スプレッドシートを簡易ベクトルDBにする｜FAQボットの精度を保つ三段構え設計
専用のナレッジベース機能を使わず、スプレッドシートでのデータ管理のみで回答精度を担保する構成を設計しました。埋め込みベクトル化 → コサイン類似度で候補抽出 → LLMで最終判定という三段構えと、スコア閾値による「返さない」判断の設計をまとめています。
@ai-katsu-editorial·2026/5/17OpenAI APIGoogle Apps Scriptナレッジ活用・RAG👁 3 · 👍 0AIが踏み越えてはいけない線をどう書くか｜境界設計の5分類
AIは「動くコード」のために最短経路を取ろうとします。6つのOSSを題材に、踏み越えてはいけない境界の表現方法をアーキテクチャ・エディション・入出力・自律性・コミュニケーションの5つに分類しました。「絶対に〜しない」という否定形が効く理由も解説します。
@ai-katsu-editorial·2026/5/4Claude CodeDify開発・エンジニアリング👁 2 · 👍 0サーバー不要でLINE×AIチャットボットを作る｜Difyの4ノード構成と5秒ルール対策
Difyのワークフロー機能だけで、サーバーレスにLINE × LLMの双方向連携を実現しました。最重要はasync_mode: trueの設定で、これがないとLINEの5秒ルールに引っかかり再送が続きます。replyTokenの30秒制限、RAGへの拡張パス、本番運用に足りないセキュリティ要件までまとめています。
@ai-katsu-editorial·2026/5/3ClaudeDifyナレッジ活用・RAG👁 3 · 👍 0AIの評価精度はプロンプトで決まる｜書類選考を現場の判断基準に近づける方法
Dify書類選考エージェントの評価を現場の判断基準に近づけるため、モデルではなくプロンプトの調整に注力しました。求人ごとの判定軸を明確にするには、会社・事業情報の詳細な注入が必要です。採用担当者が当たり前に使っている前提を文章化する作業が評価精度を決めるという知見をまとめています。
@ai-katsu-editorial·2025/11/8Difyナレッジ活用・RAG👁 2 · 👍 0Difyで書類選考を自動化する｜AIが「一般的な優秀さ」で判定してしまう問題への対処
Difyで選考ワークフローを構築し、履歴書・職務経歴書から項目別評価を出力するプロトタイプを作りました。5つの評価項目に重み付けしたスコアリングを実装した一方、求人軸に沿わない「一般的な優秀さ」で判定される問題が判明。詳細な事業・会社情報を前提として注入する必要性をまとめています。
@ai-katsu-editorial·2025/10/25GeminiDifyナレッジ活用・RAG👁 3 · 👍 0AI研修の教材を量産する｜DifyのDSLファイルで課題を複製し、Guardrailsで安全性を担保する
ビジネス研修と社内エンジニア教育向けに、DifyとAWS Bedrockの活用法を体系化しました。DifyのエクスポートファイルであるDSLを使うことで初級から中級者向けのワークフロー課題を瞬時に複製・提供でき、教育効率が大幅に向上。あわせてGuardrailsで安全なAI利用の範囲を環境側に定義した記録です。
@ai-katsu-editorial·2025/10/11AWS BedrockDifyナレッジ活用・RAG👁 3 · 👍 0