RAG + エージェンティックループで作る「マークダウンチェッカー」— md-checker 実装解説
はじめに 「前にも似たような説明を書いていないか」「過去の記載と矛盾していないか」——技術ブログや社内ドキュメントを書くとき、こういった確認を手動でやるのは大変です。 この記事では、それを自動化する md-checker というツールを題材に、RAG（Retrieval Augmented Generation） と エージェンティックループ の具体的な作り方を解説します。 md-checker が行うことは2つです。 類似検索 — 意味（ベクトル）＋語彙（BM25）のハイブリッド検索で、似た記載を探す 矛盾チェック — 取得した候補と入力の主張を Claude に突き合わせ、...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
編集部の実践記録から
話題のAIは「自前のコードツールを作らなかった」──中小企業はAIで何を作り、何を借りるべきか？
DeepMind出身者のロンドンのラボInherentが、論文複製エージェントFaradayでClaude Opus 4.8とGPT-5.5を上回ったと発表しました。見出しは「小さいモデルが勝った」ですが、中小企業が真似できるのはモデルの大小より、Inherentの3つの設計判断です。コードツールは自作せずGPT-5.5 Codexを借り、報酬設計で「センス」を仕込み、迎合しないエージェントを狙う。当社は小型モデルの学習は測っていません。
続きを読む →
Inherentの「小型AIが大型に勝った」は中小企業に何を意味するのか？──報道の数字が食い違う
DeepMind出身者のロンドンのラボInherentが、論文複製エージェントFaradayでClaude Opus 4.8とGPT-5.5を上回ったと発表しました。勝因はサイズではなく報酬設計で仕込んだ「研究のセンス」です。ただしQwenの規模は素材内で27億とも270億とも書かれ食い違っています。中小企業が真似できる一点と、当社が測っていないことを分けて示します。
続きを読む →
AIエージェントのコストは「動くか」より「静かに積み上がるか」――同じ道具で3倍差が出る運用ルールとは？
Claude CodeのようなAIエージェントを数週間運用すると、課題は「動くか」から「どれだけ静かにコストが積み上がるか」へ移ります。あるQiitaの記録では、プロセス確認コマンドの選び方だけでセッション予算の19%を消費し、処理方式の変更で1回あたり＄1.10→＄0.36まで下がりました。効いたのはアルゴリズムより運用ルールです。中小企業の予算化に何が要るかを、当社の実測とあわせて読み解きます。
続きを読む →