けさは、ゲストに人口減少対策総合研究所 理事長で作家・ジャーナリストの #河合雅司# さんをお迎えしました✨ 著書の「#縮んで勝つ# 人口減少日本の活路」は #小学館新書# より発売中です！ 是非ご一読ください📘 #radiko# 📻 #TOKYOFM# #ビジトピ#

5年洗ってない革グローブをオキシクリーンとお湯で洗ったら縮んでしまったので新しくしました！ ※革グローブを洗ってはいけません！

カート、いーなー。 外のコースは150センチ、私は最近背が縮んできてるだろうから、無理かな？ インドアのは平ペーさんの娘ちゃんも行けそう！ #ML813#

めいちの養分を摂取してきました🐼 オタク長生きしたいとこですが(©︎にーな)、毎回バクバクして寿命縮んでおります🐼 私もみんなに養分捧げられる人間になります🐼

部下に任せた案件の資料が、私の机に戻ってきた。 「一応、見ておいてください」 この一言で、任せたはずの判断まで私の側に戻ってきた。 細かく口を出したいわけじゃない。 ただ、責任が重くなるほど任せた範囲は静かに縮んでいく。

# 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 # コンテキスト予算配分 🎯 「全部入れれば精度が上がる」は幻想です。コンテキストウィンドウは有限の予算として管理しましょう。 スロットごとに配分比率を決め、信号密度を最大化するパターンです。 🔥 解決する課題 RAGやメモリを使うエージェントでは、検索結果・会話履歴・システム指示・長期メモリが同じコンテキストウィンドウを奪い合います。情報を詰め込むほどコストは増え、会話が長くなるとシステム指示の割合が縮んで振る舞いが劣化します。さらに"Lost in the Middle"問題により、窓の中盤に置かれた重要な情報が実質的に無視されてしまいます。 💡 提案パターン コンテキストウィンドウをシステム指示・検索結果・会話履歴・メモリなどのスロットに分け、各スロットに最大占有率と優先度を設定します。システム指示は圧縮対象外の固定枠（10〜20%）として先に確保し、検索結果はリランク後にtop-k件に絞り、履歴は窓使用率が閾値を超えたら要約圧縮します。配置順序はLost in the Middle対策として、最重要情報を先頭に、直近入力を末尾に置きます。cost_sensitivityが高い環境ほどtop-kを絞り、圧縮閾値を下げ、履歴を短く保ちます。 ✅ 選定条件 使うとき： - RAGやメモリを使い、投入候補がモデル窓サイズの50%を超えうる - コスト感度が中以上で、投入トークンの増加がコストや推論時間に影響する - 複数ターンの会話で履歴が蓄積し、他の情報のスペースを圧迫する 使わないとき： - 投入情報がシステム指示＋単発入力のみで窓の30%未満に収まる場合 - ロングコンテキストモデルを使い投入量が窓の20%未満、かつコスト感度が低い場合 ⚠️ 落とし穴 - システム指示を圧縮対象にしてはいけません。ツール定義や安全指示が削られると振る舞いが壊れます - リランクなしのtop-kは信号密度が低いです。ベクトル検索上位20件からクロスエンコーダで3〜8件に絞りましょう - 要約圧縮は非可逆です。重要な決定事項や固有名詞が落ちるリスクがあるため、キーワード抽出を併用してください 🔧 実装方針 - コンテキストウィンドウをスロット（system/user/retrieval/history/memory）に分割し、各スロットに最大占有率・優先度・圧縮可否を定義した構造体で管理します - システム指示は圧縮対象外の最高優先度として先に確保し、残りの予算を他スロットに優先度降順で配分します - 検索結果はベクトル検索の上位候補をクロスエンコーダでリランクしてから予算内に収め、信号密度を最大化します - 履歴スロットが予算を超過した場合は要約圧縮を適用し、圧縮前にキーワード抽出して重要情報の欠落を防ぎます #AIエージェント# #ソフトウェアアーキテクチャ#

京都と聞けば、寺と抹茶と舞妓を思い浮かべるが、いま世界へ出ているのは伝統工芸だけではない。医療である。NISSHAは印刷で磨いた精密加工を医療機器へ、タカラバイオは遺伝子解析、サムコは半導体技術を医療材料へ、島津製作所は計測技術を創薬へ広げる。日本新薬は希少疾患薬に挑み、オムロンはAIによる心電図診断でインド市場を目指す。面白いのは、彼らが本業を捨てたのではなく、本業で鍛えた「細かく測る、正確につくる、品質を守る」という力を、人の命へ持ち込んでいることだ。人口が減る日本だけを見ていては、企業も技術も縮んでしまう。だから米国で研究し、ベトナムで生産し、インドやアフリカで新しい需要を探す。 これは単なる海外進出ではない。 日本の技術が必要とされる場所へ、自ら移動しているのである。 ただし、医療は売れればOKという商売ではない。買収先の技術を理解し、各国の制度や暮らしに合わせ、患者の安全に最後まで責任を負わなければならない。 京都企業の本当の輸出品は機械や薬ではない。 何十年も積み重ねた誤差を許さぬ執念である。静かな古都から世界の命を支える、派手ではないが、これこそ日本企業らしい反撃ではなかろうか。

# 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 # コンテキスト予算配分 🎯 「全部入れれば精度が上がる」は幻想です。コンテキストウィンドウは有限の予算として管理しましょう。 スロットごとに配分比率を決め、信号密度を最大化するパターンです。 🔥 解決する課題 RAGやメモリを使うエージェントでは、検索結果・会話履歴・システム指示・長期メモリが同じコンテキストウィンドウを奪い合います。情報を詰め込むほどコストは増え、会話が長くなるとシステム指示の割合が縮んで振る舞いが劣化します。さらに"Lost in the Middle"問題により、窓の中盤に置かれた重要な情報が実質的に無視されてしまいます。 💡 提案パターン コンテキストウィンドウをシステム指示・検索結果・会話履歴・メモリなどのスロットに分け、各スロットに最大占有率と優先度を設定します。システム指示は圧縮対象外の固定枠（10〜20%）として先に確保し、検索結果はリランク後にtop-k件に絞り、履歴は窓使用率が閾値を超えたら要約圧縮します。配置順序はLost in the Middle対策として、最重要情報を先頭に、直近入力を末尾に置きます。cost_sensitivityが高い環境ほどtop-kを絞り、圧縮閾値を下げ、履歴を短く保ちます。 ✅ 選定条件 使うとき： - RAGやメモリを使い、投入候補がモデル窓サイズの50%を超えうる - コスト感度が中以上で、投入トークンの増加がコストや推論時間に影響する - 複数ターンの会話で履歴が蓄積し、他の情報のスペースを圧迫する 使わないとき： - 投入情報がシステム指示＋単発入力のみで窓の30%未満に収まる場合 - ロングコンテキストモデルを使い投入量が窓の20%未満、かつコスト感度が低い場合 ⚠️ 落とし穴 - システム指示を圧縮対象にしてはいけません。ツール定義や安全指示が削られると振る舞いが壊れます - リランクなしのtop-kは信号密度が低いです。ベクトル検索上位20件からクロスエンコーダで3〜8件に絞りましょう - 要約圧縮は非可逆です。重要な決定事項や固有名詞が落ちるリスクがあるため、キーワード抽出を併用してください 🔧 実装方針 - コンテキストウィンドウをスロット（system/user/retrieval/history/memory）に分割し、各スロットに最大占有率・優先度・圧縮可否を定義した構造体で管理します - システム指示は圧縮対象外の最高優先度として先に確保し、残りの予算を他スロットに優先度降順で配分します - 検索結果はベクトル検索の上位候補をクロスエンコーダでリランクしてから予算内に収め、信号密度を最大化します - 履歴スロットが予算を超過した場合は要約圧縮を適用し、圧縮前にキーワード抽出して重要情報の欠落を防ぎます #AIエージェント# #ソフトウェアアーキテクチャ#