#prompt engineering のAIニュース

品質の言語化のススメー早期テストの原則をClaude Code Agent Skillsで実現する試み

SKILL.md を作成する際に実際に記述すべき内容（15 分読了）

著者は、開発者が SKILL.md ファイルを作成する際、単なるスキルリストではなく、具体的な技術的課題への解決策や実践的な知見を体系的に記録する重要性について解説している。

OpenAI の Codex CLI が新機能「/goal」を追加

OpenAI はコーディングエージェント「Codex CLI」のバージョン0.128.0をリリースし、ユーザーが目標を設定すると完了するまで自動でループ処理を行う新機能「/goal」を追加した。

LLM-as-a-Judge を人間の嗜好に整合させる研究

研究者らが、大規模言語モデルを評価者として用いる手法を改善し、その判断基準が人間の実際の嗜好と一致するよう調整する新しいアプローチを発表した。

深層エージェントの評価：我々の学び

研究者らが深層エージェントの性能を評価し、その学習プロセスや課題について得られた知見を共有した。

LangChain、AI研究者のデータ手動検証とインフラ構築を報告

優れた AI 研究者は大量データを人手で精査し、そのための高速なインフラを構築する傾向がある。

Claude Code の構築から学んだこと：プロンプトキャッシングが全てである

Anthropic は Claude Code の開発経験から、プロンプトキャッシングの重要性を強調し、これがシステム効率を決定する鍵であると示した。

Hermes Agent の記憶システムを深度解析：OpenClaw の誤解をどう修正したか

研究者が Hermes Agent の記憶システムを詳細に分析し、先行モデル OpenClaw が抱えていた認識の誤りを特定して修正する手法を明らかにしました。

LangChain、コーディングエージェント向けスキル評価手法を公開

LangChain は、Codex や Claude Code などのコーディングエージェントが同社エコシステムと連携する際のスキル構築について、その評価方法をブログ記事で発表した。

メルカリPMエージェントの設計：Claude CodeスキルとMCPによるプロジェクトマネジメント業務の自動化

メルカリの菊池翔吾インターンが、PMの業務フローを自動化する「mercari-pm-agent」を開発。Claude Codeのスキル機能とMCPプロトコルを活用し、問題発見からPRD作成までを1セッションで処理するエージェントを設計した。

プロンプティム：プロンプト最適化のための実験的ライブラリ

開発チームは、プロンプトエンジニアリングの効率化を目的とした「Promptim」という実験的なPythonライブラリを公開した。このツールは、AIモデルへの指示文（プロンプト）の品質と結果を自動的に最適化する機能を提供し、開発者の作業負担軽減に寄与する。

エージェントは構造と柔軟性の間で選択できない

エージェント仕様にPythonとMarkdownのどちらを採用するかは、構造性と柔軟性のバランスが鍵となる。コード重視は信頼性が高いが適応性に欠け、Markdown重視は創造的だがエラーリスクがある。成功するエージェントアーキテクチャは、意図にMarkdownを、構造にコードを用いるハイブリッドアプローチを採用する。

Claude Codeの品質に関する最近の報告への更新（11分読）

Anthropicは、Claudeの回答品質が低下したとのフィードバックを受け、4月20日に問題を解決した。原因はClaude Code、Agent SDK、Coworkに影響する3つの変更だった。APIは影響を受けておらず、同社は再発防止の約束を示した。

Credit GenieがInsights Agentを活用し、AI財務アシスタントを改善した方法

Credit GenieはLangSmithのInsights Agentを活用し、顧客向けAI財務アシスタント「AskGenie」の品質を向上させた。この取り組みにより、アシスタントのパフォーマンスと精度が改善された。

プロンプトの風景

LangChain Hubは、大規模言語モデル（LLM）の推論、RAG、SQL、コード生成などの分野におけるプロンプトエンジニアリング手法を提供し、ユーザーがプロンプトの閲覧と管理を可能にする。

Opus 4.7 パート1：モデルカード

AnthropicはClaude Opus 4.7のモデルカード第1部を公開した。この文書は最初の6セクションをカバーし、モデルの福祉に関する懸念があるため第7部は除外されている。

思考の種：LLM に分布に忠実で多様な生成を促すプロンプト手法

研究チームは、大規模言語モデル（LLM）が確率分布に従って出力する際に生じるバイアスを指摘し、公平なコイン投げやアイデア生成において偏りを防ぐための新しいプロンプト手法「String Seed of Thought」を発表した。

コーディングエージェントの仕組み

サイモン・ウィリソン氏が、LLMを拡張するソフトウェアであるコーディングエージェントの内部動作を解説し、適切な活用方法を提案している。

AI駆動データエンジニアリングの発表

Dagster Universityが、AIコーディングエージェントを活用してプロダクションレディのELTパイプラインを構築する方法を教えるコースを提供している。これによりデータエンジニアの作業方法が変化している。

複数原稿の統合：手動での比較からワンクリックSkillへ

AIが生成した複数バージョンの原稿をAIが統合し、そのプロセスをSkillとして定型化することで、ワンクリックで完了できるようになる実践ガイドを提供する。

研究者は実際にAI科学ツールをどう使うか？25万件以上のクエリから得られた教訓

Asta Interaction Dataset（AID）は、25万件以上の実際の研究者によるクエリを含む。このデータは、科学者がAI研究ツールをどのように使用しているか、そしてその習慣がツールの開発者の期待とどこで異なるかを明らかにする。

Cline、ヒルクライミング法による性能向上ガイド

Clineチームはベンチマークで他社に遅れをとったため、週末に3人でヒルクライミング法を実践し、Terminal Benchの89件の課題に対して体系的な測定と改善を試みた。

Agent Builderでのメモリの活用方法

Agent Builderはユーザーのフィードバックを記憶し、修正や好みを学習することで、次回以降の作業をより効率的にサポートします。

ハーネスエンジニアリングによる深層エージェントの改善

Terminal Bench 2.0でコーディングエージェントがTop30からTop5に向上。ハーネスの変更のみで、自己検証とトレーシングが効果的だった。

LLM評価：知っておくべき全知識

Shreya氏と筆者は、700人以上のエンジニアやPMにAI評価を指導する中で得た質問を整理した。これは多くのケースで有効な鋭い意見であり、普遍的真理ではない。読者は自身の判断で活用すべきである。

メルペイ インターンでの挑戦と学び：EGP Cardsと向き合った3ヶ月間

メルペイのGrowth Platformでフロントエンド・エンジニアとしてインターンした経験談。EGP Cardsというプロジェクトに3ヶ月間取り組み、技術的挑戦と学びについて述べている。

フォワード・デプロイド・エンジニア（FDE）とは？顧客の業務改革を技術でリードするエンジニアの実像

FDEは顧客の現場で技術を活用し、業務改革をリードするエンジニアの役割を解説。AI Shiftのエンジニアが実例を紹介。

GPT-OSS-120Bに論理クイズや数学問題を解かせ、推論ログを詳細に分析した

オープンソースの大規模言語モデルGPT-OSS-120Bに論理クイズや数学問題を解かせ、その推論プロセスをログから詳細に分析した研究内容。

Cursorでプログラミング言語を再学習する方法――AI駆動学習の4ステップ

AI駆動の開発ツール「Cursor」を活用し、プログラミング言語を効率的に再学習するための4段階の実践的な学習方法を紹介する記事です。

最新AI技術情報をキャッチアップするAIエージェントを作成し、研究開発業務の一部を自動化した

AI技術の急速な進歩に追いつくため、AIエージェントを開発し、研究開発業務の一部を自動化する試みを実施した。

月末の「請求書まだですか？」をゼロに。LLM×Slackで構築した、フリーランスに優しい請求書回収アシスタント

LLMを活用したSlackボットで、フリーランスの請求書回収業務を効率化。AIが形式不備をアシストし、管理工数削減とパートナー体験向上を実現した事例。

カールパティのトークナイザー動画から書籍章を作成した方法

著者はSolveItプラットフォームを用い、アンドレイ・カールパティのトークナイザー動画チュートリアルを基に書籍章を作成した。SolveItは小さな検証可能なステップで問題を解決するアプローチであり、最終成果物には実行コードや追加解説が含まれる。

Solveit 公開：AI疲労への対抗策

fast.ai は、反復的問題解決を学ぶコースとプラットフォーム「Solveit」を公開した。これは AI を少量活用して学習しながら構築する手法を示し、AI 依存を避ける。小ステップと深い理解を重視するこのアプローチは、「バイブコーディング」の対極にある。

Claude Code hooksで始めるPromptOps：チームで意図を残す仕組み作り

Claude Codeをチームで活用する際、プロンプト共有の重要性を指摘し、その実践方法を紹介。AIエンジニアの知見共有環境を活かした取り組み。

言語モデルのためのバーチャルペルソナ：バックストーリー集によるアプローチ

言語モデルに多様なバックストーリーを与えることで、より豊かで個性的な仮想人格を構築する方法についての研究。

LLM-as-a-Judgeを用いた評価：完全ガイド

著者は30社以上の支援経験から、LLMを審査官としてAI出力を評価する手法の確立方法を解説する。多くのチームが指標過多などの失敗を繰り返す現状に対し、効果的な評価システムの構築手順を示している。

ファインチューニングは依然として価値があるか？

ハメル・フサイン氏は、ファインチューニングへの失望の声が増える中、多くの状況で依然として非常に価値があるとの見解を示した。

LLM搭載の自律型エージェント

大規模言語モデル（LLM）を中核コントローラーとする自律型エージェントの構築は、AutoGPTやBabyAGIなどの概念実証デモにより示唆されるように、単なるコンテンツ生成を超えた可能性を秘めている。