 専属 #ソウモデルエージェント女優# のDVD最新作が本日より予約受付開始✨ #美乃すずめ# ちゃん ※DAHLIA大リニューアルのアンバサダーを共に務める #小沢菜穂# さんとの共演作‼️ #与田りん# ちゃん 限定版のご予約はお早めに！

6/18(木)発売分 #FALENO# 専属 #ソウモデルエージェント女優# のDVD最新作が本日より予約受付開始✨ #つばさ舞# ちゃん #八蜜凛# ちゃん & #女神ジュン# ちゃん ※共演作！八蜜版、女神版、Blu-ray版あります #藤井蘭々# ちゃん

『Gemini at Work 2026：仕事を任せる「Gemini agent」を発表』 Googleが発表したのは、自分のメールアドレスや役割を持ち、チームに加わるAIだ。PCを閉じても仕事を続け、必要に応じて別のエージェントへ作業を割り振る。「Gemini agent」を、目的を伝えて仕事を任せる共通の窓口にするという構想らしい。 GeminiはGoogleやAndroidにくっついてくるから手軽に使えること以外出遅れてる感があるような気がするけど、今後どうなるんだろうなー。 以下、詳細です。 ・会話が終わっても続く仕事 クラウド上で記憶と実行を維持し、数時間から数日かかる作業にも対応すると説明する。必要に応じて子エージェントを作り、並行作業や順番に進める作業を調整する設計だ。 ・チームに加わるAI Workspaceでは、専用のメール、カレンダー、Driveを持つエージェントを作成できると紹介する。人のアカウントを借りるのではなく、自分の名義で動き、共有された情報にアクセスする。チャットへの追加や文書のコメントから仕事を頼む例が示されている。 ・業務の背景と手順の共有 社内システムへの接続、仕事の手順をまとめたSkills、記憶を組み合わせる。チーム独自のSkillsを社内で共有する仕組みも設ける。データ分析では、指標の定義や業務ルールを参照するKnowledge Catalogを重視している。 ・モデルとエージェントを分ける Gemini agentの裏で使うモデルは、Geminiだけに限定しない。現時点でClaudeも対象とし、他のモデルへ広げる方針だ。仕事に応じてモデルを選び、精度と費用を調整する。 ・権限と行動の記録 各エージェントに識別情報と必要最小限の権限を与え、行動を記録する。コードは隔離された環境で実行し、通信にはAgent Gatewayで組織のルールを適用すると説明している。「何が、何をしてよくて、何をしたか」を管理する設計だ。 ・費用にも上限を設ける プロジェクトごとに利用額の上限を設定し、上限に達するとエージェントを停止する。トークンだけでなく実行環境の費用も追跡し、部門別の費用管理につなげるとしている。 記事はGoogle CloudのCEOによる基調講演をもとにした、自社製品の発表だ。紹介された機能すべての提供時期が明記されているわけではなく、金融・法務向けはプレビュー、政府・医療・小売向けは今後の予定とされている。 自分が見たいのは、AIがチームに加わったときに、人の仕事がどう変わるかだ。目的や完了条件を決め、必要な情報を渡し、結果を確かめる。その分担まで設計できれば、ツールを増やすことから、仕事の進め方を変えることへつながりそうだ。

# AIエージェント開発の意思決定ポイント 🎯 ポイント LLMにドメイン知識を与えたい。RAG？ファインチューニング？ロングコンテキスト？ 「とりあえずRAGで」と思考停止していませんか？この三択、実は知識の性質によって最適解がまったく異なります。選び間違えると、古い情報で回答し続けたり、出典を示せなかったり、トークンコストが爆発したり。正しく選ぶための判断軸を整理しましょう。 📋 概要 AIエージェントにドメイン固有の知識を持たせる方法は大きく3つあります。RAG（検索拡張生成）はベクトルDBなどから関連情報を検索してプロンプトに注入する方式。ファインチューニング（FT）はモデルの重みを追加学習で調整して知識を焼き込む方式。ロングコンテキストは大きなコンテキスト窓にドキュメントをそのまま投入する方式です。それぞれ知識の格納場所・更新サイクル・コスト構造が根本的に異なるため、ユースケースに応じて主軸を1つ選ぶ必要があります。 🔍 意思決定のポイント 判断の核心は「知識がどのくらいの頻度で変わるか」と「出典の明示が必要か」です。 📌 知識の鮮度が命なら → RAG一択。FAQや価格、在庫情報など頻繁に変わるデータは、インデックスを更新するだけで即座に反映されます。FTでは再学習に日〜週単位かかり、現実的ではありません。 📌 出典を示す必要があるなら → これもRAG。「この回答の根拠はどのドキュメントの何ページか」を提示できるのはRAGだけです。FTで焼き込んだ知識は「モデルがそう知っている」状態であり、事後に追跡不可能。説明責任が求められる環境では致命的です。 📌 出力の様式・口調を統一したいなら → FT。「常に法務文書の形式で出力する」のようなスタイルの一貫性は、RAGで例を注入しても安定しません。FTでモデルレベルに染み込ませることで、推論時の例示注入が不要になり、コンテキスト窓の節約にもなります。 📌 少数の文書を丸ごと理解させたいなら → ロングコンテキスト。契約書全体の解釈のように文書構造が重要な場合、チャンク分割で文脈が断絶するRAGよりも、全文をそのまま投入する方が精度が高くなります。 💡 要点と詳細 🔹 RAGの本質的な強みは「知識とモデルの分離」です。知識はインデックスに、推論能力はモデルに。この分離により、知識の更新がモデルの再学習を必要としません。ただし検索品質に依存するため、チャンク分割・埋め込みモデル・リランキング戦略のチューニングが品質を左右します。 🔹 FTの本質的な強みは「行動様式の安定的な変容」です。繰り返し同じ形式で出力する場面では、推論コストがRAGより低くなりえます。ただし知識の更新にはデータセット準備→学習→検証のサイクルが必要で、機動力に欠けます。 🔹 ロングコンテキストの本質的な強みは「実装の単純さ」です。ベクトルDB、検索パイプライン、チャンク分割、FTのインフラがすべて不要。ただしトークン課金がそのままコストに直結し、"Lost in the Middle"問題（窓の中盤の情報に注意が薄れる）もあるため、大量の文書には向きません。 ⚖️ トレードオフ RAGは鮮度と出典追跡に優れるが、検索パイプラインの構築・運用が必要。FTは様式の一貫性に優れるが、知識の更新が遅く出典が不透明。ロングコンテキストは実装が最も簡単だが、コストとスケーラビリティに制約あり。 🏆 実務での定石は「様式はFT、事実はRAG」のハイブリッド。FTで出力形式・口調・専門用語をモデルに染み込ませ、RAGで最新の事実情報を注入する。ロングコンテキストは、RAGのチャンク分割では失われる文脈が重要な場面で補完的に使います。 🛠️ ユースケース 🏢 社内ナレッジベースQ&A → RAG。ドキュメントは日々更新され、回答には出典の提示が求められる。 ⚖️ 法務文書レビュー → FT＋RAG。法務特有の口調と形式はFTで統一し、最新の判例や規制はRAGで注入。 📄 契約書の全体解釈 → ロングコンテキスト。契約書1通を丸ごと投入し、条項間の関係を把握させる。 🏥 医療情報提供 → RAG必須。出典の明示が絶対要件であり、情報の鮮度も重要。FTで焼き込んだ医療知識はハルシネーションと区別できず危険。 迷ったらRAGから始めてください。ほとんどの業務システムでは知識は更新されるものであり、出典を示す能力は信頼性の基盤です。 #AIエージェント# #ソフトウェアアーキテクチャ#

👀 AIエージェントが「今ちゃんと動いてます」と伝えるだけで、信頼度が変わる。地味だけど効きそうな機能がLangChainから登場しました。 タイトル: Build great out-of-the-box user experiences with Managed Deep Agents URL: Managed Deep Agents v0.9で、Slackチャネル向けの新しいリアクションAPIが追加され、エージェントが本文で返信する前に絵文字で「受け取りました」と伝えられるようになりました。注目ポイントは3つです。 👀 シンプルな絵文字リアクション reactions引数に絵文字の文字列、またはコンテキストを受け取って絵文字を返す非同期関数を渡すだけです。「broken」という単語があれば🐛、それ以外は👀を返す、といった軽量なif分岐から始められます。 🧠 分類モデルJevによる動的選択 TypeSafeClassifier(model="typesafe/jev-latest")を使えば、メッセージを「バグ」「障害」「レビュー依頼」「待機中」など7カテゴリに自動分類し、最適な絵文字を動的に選べます。確信度が0.25未満の場合は無難な👀にフォールバックする設計も用意されています。 🎭 カスタム絵文字でスキューモーフィックUI Slackのカスタム絵文字ショートコードにも対応しており、ブランド独自のリアクションで「エージェントが今作業に取りかかった」ことを視覚的に演出できます。 ローディング状態のような一見地味なUXディテールこそ、ユーザーがエージェントを信頼し使い続けるかどうかを左右するという視点が印象的です。 #LangChain# #AIエージェント#