RAG 評価指標チートシート
検索、コンテキスト、回答、引用、拒否、安全性、本番運用の層ごとに、RAGで使う評価指標と計算方法、最小限のRelease Gate構成を整理します。
ContextEngineering
RAG 検索結果をどう再順位付けするか：Hybrid Retrieval から Cross-Encoder、Listwise、証拠集合選択まで
AI Application Engineer 向けの RAG 再順位付け設計ガイド。検索融合、意味的再順位付け、業務順位付け、証拠集合選択を分け、実運用向けの標準パイプラインを示す。
2026年 AIアプリケーションエンジニア求人の技術スタック：東京・中国本土・米国のJD徹底調査
中国本土・米国・東京から各20件の公開求人を調査し、AI Application、Agent、RAGエンジニアに求められる技術スタックと、東京での就職に向けた学習優先順位・ポートフォリオ方針を整理します。
Single-Agent から Multi-Agent へ：堅牢な Sub-Agent システム設計ガイド
プログラマー向けの Multi-Agent と Sub-Agent システム設計ガイド。複数 Agent が必要かどうか、タスク分割と協調パターンから、コンテキスト、権限、信頼性、評価、本番導入までを扱います。
本番AI Agentのコンテキスト圧縮：メッセージ切り詰め、ツール結果の整理からHermes Agentの階層的Compactionまで
本稿は、本番AI Agentにおけるコンテキスト圧縮を体系的に整理し、メッセージ切り詰め、ツール結果の整理、Artifact外部化、構造化要約、ネイティブCompactionを区別します。Hermes Agent、LangChain v1、LangGraph v1を例に、階層的な実装と評価方法を示します。
RAG検索エンジニアリング：ハイブリッド検索から本番運用ガバナンスまで
RAG検索エンジニアリングにおけるレキシカル検索、密ベクトル検索、ハイブリッド融合、リランキング、評価、オブザーバビリティ、本番運用ガバナンスを体系的に解説します。
TencentのAI Leader、Shunyu YaoはこのPodcastで何を語ったのか
Latent SpaceによるShunyu Yaoへのinterviewを基に、ReAct、Reflexion、Tree of Thoughts、memory、benchmark、ACI、Agent UXを整理し、AI agentを実用化する際のツール、環境、評価、interface設計の重要性をまとめます。
2026年、AIエンジニアは何を学ぶべきか
基礎的なRAGパイプラインがプラットフォームに吸収されつつある流れを起点に、評価と可観測性、データガバナンスとアクセス制御、エージェント型ワークフローの高度なエンジニアリング能力など、2026年にAIアプリケーションエンジニアが重点的に身につけるべき高付加価値スキルを分析します。
優れたAI Agentの設計方法：アーキテクチャ原則から実践パターンまで
優れたAI agentシステムの中核設計フレームワークとして、Spec-Driven Development、三層アーキテクチャ、Resolver、LatentとDeterministicの境界、Diarization、自己進化する学習ループを体系的に整理し、補完ツール中心の発想からAI強化型ソフトウェアエンジニアリングへの転換を支援します。
AI Coding Agent時代の中核スキル：優れたSoftware Specの書き方
2025〜2026年のAI coding agentとSpec-Driven Developmentの最新実践を基に、Software Specの定義、価値、主要要素、ワークフロー、よくある落とし穴を体系的に解説し、Claude Code、Codex CLI、Cursorなどで使える実践的なテンプレートを紹介します。