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。
PromptEngineering
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。
LLMの本音と発言が一致しない理由：LLMの振る舞いを理解する万能の鍵
hidden stateとtokenの間にある帯域幅の隔たりから、Chain of Thought、promptの長さ、few-shot、性格のdrift、幻覚などのLLMエンジニアリング現象を一つの枠組みで説明します。
LLM におけるエントロピー：学習・推論・プロダクトをつなぐ共通言語
交差エントロピー、Perplexity、Temperature、条件付きエントロピー、hallucination 検出、Prompt の制約を一本の流れとして整理し、エントロピーが LLM の学習・推論・プロダクト設計を理解する共通言語になる理由を説明します。RAG とエンジニアリングガバナンスにおける実用的な価値も扱います。
Prompt Engineering 完全ベストプラクティスガイド
AI アプリケーションエンジニア向けの Prompt Engineering 長編ガイド。基礎原則、コンテキスト設計、タスクチェーン、インジェクション防御、Agent のプロンプト設計、評価駆動開発を扱う。
LLM Chain-of-Thought（CoT）完全ガイド
LLM Chain-of-Thought（CoT）とは何か、prompt engineeringによってLLMのChain-of-Thought（CoT）を引き出す方法を理解します。
Prompt Engineeringの原理から実践まで
プロンプトエンジニアリングは、思っているほど単純ではないかもしれません。
Prompt Injection（プロンプトインジェクション）
LLMのPrompt Injectionとは何か、そして基本的な防御策を理解します。