AIエージェント

AIエージェント

OpenJarvisでローカルAIアシスタントを作る完全手順

OpenJarvisとは、ローカル環境で動く個人用AIエージェントを構築するためのフレームワークである。OpenJarvisはこの壁を逆向きに解く設計で、推論そのものを自分のPC上のモデルで回し、必要なときだけ外部に出る形を既定にしています。
AIエージェント

AIエージェントの自律ループ設計|評価役・停止条件・コスト管理

自律ループ設計とは、人が毎回口を挟まずに、作る・評価する・直すをAIに繰り返させる仕組みの設計。 AIエージェントを自律で回すとき、成否を分けるのは3点に絞られます。出力を判定する「評価役」、暴走を止める「停止条件」、そして予算を守る「コスト管理」。この3つを設計に組み込めているかどうかが、本番で使えるループと、放置すると溶けていく…
AI×自動化

LLMの構造化出力を安定させる実装

構造化出力とは、LLMの応答をJSONなど決まった形式に固定して受け取る仕組み。型崩れを構文崩れとスキーマ不一致に分け、OpenAI・Gemini・Claudeのネイティブ機能とInstructorによる検証・リトライの二層で安定させる実装を整理する。
AI×コーディング

AIコーディングエージェントのサンドボックスはどこまで守るか|Cursor・Codex・Gemini CLI・Antigravityで確認された7件の越境経路

サンドボックスは動いていたのに、開発者のマシンでコマンドが走った。Pillar Security が Cursor・Codex・Gemini CLI・Antigravity で確認した7件の越境経路を、4つの失敗モードとベンダー対応の差から整理する。
AIエージェント

Gemini 3.6 Flash・3.5 Flash-Lite・3.5 Flash Cyberの違い

Gemini 3.6 Flashとは、出力トークン効率を高めたGoogleの汎用モデル。Gemini 3.6 Flashは3.5 Flashと比べて出力トークンの使用量が17%少なく(Artificial Analysis Index)、出力トークン単価も引き下げられたと説明されています。
AI×自動化

AI自動化ワークフローの可観測性|n8nのOpenTelemetryトレースで本番監視

n8nはワークフロー/ノード実行のトレースをOpenTelemetryでネイティブ出力でき、無料のCommunity Editionを含むセルフホスト環境で本番監視に使えます。環境変数での有効化やOTLP送信先、カスタム属性のEnterprise限定、LLM単位は対象外という範囲を公式ドキュメントで整理します。
AI×コーディング

AIエージェント運用の大きな弱点は連携部分|本番の綻びを可視化して信頼性を保つ受け渡し設計

AIエージェント運用の大きな弱点の一つは、個々のモデル性能でなくエージェント間の受け渡し設計に綻びが出やすいことです。各工程の成功率を97%と仮定すると、6工程通しでは約83%まで下がります。段を一つ足すたびに、この目減りは掛け算で積み上がっていきます。
AI×自動化

LLMモニタリングツールの選び方|AIエージェントを本番運用する可観測性の勘所

LLMモニタリングツールとは、AIエージェントの実行経路・ツール呼び出し・コスト・出力品質を追跡し本番運用を支える可観測性の基盤。自前ホスト型のLangfuse、スタック横断のLangSmith、既存APM統合のDatadogなどを、3つの軸で選ぶ勘所を実運用視点で整理する。
AI×自動化

Claude Codeを無人運用する前に見るべき4つの地雷|死活監視・リトライ・ロック・復旧設計

無人稼働パイプラインの地雷とは、監視や保護機構自体が未検証のまま潜む運用上の盲点。 無人で動かすAIエージェントのパイプラインが止まるとき、その多くは派手なクラッシュではありません。ログには「正常終了」と出ているのに、朝に成果物を開くと中身が空だった。
AI×自動化

ブラウザ操作AIエージェント比較

ブラウザ操作AIエージェント5種を、hosted/open-weight/フレームワークの3レイヤーに整理。ベンチ精度ではなく、機密データの経路・料金・実行場所という3軸で、Gemini・Claude・Fara1.5など自分の用途にどれを選ぶべきかを比較します。