悪質なテレビ出演依頼の件ですが、番組制作担当者の山下より警告書が再び送られてくると共に、何故か動画提出を求められました。 ・番組出演キャンセルに伴う請求書と法的措置予告、最終警告を全て無視した事実は極めて重大（←知らん） ・メールでの回答は受付ない。動画で見解を述べろ（←なぜ動画） ・最終警告を無視した警告書（←最終とは） 動画要請は予期していなかった。。 明日、動画撮ろうと思います。

# AIエージェント開発の意思決定ポイント 🎯 **ポイント** RAGのtop-k、なんとなく「5」にしていませんか？検索結果を多く入れれば根拠が増えると思いきや、LLMは中盤の情報を無視しがちで、コストだけが直線的に増加します。少なすぎればハルシネーション、多すぎればノイズと予算超過。このバランスを取るための実践的な考え方を解説します。 📋 **概要** 検索top-kは、RAG（Retrieval-Augmented Generation）において外部知識ストアから取得する文書チャンクの件数を制御するパラメータです。広義には「LLMのコンテキストウィンドウに投入する外部情報の量」を意味します。コンテキストウィンドウは有限の資源であり、システム指示・検索結果・会話履歴・長期メモリ・ツール出力が奪い合っています。検索結果を多く入れれば根拠は増えますが他の情報が押し出され、少なければ根拠不足でハルシネーションが増えます。 重要なのは件数だけでなく「何を上位に置くか」です。初期検索で広めに候補を取り、リランカーで信号密度の高い順に並べ替えて上位k件を投入するパイプラインが標準的です。 🔍 **意思決定のポイント** top-kの設定は主に以下の変数で決まります。 🔹 **コスト感度（cost_sensitivity）** — コスト感度が高いほどtop-kを絞ります。ただし最低限の根拠確保のためk=3を下回ることは稀です。kを5から20に増やすと検索結果部分のトークンは概ね4倍、コストもそれに比例します。 🔹 **失敗コスト（failure_cost）** — 失敗コストが高い領域では根拠の網羅性が重要。kを多めにとりリランクで品質を担保する戦略が有効です。ただしリランクスコアが閾値を下回る文書は切り捨てるべきです。 🔹 **説明責任（accountability）** — 回答の根拠として引用できる文書を確保する必要がある場合、kを増やすよりもリランクスコアの高い少数の文書を確実に含め、出典を明示する方が効果的です。 💡 **要点と詳細** 実践的な判定フローは以下の通りです。 1️⃣ 初期検索では広めに取得（概ねk=20〜50） 2️⃣ リランカーで関連性スコア順に並べ替え 3️⃣ スコアが閾値を超える文書のうち上位k件を投入 4️⃣ 投入後のトークン数がコンテキストウィンドウの50%を超えないよう制御 5️⃣ 超える場合は圧縮（要約）またはさらなる絞り込み 📊 目安値: - 初期検索の取得件数: 20〜50件（リランク用の候補プール） - リランク後の投入件数: 3〜8件（大半のユースケースで5件前後が出発点） - 検索枠のウィンドウ占有率: 20〜40%（50%超で圧縮検討） - チャンクサイズ: 200〜500トークン kの値は「件数の定数」ではなく「リランクスコアが閾値を超えた文書の件数（上限k件）」として動的に決めるのが理想です。高関連の文書が2件しかなければ2件だけ投入し、無理にk件まで埋めません。 ⚖️ **トレードオフ** 📉 top-kが小さすぎると — 回答に必要な情報が検索結果に含まれず、LLMが根拠なしに回答を生成します。特に複数文書からの情報統合が必要な場合（「A社とB社の比較」など）、1件では対応できません。取得件数が少ないと1件のノイズの影響も甚大で、k=2なら1件のノイズが50%を占めます。 📈 top-kが大きすぎると — "Lost in the Middle"問題が顕在化します。LLMはコンテキストの先頭と末尾に注意を集中させ、中盤の情報は実質的に無視される傾向があります。大量投入すると最重要情報が中盤に埋もれます。他の情報枠（システム指示・会話履歴・長期メモリ）も圧迫され、エージェント全体の振る舞いが劣化します。 🛠️ **ユースケース** ❓ **単純な事実質問**（「A社の設立年は？」）— k=2〜3で十分。単一の文書で回答可能なケースがほとんどです。 📊 **比較・分析質問**（「A社とB社の戦略の違いは？」）— k=5〜8が必要。複数ソースからの情報統合にはより多くの文書が必要です。クエリ分類器で場合分けすると効率的です。 🏥 **医療・法務の高精度Q&A** — 根拠の網羅性と出典の明示が両方求められる。初期検索を広く取りリランクで厳選、スコアの高い少数の文書を先頭または末尾に配置して"Lost in the Middle"を回避します。 リランカーを使わずにtop-kを増やすのは逆効果です。ベクトル検索の上位20件をそのまま投入するとノイズが大量に混入します。コンテキストウィンドウの使用率は常にモニタリングし、検索結果で投入した文書のうち実際に回答に使われた比率を追跡しましょう。使われない文書が多ければkを下げるか検索パイプラインの改善が必要です。 #AIエージェント# #ソフトウェアアーキテクチャ#

3名のデータチームに毎週積み上がるリクエスト、事前定義されたダッシュボード以外の分析は全員がデータチームを経由する——それがLangChainのBI時代の日常でした。 🔍 チームは変化を決意しました。求めたのは「ダッシュボード・ノートブック・会話型インターフェースを統合し、ネイティブにAIエージェントを扱える」プラットフォームです。Hexを選び、dbtデータモデル・セマンティックレイヤー・ワークスペースガイド・エンドースメント（信頼シグナル）・GitHub連携という5層のコンテキスト構造を設計しました。移行は6週間で完了し、社員全員が採用するという結果になりました。 変化の核心は技術ではなく「明示性」でした。「account_statusはアカウントのステータスです」という曖昧な定義を、ライフサイクル状態・デフォルトフィルタ・レポート規約を含む詳細な記述に書き換えるだけで、エージェントの回答精度が劇的に変わります。ARR・パイプライン・カスタマーヘルスなど主要指標はセマンティックレイヤーで一元定義し、複数のアセットが同一概念を扱う際にエージェントが混乱しないよう信頼シグナル（エンドースメント）で正規ソースを明示しました。 今、マーケティング・プロダクト・営業・カスタマーエンジニアリングの全部門が、データチームを介さずに自分で分析を進められるようになっています。月間約2,200件のエージェント会話が生まれ、3名のチームが手動で対応できる量の40倍のリクエストをエージェントが処理しています。データチームの仕事は「質問に答える」から「他者が質問に答えられるシステムを設計する」へと変わりました。LangChainの実践記録「How LangChain Built an Agent-First Data Stack」は、エージェント時代のデータチームのあり方を具体的な数字と設計思想で語っています。 #DataStack# #AIエージェント#

「誰かのために料理する」ことは、食べる人だけでなく、作る人の心にも小さな恩恵をもたらす可能性があります。 香港理工大学などの研究チームは、香港の成人と大学生、計1549人を対象に4つの研究を実施しました。 研究では、単に食べ物を渡すだけでなく、「相手を喜ばせたり、助けたりすることを主な目的として食事を準備する行為」を“向社会的料理”と定義。専用の評価尺度を作り、幸福感との関係を調べました。 注目すべきは、「料理をよくする人」と「しない人」を一度だけ比較した研究ではないことです。 大学生231人には1週間、一般成人295人には2週間、1日3回スマートフォンで回答してもらい、その時点で誰かのために料理したか、気分や幸福感、自尊感情、活力などを記録しました。 一般成人の調査だけでも9707件の回答が集まっています。 つまり、別々の人を比べるだけでなく、同じ人が「誰かのために料理した時」と「していない時」で、心の状態がどう変化したかを追跡したのです。 その結果、誰かのために料理した場面では、普段の本人と比べて、 ・前向きな感情が高い ・主観的な幸福感が高い ・自尊感情や活力が高い ・否定的な感情が低い という関連が確認されました。 単に料理そのものが好きだからではないかを確かめるため、自分のために料理した頻度を統計的に考慮しても、結果はほぼ変わりませんでした。 さらに興味深いのは、内向的な人ほど、前向きな感情と自尊感情の上昇が大きかったことです。 大勢の集まりや強い刺激を必要とせず、台所という比較的落ち着いた環境で、相手とのつながりを感じられるため、性格に合った「人を支える方法」になりやすい可能性があります。 なぜ料理なのでしょうか。 料理には、相手を思い浮かべる、献立を考える、手を動かす、完成させる、届けるという一連の過程があります。 「自分の行動が誰かの役に立った」という実感に加え、相手とのつながり、達成感、役割意識を得やすい行為です。 お金や物を渡すだけでは得にくい、時間、手間、香り、味、温度を伴った、具体的な思いやりだといえます。 ただし、「料理をすれば長期的にメンタルヘルスが改善する」と証明されたわけではありません。 確認されたのは主に、その場で生じる小さな感情の変化です。効果量も小さく、観察研究のため因果関係は断定できません。 参加者が香港中心であることや、一緒に食べること、会話することの効果を完全には分離できていない点にも注意が必要です。 また、義務として毎日背負わされる料理は、疲労やプレッシャーにもなります。実際、横断調査では、誰かのためによく料理する人ほど、否定的な感情も高いという複雑な結果が一部で見られました。 大切なのは「誰かのために料理しなさい」と押しつけることではなく、本人が無理なく、自分の意思で行うことです。 豪華な献立である必要はありません。 疲れた家族に温かいスープを作る。 友人におにぎりを届ける。 子どもの好物を一品添える。 誰かを満たそうとして動かした手が、結果として自分の心も少し満たす。 料理は栄養を作るだけでなく、日常の中で思いやりを形にできる、身近な「心の行動」なのかもしれません。

# AIエージェントをソフトウェアに組み込むプラクティス # Model Router & Adaptive Effort｜モデル段階化と適応的努力配分 🎯 全リクエストを最高性能モデルで処理していませんか？ タスク難易度に応じてモデルを使い分けるだけで、品質を落とさずにコストを大幅に削減できます。実運用ではリクエストの60〜80%が軽量モデルで十分に処理できることが多いです。 🔥 解決する課題 すべてのリクエストを最高性能モデルで処理すると月間予算を容易に超過します。一方、すべてを軽量モデルに寄せると複雑な推論や計画タスクで品質が崩壊します。大型モデルはレイテンシも大きく、単純なタスクにまで使うとシステム全体の応答速度が不必要に悪化します。「コストか品質か」の二者択一に陥るのが問題です。 💡 提案パターン タスクの難易度・種別・リスクに応じて呼び出すモデルを動的に選択します。まず軽量モデルで試行し、信頼度が低ければ上位モデルへエスカレーションする構成です。ルーターはまずルールベース（入力長・タスク種別・キーワード）で始め、精度不足なら分類器を追加します。2〜3層（小型・中型・大型）が運用しやすい出発点です。 ✅ 選定条件 使うとき： - タスクの種類が多岐にわたり、定型処理と高度処理が混在している - 月間コスト上限が明確に存在する - トラフィックが十分にあり、ルーティング機構のコストを回収できる 使わないとき： - 全リクエストが同程度の難易度 → 単一モデルで十分 - 全件で品質を1%も落とせない → 常に最高性能モデルを使い、キャッシュでコスト削減 - リクエスト量が少なく（月数百件以下）、ルーティング開発コストが節約額を上回る ⚠️ 落とし穴 - ルーター自身のコストを無視しないでください。LLMをルーターに使うと、分類コストだけで軽量モデル1回分に匹敵する場合があります。まずルールベースで始めてください - 信頼度の定義を明確にしてください。構造化出力のパースエラー率・回答の拒否率・内部ログ確率など、測定可能な指標に落とし込まないと運用できません - エスカレーション無限ループを防いでください。最上位モデルでも信頼度が低い場合の打ち切り条件を設定し、人間エスカレーションまたはエラー返却にしてください 🔧 実装方針 - ルーターはまずルールベース（入力長・タスク種別・キーワード）で実装し、分類精度が不足した場合にのみメタ分類器へ昇格させます - モデル階層は2〜3層（小型・中型・大型）を共通インターフェースで抽象化し、プロバイダ差し替えを容易にします - 軽量モデルの応答に対して信頼度チェック（パースエラー率・拒否率・ログ確率）を行い、閾値未満なら上位モデルへ自動エスカレーションします - エスカレーションは最上位で打ち切り、それでも信頼度が低い場合は人間エスカレーションまたはエラー返却にします - ルーティング比率・コスト・レイテンシを定期的に監視し、モデルバージョン変更によるドリフトに備えて閾値を再調整する運用体制を整えます #AIエージェント# #ソフトウェアアーキテクチャ#

【朝日新聞】園田耕司記者が読者92件の疑問に回答　「台湾有事」なぜ日本も巻き込まれる？ 在日米軍基地への攻撃は日本への攻撃に→交戦・存立危機事態は首相判断、中国の有力シナリオは台湾海上封鎖　

イスラーム法学の「ハディース学」を、AIエージェントが積み上げる知識ベースの信頼性判定に応用した論文が出ている(https://arxiv[.]org/html/2607.24117v1)。 複数のAIが協調して知識ベースを作る仕組み(スクレイパーが情報を抽出し、要約モデルが整理し、別のモデルが回答を合成する、という何人もの「手」を渡り歩く構成)では、来歴管理(provenance、誰が何をしたかの記録)があっても「この主張を信じていいか」までは答えられません。著者が持ち込むのは、預言者ムハンマドの死後にイスラーム法学者が約1200年かけて磨いた手法です。伝承の連鎖(isnād)を必ず記録し、伝承者ひとりひとりの信頼度を個別に格付けする(rijāl)という考え方です。 鎖全体の信頼度は一番弱い伝承者で決まる「弱点連鎖」が基本ルールです。最後にどれだけ賢いモデルが回答を合成しても、途中の抽出段階が壊れていれば意味がないという発想です。ただしAI向けの調整もあり、情報を壊すだけの処理(抽出や要約)は単純に最小値評価にする一方、情報を作り直す処理(生成モデルによる合成)は自分の格付けの範囲内でなら信頼度を持ち上げる方向にも動けます。弱点連鎖だけでは厳しすぎる場面を救うため、互いに独立した複数の連鎖が同じ主張を裏付ければ格上げする「相互証明」の仕組みも入っています。さらに、連鎖の信頼度が高くても中身が正しいとは限らないため、伝承の連鎖とは別に主張の中身そのものが既存の知識と矛盾していないか個別にチェックする仕組みも組み込まれています。実際に物理学の教科書(OpenStaxとCrowellの教科書)に適用した事例研究では19件の矛盾が見つかり、全て人手確認で本物と確認されました。多くは「古典力学とフォトンとで運動量の扱いが違う」ように、間違いではなくどちらも正しいが前提となる理論が違うだけ、というケースだったそうです。 本評価では同じ物理学教科書から抽出した2万件の主張を使い、信頼度の異なる4つの「伝承者」(モデルやスクレイパーのバージョン、故障率は1%・2%・15%・18%)を混ぜてテストしました。最も信頼度の低い伝承者を含む連鎖4,057件(全体の29%)は漏れなく検疫(要注意の主張を人の目に回す措置)され、原因となった伝承者まで追跡できています。一方で、監査ログから自動的に信頼度を学習する仕組みは4つの伝承者のうち3つは正しく回復できたものの、実験内で最も故障率が高かった伝承者(18%)は該当分野での事例が少なすぎて一度も格付けされず、見逃されました。さらに実運用でのカバー率を決めているのは主張の矛盾を見抜く「批評」担当モデルの性能で、参照実装は単語の重なりを見る程度の簡易版だったため大半の文章を「判定不能」としてしまい、カバー率は4.8%止まりだったとも正直に報告されています。 うまくいった部分といかなかった部分の両方をはっきり書いている点も含めて、複数エージェントで知識を積み上げるシステムの設計を考える上で参考になりそうです。

『AI動画1500本の男が弁護士連れて通信社に来た』 松井健が共同通信に全部話した件がヤバすぎる サナエトークンで尻尾切りされた男が弁護士連れて通信社に来た 証言の中身 「首相秘書から小泉氏を逆転するにはどうすればいいかと相談された」 「AI動画を1000〜1500本作成」 「約300アカウントで拡散」 「総裁選後にアカウントは全削除」 「衆院選でも与野党50人から依頼され20人に協力」 共同通信は木下秘書の電話番号を本人のものと確認済み で文春も第5弾まで到達してて 木下秘書と松井氏の43分のZoom音声まで公開されてる 木下秘書はそこで「デジタルとアナログのコラボレーションで精度を上げていく」「うまく一緒にやれたらいいなと思います」と語ってる 高市首相は国会で「秘書も面識のない方」って答弁してたんだけど 面識どころか43分ガッツリ会議してたってわけ しかも高市氏は2002年のブログに「秘書が勝手にやったこと 私は知りませんでしたとだけは言いたくない」って書いてた 24年前の自分が今の自分を完全に論破してる 高市事務所の回答は「調査するつもりはない」 文春5弾＋共同通信＋音声データ＋67通のメッセージ＋弁護士同席証言 これもう詰んでね？