周末日本各大金融论坛（如 5ch 的市況板、Yahoo Yahoo! ファイナンス 掲示板）以及 X（推特）上的画风，主要集中在以下几个很有日本特色的神态和流派： ​1. 新NISA（个人储蓄账户）群体的“丧尸化” ​过去一两年，日本政府大力推行“新NISA”免税投资制度，吸引了无数一辈子不碰股票、只存现金的普通日本上班族和家庭主妇入场。结果这周五刚冲到 66000 点的高位，就迎头撞上这根大阴线。 ​“说好的‘从储蓄走向投资’呢？原来政府是看我的存款太多，想帮我合法消灭一部分是吧？” ​“当初劝我开户的理财经理，周一别让我看到你，不然我直接在网点切腹。” ​“看着账户里刚存进去的十几万日元变成了‘幻之财富’，今天晚饭的纳豆里我决定少放一粒葱花，以示抗议。” ​2. 老股民的“冷嘲热讽”与地狱笑话 ​经历过 1990 年代泡沫破灭、2008 年金融危机以及 2024 年大波动的日本资深老股民，在这个周末开启了疯狂的“老兵看新兵”模式： ​“这就是你们这些盲目追逐 AI 超级周期的‘新NISA民’的下场。欢迎来到真正的日股，这里的海水一如既往的冰冷。” ​“半导体泡沫破裂的声音真好听。东京电子跌 2% 你们就叫？当年我们可是经历过连吃三个跌停板、连呼吸都是错的时代。” ​“不要慌，只要我不卖，这就只是‘评价损’（账面浮亏），也就是不存在的亏损，我决定启动日本传统技能——装死（塩漬け，意思是把股票当咸菜一样腌起来）。” ​3. “日元贬值”与“财务省”的腹黑吐槽 ​日本股民最纠结的永远是日元汇率与股价的魔幻绑定。周五伴随股市大跌，外汇市场也巨震，财务大臣片山皋月出来喊话“对投机保持高度警惕，准备随时干预”。股民们开启了疯狂吐槽： ​“日元都快贬值到 160 了，财务省天天说‘高度警惕’。你们的‘警惕’就像是居酒屋里最后那句‘下次再聚’，永远没有下文。” ​“美国博通（Broadcom）和美光一感冒，日本半导体直接进 ICU，日元还变成了废纸。现在的日本股市就是美股的‘超级奴隶’。” ​4. 彻底躺平的“追随派” ​在 5ch 上，最经典的一派就是彻底丧失思考能力的躺平族，他们开始跟风调侃： ​“既然都跌了，那周一开盘请务必跌得更狠一点，我想看看 60000 点失守时，大盘熔断的样子，那一定是一道美丽的烟火。” ​“今天出门散步，看到路边的野猫都露出了忧郁的眼神。连猫都知道周一开盘要补仓了吧。” ​对比来看： 韩国股民是赌徒式的破防，因为他们喜欢加几倍杠杆（两融），一跌就要面临爆仓和现实生存问题，所以极度暴躁； 日本股民则是社畜式的自嘲，大部分人用的是闲钱或新免税账户，虽然肉疼、觉得被政府“骗”了，但更多的是在网上发写实派段子和表情包，准备周一继续去公司当牛马，顺便把手里的股票“腌”起来

爆乳性奴隸斬魄刀解放！她是武力99的呂布！ 雖然封面很像AI生成，不過這是真人演出的漫改作：有趣的是片商Moodyz並沒有公布女優的完整藝名，只告訴大家她叫ゆりあ、是専属女優ー這樣講我們就知道了，她就是那位身材超級二次元，漫改專武的女優ー #吉根ゆりあ# #吉根柚莉愛#

AIに意識宿る？クロード内部に“ヒトの意識によく似た領域”出現→アンソロピックが「Jレンズ」で発見、「Jスペース」と命名…5ch「スカイネットや！」　

# 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 # プロンプト変更の統制｜Prompt Change Control 🎯 ポイント プロンプトは「ちょっとした言い回しの変更」に見えて、実はシステムの振る舞いを根本から変える「設定変更」です。コードのデプロイにはCI/CDとレビューがあるのに、プロンプトの変更は誰がいつ何を変えたか追えない——そんな状態で本番運用していませんか？プロンプト変更の統制は、すべてを同じ厳格さで管理するのではなく、本番影響度に応じてレベルを分けるのが現実解です🔑 📋 概要 プロンプト変更の統制は、エージェントのシステムプロンプトやツール定義の変更に対して、どの程度の承認・テスト・バージョン管理を求めるかを制御するダイヤルです。厳格にすれば再現性と安全性が上がりますが、開発速度が落ちます。緩めれば迅速な改善・実験が可能ですが、意図しない変更が本番に入るリスクが上がります。このダイヤルの要点は、プロンプトの構成要素ごとにリスクが異なるため、統制レベルも分けるべきだということです。システムプロンプトのロール定義とFew-shot例示では、求められる統制が全く違います📋 🔍 意思決定のポイント このダイヤルは「本番影響度」で3段階に分岐します。 高影響（顧客向け・金銭・法的）→ 厳格：コードレビュー＋eval 100%通過＋承認者2名＋カナリアデプロイ 中影響（社内業務・広範囲）→ 標準：コードレビュー＋eval 95%通過＋承認者1名 低影響（内部実験・限定公開）→ 軽量：セルフレビュー＋基本eval通過＋変更ログ記録 さらにプロンプトの構成要素ごとに統制方針を分けます： システムプロンプト（ロール・制約）→ 変更頻度は低いがリスクは高い。厳格に管理し設計判断として扱う ツール定義（名前・説明・スキーマ）→ ツール選択精度に直結するため厳格に Few-shot例示 → 中程度のリスク。evalで品質を確認する標準統制 コンテキスト注入テンプレート → 変更頻度が高くリスクは低〜中。軽量〜標準で対応 出力フォーマット指示 → リスクは低いが下流システムとの整合確認は必要⚡ 💡 要点と詳細 統制の構成要素は5つです： バージョン管理 — プロンプトをGitでコードと同様に管理します。差分の可視化と履歴の追跡が可能になります。「誰がいつ何を変えたか」が追跡できないと、将来の判断が困難になります。変更理由を必ず記録してください。 evalゲート — 変更後のプロンプトが既存のevalセットを通過することをデプロイの前提条件にします。evalの回帰検出率（プロンプト変更による品質低下を事前に検出できた割合）を計測し、検出できなかったケースはevalに追加して強化します。 承認プロセス — 影響度に応じた承認者のレビューです。厳格レベルでは同僚エンジニア＋テックリードの2名。返金上限額など金銭に関わる記述変更は法務レビューも追加します。 カナリアデプロイ — 一部のトラフィック（目安10%）にのみ新プロンプトを適用し、24時間の品質指標を比較した上で全体展開します。A/Bテストの仕組みと共通化できます。 ロールバック手順 — 問題発生時に即座に前バージョンに戻せる仕組みです。Gitのリバートとデプロイパイプラインの連携が基本です🔬 計測すべき指標は5つ：プロンプト変更の頻度（環境ごと）、変更からデプロイまでのリードタイム（厳格レベルは1〜3営業日、軽量レベルは数時間以内が目標）、プロンプト変更起因の障害件数、evalの回帰検出率、ロールバック発生率です📈 ⚖️ トレードオフ 開発速度優先（緩め）にすると、プロンプトの迅速な改善・実験が可能になりA/Bテストのサイクルが速まります。しかし「誰がいつ何を変えたか」が追跡できず、障害時に原因究明が困難になります。意図しない変更が本番に入り、品質低下やセキュリティ問題を引き起こすリスクがあります。特にシステムプロンプトのロール定義が知らないうちに変わっていた場合、影響範囲は全回答に及びます😰 再現性・安全優先（厳格）にすると、全変更が追跡可能で障害時の原因特定が容易になります。しかし変更の承認プロセスがボトルネックになり、改善のリードタイムが長くなります。小さな改善でも重い手続きが必要だとチームのモチベーションが下がり、「プロンプトを直したいけど面倒だからそのまま」という本末転倒な状態を生みます⚠️ 対策は明確です：統制レベル自体を安易に下げるのではなく、evalの自動化・承認プロセスの並列化で変更リードタイムを短縮すること。そして実験環境と本番環境の統制レベルを明確に分け、実験の速度を本番の安全性と引き換えにしないことです。 🛠️ ユースケース Zendesk顧客対応エージェント：システムプロンプトの変更はPM＋エンジニアリードの承認必須。返金上限額の記述変更は法務レビューも追加。eval通過＋カナリア（10%トラフィック×24時間）を経て全体展開。変更リードタイムは1〜3営業日です📞 Slack社内実験ボット：開発者がセルフレビューで変更可能。基本evalの通過は必須だが承認プロセスは省略。変更ログは自動記録され、問題発生時の原因追跡に使います。変更リードタイムは数時間以内です💬 Salesforce営業支援エージェント：ツール定義の追加・変更はコードレビュー必須。商談ステージの判定ロジックに影響するプロンプト変更はテックリードの承認が必要。大規模なプロンプト変更は段階的に実施し、影響範囲を限定します🎯 実践のコツ：初期は厳格寄りで運用を開始し、チームの習熟とevalの充実に応じて段階的に緩和してください。プロンプト変更起因の障害が発生したら、そのケースをevalに追加して再発防止を自動化する。そして大規模なプロンプト変更（ロール定義の書き換え等）は一度に行わず段階的に実施すること。一度に大きく変えると影響範囲の特定が困難になります💪 #AIエージェント# #エンタープライズアーキテクチャ#

# 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#

AI Workforceのアーキテクチャの変遷のお話興味深かった👀 実行エンジンとか作るのかなり面倒くさいだろうから使う側は整備されてるとありがたいだろうな。 #BetAIDay#

AI特需で韓国の輸出額が初めて日本超え！なのに自営業者の廃業・若者の雇用悪化が進行→半導体が輸出の47.5％を占め、潤うのは一部…「フレンドフレーション」まで登場