youtube版(スライド付き) 関連リンク ClaudeはなぜRAGを捨てたのか？コード生成における「エージェント型検索」の優位性 LLM（大規模言語モデル）に特定の知識を与える手法として、現在は「RAG（検索拡張生成）」が主流です。しかし、Claudeの開発元であるAnthropic社は、コード生成の領域においてRAGから「エージェント型検索（Agentic Search）」へと舵を切りました。本記事では、その背景にある技術的な理由とメリット・デメリットを解説しています。 1. エージェント型検索とは何か？従来のRAGは、事前にドキュメントをベクトル化（インデックス化）して保存し、LLMが関連しそうな情報を「受動的」に受け取る仕組みでした。対して「エージェント型検索」は、AIエージェント自身にgrepやglobといった標準的な検索ツールを渡します。AIは「この機能の実装箇所を探そう」といった仮説を立て、必要な情報が見つかるまで自律的に検索と読み込みを繰り返します。いわば、AIがエンジニアのように「自分でリポジトリを歩き回る」手法です。 2. Anthropicがエージェント型検索を選んだ3つの理由圧倒的なパフォーマンスと「使用感」：ベンチマーク上の数値だけでなく、実際に使った際の「直感的な精度の高さ（Vibes）」が劇的に向上しました。「情報の鮮度」問題（Code Drift）の解消：コードは頻繁に更新されるため、RAG用のインデックスはすぐに陳腐化します。エージェント型検索は「現在の生のコード」を直接読みに行くため、常に最新の状態を反映できます。セキュリティとリスクの低減：外部のベクトルデータベースに機密データを複製して保存する必要がなく、既存の安全な環境内のツールを利用するだけで済むため、情報漏洩リスクを抑えられます。 3. トレードオフ（代償）この手法は万能ではありません。AIが何度も検索試行を繰り返すため、RAGと比較して「応答の遅延（レイテンシ）」が大きく、また「消費トークン量（コスト）」も跳ね上がります。しかし、Anthropicは「精度とセキュリティのメリットは、コストを支払う価値が十分にある」と結論づけています。まとめ AIアプリケーションの設計は、「静的なデータを検索する」形から、「AIエージェントが動的に探索する」形へとパラダイムシフトが起きています。特に情報の鮮度が重要なソフトウェア開発において、この「エージェント型検索」は今後のスタンダードなアーキテクチャになる可能性があります。新人エンジニアの皆さんも、単にRAGを組むだけでなく、AIに「道具（ツール）」を使わせて自律的に動かすという考え方に注目してみると、より高度なAI活用ができるようになるでしょう。引用元: https://zenn.dev/manntera/articles/f3017ecba9c9c1 #2｜スラッシュコマンドで回す開発 — プロセスを分解してAIに割り当てる本記事は、AIを開発プロセスに本格的に組み込む「AI駆動開発」の第2段階（Phase 2：Hybrid Co-Driving）における具体的な設計思想と実践方法を解説したものです。新人エンジニアの方にとっても、将来的にAIを良きパートナーとして使いこなすための道標となる内容です。 1. 「人間が運転し、AIが実行する」分業モデル Phase 2では、人間が「運転席」に座り、意思決定と品質判断を担います。一方で、具体的な作業の実行はAIに任せます。この分業をスムーズにするために導入されたのが「スラッシュコマンド」という概念です。これまでエンジニアが手作業で行っていた「ブランチ作成」「コードレビュー」「プルリクエスト（PR）作成」といった定型作業を、/branch-create や /code-review といったコマンドとして定義し、AIに実行を依頼するスタイルをとります。 2. プロセスの細分化と設計原則 AIに指示を出す際、「設計して」といった大きな粒度で投げると精度が安定しません。そこで重要なのが、業務プロセスを「入力・処理・出力」が明確なサブプロセスにまで分解することです。コマンド設計においては、以下の2つの原則が挙げられています。単一責任の原則（UNIX哲学）: 1つのコマンドには1つの責務だけを持たせます。複数の役割を詰め込むとAIが混乱し、品質が低下するためです。パイプライン化: 小さなコマンドを組み合わせることで、大きな作業を実現します。具体的には、APIの実装、差分スキャン、詳細なセルフレビュー、コミットメッセージ作成などをそれぞれ独立したコマンドとして運用し、人間がこれらを順次選択して実行していきます。 3. 成功の鍵は「下地作り」にあり AIが正しく動くためには、魔法のようなプロンプトよりも、チームとしての「下地」が重要です。具体的には以下の整備が推奨されています。開発プロセスの標準化: 誰がやっても同じフローになるよう可視化すること。ガイドラインの文書化: コーディング規約やアーキテクチャ方針をAIが参照できる形に整えること。ユビキタス言語の整理: 社内独自の用語をAIが正しく理解できるように定義すること。特に興味深い工夫として、AI向けの目次ファイル（AGENTS.md など）を作成し、必要なドキュメントのパスだけを記載する「段階的開示」の手法が紹介されています。これにより、AIのコンテキスト（記憶量）の肥大化を防ぎつつ、必要な時に必要な情報を参照させることが可能になります。 4. 次のステップへ Phase 2は効率を劇的に高めますが、「人間がコマンドを繋がなければならない」という限界があります。この判断のループすらもAIに委ねる、より自律的な「Phase 3（Phase 3: Autonomous Driving）」への移行が今後の展望として示唆されています。この知見は、開発現場だけでなく、あらゆる業務プロセスの自動化に応用できる汎用的な考え方です。まずは自分の作業を「コマンド化」できる粒度まで分解してみることから始めてみてはいかがでしょうか。引用元: https://tech.acesinc.co.jp/entry/2026/02/25/130000 2026年の技術で2024年のAITuberを『頑張らずに』再構築してみた本記事は、2024年に開発されたAITuberシステムを、2026年時点の最新AI技術スタック（Google ADK、Gemini 2.5 Flash Lite、Sora等）を用いて大幅に刷新した事例紹介です。最大の特徴は、かつての開発で苦労した「会話履歴の管理」や「複雑なツール呼び出し」の多くをAIエージェント向けの基盤技術に任せることで、圧倒的に「頑張らずに」構築できた点にあります。システム構成は、拡張性と保守性を高めるために以下の3層アーキテクチャを採用しています。 Saint Graph（魂）: Gemini ADKをベースに意思決定や対話、MCP（Model Context Protocol）による外部ツール連携を担うコアロジック。 Mind（精神）: キャラクターの性格、口調、画像などの定義。ロジック（魂）から分離することで、キャラクターの差し替えを容易にしています。 Body（肉体）: 音声合成（VOICEVOX）や配信ソフト（OBS）の操作を担当。技術的な注目ポイントは、クラウドを活用した「完全自律配信」の仕組みです。GCE（Google Compute Engine）上にOBSを「ヘッドレスコンテナ（画面なしで動く容器）」として構築。Cloud Workflowsを用いて「ニュース収集→GCE起動→配信開始→終了後に自動停止」という一連のパイプラインを自動化し、PCレスかつ低コストな運用を実現しています。また、ビジュアル面ではQwen-Imageや動画生成AIのSoraを活用し、自然言語の指示だけで高品質な表情差分やリップシンク動画を生成しています。さらに、開発プロセス自体も次世代型です。全5,800行を超えるコードの約95％をAI（Gemini 3.0等）が生成する「Vibe Coding」を実践。開発者はエラーログを詳細に追うよりも、全体設計とAIへの指示に集中するスタイルをとっています。新人エンジニアにとって、最新のライブラリやAIを活用することで、これまで「自作」が必要だった複雑な基盤部分をいかに効率化できるか、そしてAI時代の新しい開発スタイル（Vibe Coding）がどのようなものかを知るための、非常に参考になるロードマップとなっています。引用元: https://zenn.dev/koduki/articles/aituber-renv2-20260215 仏教を学んだ生成AI搭載のヒューマノイドロボット「ブッダロイド」が発表。相談者の問いに仏教思想に基づく応答を生成し、合掌・礼・座禅姿勢などの宗教的所作も再現京都大学らが、仏教経典を学習した生成AI搭載のヒューマノイド「ブッダロイド」を発表しました。宗教思想とAIを融合させた実証研究で、相談者の悩みに仏教的視点で答えるほか、合掌や座禅といった身体的所作も再現します。技術面では、特化型LLMの設計や対話と動きを統合するマルチモーダル制御が見所です。心理的安全性の確保や人手不足解消など、AIの新たな社会実装の形として注目されるユニークな取り組みです。引用元: https://news.denfaminicogamer.jp/news/2602242o お便り投稿フォーム（株式会社ずんだもんは架空の登場組織です）

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.

Transcript

Related