サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
ブラックフライデー
zenn.dev/satto_workspace
🎯 この記事で得られること ✅ プロンプト改善のスピードを 1週間→数分 に短縮する方法 ✅ 非技術者でも GUI操作だけで プロンプトを改善できる環境構築 ✅ A/Bテスト を簡単に実装し、効果を定量化する手法 ✅ 問題発生時に 1クリック でロールバックする仕組み はじめに こんにちは！satto workspaceでプロダクトエンジニアをしている ryohei oyama（@ryohei_oyama）です。 LLMアプリケーションの品質向上において、プロンプトエンジニアリングは最も重要な要素の1つです。 しかし、多くの開発現場では以下のような課題に直面しています： 本記事では、これらの課題をLangfuseを使って解決する方法を、実際に動くコードと具体的な設定手順を交えて解説します。 🚀 Langfuseとは？何が解決できるのか Langfuseは、LLMアプリケーションの観測・
生成AIでのコーディング品質は、プロンプトの具体性で大きく変わる 抽象的な指示 → 動くけど品質の低いコードが出力されがち 具体的な指示 → 要件を満たした保守性の高いコードが生成される 生成AIは「自分の中にある実装イメージを素早く具体化するツール」 理解していないコードは、品質問題に気づけないリスクが高い はじめに 日々業務する中で生成AIツールはなくてはならないものになりました。 わからなかった分野の実装も自然言語で指示するだけで勝手に実装してくれる魔法のツール！ 強靭！無敵！最強！ 足りない知識を補ってくれる最高のツールだ！ そんなふうに考えてた時期が自分にもありました。 出力されたコードは確かに動いてはいる。 確かに動いてはいるけどなんで動いているのかよくわからない。 そんなこんなで出てきたコードを"まぁええか"でレビューを出すと生成AIを使っているのに、なぜかコードレビューで大
🎯 この記事で得られること ExcelドキュメントをLLMで活用するための 5つの前処理手法 実務データ例（出勤表・ガントチャート等）での 検証結果 はじめに こんにちは！satto workspaceでRAGやAgent周りの料理人をしている 藤田（@kazumasa_fujita）です。 RAGで多くのファイル形式を扱えるようになったけど、業務で様々な使われ方をするExcel、どのように調理してLLMに与えていますか？ Excelを単純なテキストとして扱うと、次のような問題が発生します： 行と列のコンテキストが失われる セル結合や独自の記載方法などの複雑な構造を表現できない グラフや画像が多用されて本来の構造を維持できない そこで本記事では、LLM（Gemini 2.5 pro）がExcelの構造を正しく理解できるよう、いくつかの「データ調理法（前処理）」を試し、どの手法が最も「美味
このページを最初にブックマークしてみませんか？
『zenn.dev』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
