T
AIアプリ・LLM・RAG・エージェント
AIアプリ・LLM・RAG・エージェント。AI時代のWebアプリ総仕上げ。
10本1時間1分
AIアプリ・LLM・RAG・エージェントの全10本
きほん → つくる → のばす、の順に並んでいます。
STEP 3STEP 3 のばす公開して育てる知識。Git・テスト・セキュリティ・デプロイ・AI活用。10本
LLM・モデル・トークン大規模言語モデルと、入力・出力を処理する単位であるトークンの関係を説明する。コンテキストウィンドウ一度の処理で参照できる情報量と、長い会話で情報が失われる理由を説明する。システム指示・ユーザー入力・モデル出力異なる指示レイヤーと、外部入力がモデル挙動へ影響する構造を説明する。構造化出力自由文ではなく、決められた項目・型のデータとして出力させる意味を説明する。Function Calling・ツール利用モデル自身が外部処理を実行するのではなく、呼び出す関数と引数を選び、アプリ側が実行する流れを説明する。埋め込みベクトル文章や画像の意味的な近さを数値ベクトルとして表現する考え方を説明する。ベクトル検索とRAG質問に近い資料を検索し、その内容をモデル入力へ追加して回答させる流れを説明する。AIエージェントとMCP目標、状態、ツール、反復、承認境界を持つ実行系と、ツール接続規約を説明する。AI評価・ガードレール・安全性正確性、再現性、禁止出力、プロンプトインジェクション、データ漏えいを検査する考え方を説明する。AI付きWebアプリの全処理フロー画面入力→認証→API→DB／検索→モデル→構造化出力→保存→表示→ログまでを一つの構成図で統合する。
