こんにちは。株式会社メンバーズ AIフォーオールカンパニーで生成AI活用PMOをしている、ラウタクです。前回に続き、「Cursor」を活用したPoCの記録の第2回をお届けします。!第1回：AI駆動開発の民主化メリットと課題第2回：民主化に向けた課題を解決するためのPoC設計とは ← 本記事第3回：PoCの具体的な実装について 民主化へ向けたPoCの設計本PoCの目的は、AIに規律を守らせ、AI駆動開発の民主化につなげることです。そのためには「AIが生成するコードの品質をエンジニアが都度レビューしなくとも、AI自身が自律的に品質担保をする」設計が必要となりました。...

はじめにRAGを使ったアプリケーションを開発していると、ドキュメントをEmbeddingして作成したベクトルストアを、チーム内でどう共有するかという問題が出てきます。毎回それぞれの開発者がローカルでEmbeddingを実行すれば、ベクトルストアは再作成できますが、Embeddingには外部APIの呼び出しが必要になることが多く、実行時間もコストもかかります。共有フォルダを使用する手もありますが、容量の問題が出てきます。検証用のデータであっても、開発メンバー全員が同じベクトルストアを使えるようにしておくと、環境構築や動作確認がかなり楽になるので、GitHub LFSにベクトルスト...

LLMにJSON形式で出力させるアプリケーションを実装していたとき、出力が仕様通りにならないことが続き、バリデーションエラーが頻繁に起きていました。特にJSONの構造が大きくなるほど、末尾にカンマが残ったり、コードフェンスで囲まれて返ってきたりするケースが増えていきました。まずPydanticModel でスキーマを渡して出力を制御しようとしましたが、それでも崩れることがあり、根本的な解決にはなりませんでした。「結局リトライ処理で無理やり対策するしかないのか」と思っていたところ、json-repairというライブラリを見つけました。壊れたJSONを自動で修復してくれるもので、試してみた...

はじめにAIと会話していると、過去に話した内容を取りこぼされてしまい、話が通じなくなることはありませんか？ 今回はSurrealDBを使って過去の会話履歴を構造化して管理し、自然にコンテキストを引き継いでくれる「やけに記憶力がいい友人」のようなAIチャットボットを開発してみました。 会話履歴がたまる仕組みこのアプリでは、SurrealDBのグラフ機能を利用して会話の文脈を管理しています。グラフは2種類のノードと1種類のリレーションで構成しました。ノード説明ConversationユーザーとAIの1往復の会話履歴。ユーザーの入力とAIの回答を保持します。...

はじめに6月よりGitHub Copilotの料金体系において、トークン量に応じた従量課金制へ移行することが発表されました。これまでは、copilot-instructions.mdや Skillsを活用して生成コードの精度を高める手法にデメリットはほとんどありませんでしたが、今後はこれらを利用することによる「消費トークン量の増加（＝開発コストの上昇）」にも気を配る必要があります。そこで、同一のプロンプトに対して copilot-instructions.md と Skills を使い分けた場合に、利用トークン量と生成物の品質（指示の遵守度や堅牢性）がどのように変化するのかを調査...

はじめにグラフDBというとNeo4jを思い浮かべる人が多いですが、最近は「グラフ構造を扱える」だけでなく、アプリ実装で必要になる機能まで一体化したDBが増えてきました。今回はその中でも SurrealDB と EdgeDB を取り上げ、資料検索ユースケースで比較しました。 SurrealDBとEdgeDBの比較SurrealDBとEdgeDBは、どちらも「グラフ走査」と「ベクトル検索」を組み合わせられる点において同じですが、以下のような違いがあります。それぞれ別の強みを持っているようです。SurrealDBEdgeDB内部エンジンRocksDB, T...

はじめに「言っていることは同じなのに、言葉が違うから検索に引っかからない」という場面は意外と多くあります。たとえば社内ドキュメントやFAQでは、同じ機能でも部署や時期によって呼び名がバラバラになりがちです。この記事では、そんな「表記は違うが意味は同じ」用語を、意味の構成要素(Concept) に分解してグラフDB(Neo4j)に蓄積し、ベクトル類似度で照合するという検証をしてみます。 今回取り上げる課題世の中には「呼び方は違うが、指しているものは同じ」用語が数多く存在します。例えば、以下のように一般的な用語をそれぞれの会社では別の言い方をしているみたいなケースがあったとしま...

はじめに近年、LLMを活用したRAGシステムや社内ナレッジベースの構築において、ExcelのシートやPowerPointのスライドをいかに精度高くMarkdown形式に変換するかが重要な課題となっています。しかし、空行やノイズの多い複雑なExcelのシートや、図表や矢印が入り組んだPowerPointの「ポンチ絵」は、従来の単純なテキスト抽出ツールでは構造が崩れてしまいがちです。そこで今回は、Microsoftが公開して話題となったオープンソースのMarkdown変換ツール「MarkItDown」を使ってmd変換を検証してみます。 用意した見にくい資料 ダミーのExcel...

はじめに日ごろから依存パッケージに脆弱性がないかチェックするのはとても大切です。しかし、毎日となると、業務が忙しいときは後回しになってしまうこともあるかなと思います。そこで、GitHub Copilot のskills機能を使って、チャット一発で CVE（共通脆弱性識別子）チェックできるskillsとして cve-check を作ってみたので本記事で紹介しようと思います。 作成したskillsの紹介 スキルの構成.github/skills/cve-check/ ├── SKILL.md # ワークフロー・制約事項 ├── scanners.md ...

はじめに業務で「docxファイルをチャンク化（テキスト分割）してAI（RAG）に組み込む」というタスクが降ってきたので、やり方を調べるところからスタートしました。私は画像系出身なので、チャンク化というと一定の長さで切るというものを思い浮かべていました。が、調べてみたらLLMの回答精度を左右する工程のため、そう単純ではないらしいです。本記事では、なぜチャンク化が必要なのかという目的と、検討した3つのアプローチ、そして最終的にどれを選んだのかを共有します！ チャンク化の目的RAG（検索拡張生成）システムを作る際、数十ページあるdocxを丸ごとLLMに読ませると、以下のような問...

はじめに自分たちで実装したRAGの性能を評価するとき、皆さんはどうしていますか？私はよくPythonコードを書いており、テストにはpytestを使っているため、pytestでのテスト実施でRAGの性能も評価できるとうれしいなと思っていました。そこで、pytestとの親和性が高いフレームワークとしてDeepEvalがあるので、今回はDeepEvalでRAGの性能を簡易的に評価できるかを試してみます。 今回試すことDeepEvalは、pytestに近い感覚でテストケースを記述できるLLMの評価フレームワークで、RAGのメトリクスも扱うことができます。今回は以下の5つの評価指標を...

はじめに2026年6月5日、Googleが QAT(Quantization-Aware Training) という手法で最適化したGemma4として Gemma4 QAT モデルをリリースしました。QATモデルはモバイル向けからハイスペックPC向けまで5つのサイズが用意されています。今回はその中で最小サイズの Gemma4-E2B-QAT を Ollama + Open WebUI の環境で実際に試してみます。 Gemma4-E2B-QATの紹介Gemma4-E2B-QATは「Gemma4」ファミリーの最小モデルをQATで最適化したモデルになります。テキスト・画像・音声のマ...

背景・目的本記事では、多段階の質疑応答をおこなってユーザとの認識齟齬をなくすことで、従来の手法よりも迅速に課題解決をおこなうことができるのではないかとの仮説を検証していきます。特に、通常のLLMによる一問一答型のアプローチと今回の多段階の質疑応答によるアプローチとの違いに着目し、既存の答えにより早くたどり着けるのかであったり、より最適な解決策にたどり着くことができるのかを検証します。 質疑応答のイメージイメージとしては「アキネイター」のような連続的な質疑応答に近いですが、より実務的なトラブルシューティングとして「Aは？Bは？Cは？……なるほど、Xが課題のようですね。それでは...

はじめに最近は「バイブコーディング」という言葉も生まれるほどAIによるコード生成が身近になりました。しかし、AIに丸投げするあまり「若手エンジニアのコードへの理解度やデバッグ能力が下がってしまうのではないか…」と、不安や危機感を抱いたことはありませんか？AIにすぐ答えを出力させてしまうと、教育の観点では逆効果になることがあります。そこで今回は、学習プロセスで使える「あえてコードを生成しない教育用のGitHub Copilot Skills」を作ってみたので、その仕組みと活用方法を解説します。 スキルの構成本プロジェクトは、GitHub Copilotのカスタムスキルを活用し、...

はじめにソースコードを読んでいるとき、「コードの処理フローを視覚的にサクッと把握したい！」と思うことはありませんか？そんなときに便利なのが、VS Codeの拡張機能である「CodeVisualizer」です。これを使うと、プログラムの制御フローや条件分岐をMermaid形式のフローチャートとして自動で生成し、視覚的に確認することができます。今回は、シンプルなじゃんけんプログラムを題材に、どれくらい分かりやすく可視化してくれるのかをさっそく試してみました！ 今回図解するプログラム今回は、制御フローの分岐やループを検証するために、シンプルなじゃんけんゲームのPythonプログラム...

はじめにSlack Botを作ろうとして、「外部からアクセス可能なURL（HTTPS）を用意してください」という壁にぶつかったことはありませんか？Socket Modeとslack_boltを使えばその手間は無くなります。本記事では、slack_boltとDockerを使用して、メンションに反応するシンプルなBotを作成する手順をハンズオン形式で解説します。 Socket ModeとはSocket Modeは、WebSocket接続を利用してSlackのサーバーと直接通信できる仕組みです。 従来は、Slackからのイベントを受け取るために、インターネットからアクセス可能なHT...

はじめに日常業務において、Gmailの確認は意外と時間がかかり、見落としてしまうこともあるのではないでしょうか。そこでGitHub Copilotのチャット欄に一言投げるだけで、フォーマットを整えてスプレッドシートに追記してくれるスキルを作成しました。 今回構築したGmail抽出スキル 使用技術項目内容言語Python3.14APIGmail API, Google Sheets APIツールGitHub Copilot認証OAuth 2.0 (Google Cloud) 処理の流れ本システムは、GitHub Cop...

はじめに前回・前々回の記事では、GitHub Copilot Agent Skillsに独自のルールを読み込ませてPythonとTypeScriptのコードをレビューさせる検証を行い、非常に良好な結果が得られました。 今回はその続編として、Reactでも、同様のクオリティでレビュー・修正が行えるかを検証してみます。https://zenn.dev/aiforall/articles/a59e021c4c5c8ahttps://zenn.dev/aiforall/articles/4429b46b66c851 構成内容について前回と同様、プロジェクト内の.githubフォル...

はじめにFigma AIは、Figmaに搭載された生成AIのことです。特徴としては、プロンプトから単なる画像を生成するのではなく、編集可能なFigmaレイヤーとして、デザインを直接生成できる点にあります。!2026年5月現在、Figma AIは有料プランのアカウントを対象にオープンベータ版として提供されています。正式リリースまでに仕様やインターフェースが変更される可能性があります。 クレジットについてFigma AIの利用にはAIクレジットという概念があり、無制限に利用できるわけではありません。クレジットの仕組みは以下の通りです。付与ルールDev、閲覧、および限...

はじめにDifyのワークフローでは、HTTPリクエストノードを使うことで、WebページのHTMLや外部APIのJSONデータなどを取得し、後続のLLMノードで利用できます。たとえば、次のような用途で活用できます。Webページの内容を取得して要約する社内システムのデータを参照して回答する天気、商品情報、ニュースなどの外部データを使うこの記事では、HTTPリクエストノードを使って外部データと連携する基本的な流れを紹介します。 HTTPリクエストノードとはHTTPリクエストノードは、Difyのワークフロー内から外部URLにアクセスするためのノードです。主に以下のよう...