python 01agent.py INFO [browser_use] BrowserUse ith level info INFO [root] Anonymized telemetry enabled. See https://github.com/gregpr07/browser-use for more infgoal was set. INFO [agent] 🧠 Memory: No actions have been taken yet. Current task is to find tod

こんにちは。けいすけです。 この記事の最後にGPTs配布をしていますので、記事は良いから取りあえずGPTsがほしい！という方は最後までぐいーーーーんとスクロールプリーズ！ 最近こんなポストをしました。 ChatGPTだけでキレイなドット絵が描けるようになりました。 ドット絵って簡単そうですが、AIで作ろうとすると結構難しいんですよね。 たとえば、これを見てください。 DALL-E3でドット絵を描いて！とお願いして出てきたものです。 まあ、ドット絵っぽいといえばっぽいのですが、拡大してみると違いが分かります。 こんな感じで、ピクセルの端がにじんでいたり、ピクセルの境目が直線になっていなかったりします。 で、これをどうしたかというと、pythonで加工することでちゃんとしたドット絵になるわけです。 詳しい仕組みは省きますが、ニアレストネイバー法というもので、64×64に縮小すると、割りとキレイ

はじめに こんにちは！yasunaです！ 私は普段は会社員をしていてエンジニアではないのですが、趣味でプログラミングをしています！ 今回はAIの力をフル活用しながら個人開発アプリの要件定義を作るまでの流れを記録しておきたいと思います。 今回作ろうとしているアプリケーションについて 「TikTok台本作成支援システム」というアプリケーションを作ろうとしています。ユースケース図はこんな感じになりました。 この図を作るときに役に立ったのがAI搭載エディターのCursorです。 CursorはAIがコードを生成してくれるので、コードを書くのが苦手な私のような人でもAIとチャットしながらコードを書くことができます。 こちらの図もCursorでmdファイルを作成して図に変換しました。 これはPlantUML（プラントユーエムエル）という図表作成用のマークアップ言語です。 UML（Unified Mod

関連リソース Agent Design Pattern Cataitectural Patterns for Foundation Model based Agents 【論文紹介】LLMベースのAIエージェントのデザインパターン18選 基盤モデルを用いたAIエージェントの設計パターン The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey は、「AIエージェントのアーキテクチャ」について、シン

TL;DR perplexity のスペースは情報源をURLとファイルで登録できる →質問するとそこを優先的に検索 →githubや公式サイト、ドキュメントを登録する →ソフトウェアの調べものがはかどる! 注意点: 日本語で質問すると日本語で検索しようとして失敗する。プロンプトで「(質問本文) 英語で検索して日本語でまとめて」って書くとよい perplexityのスペース perplexity、検索まとめと、翻訳があやしいニュースサイトとしてそこそこ便利に使っています。 ちょっと前から「スペース」という機能ができていたのですが、使ってみたところ予想以上にいい感じでした。 スペースはここ スペース機能は複数人で共有されるスペースを作って、特定のトピックについてperplexityとのchat履歴をまとめる機能です。ここで、ソースとして情報源のファイルやリンクを登録することができます。 ソース

browser-useについて調査する どういうものか ブラウザのデバッグプロトコルを使ってLLMで操作するpythonライブラリ Playwright Chrome DevTools Protocol (CDP) ClaudeのComputer useのスコープを狭めたものと理解できる 似たツールとしてMCPのPuppeteerサーバーがある→mcp/puppeteer モデル（LLM）の呼び出しにLangChain Modelのインターフェイスに依存することでマルチプロバイダ対応してる なのでLangChainで動くモデルに対応してる 結果的にLangChain風のAgentフレームワークのミニマムな実装になってる 何ができるの？ ブラウザ操作を自動化してできることはできる Hugging Faceで特定のライセンスを持つモデルを検索し、その情報をファイルに保存する 求人情

はじめに 生成AIによって世の中は大きく変わります。単なるブームではないと確信しています。 研究者の間では数年で「あと人間の知能に匹敵するAIが出てくるだろう」と言われているほどです。 「生成AIって社内でもよく聞くけど何から始めればいいかわからない...」 「AIに興味はあるけど初期設定とか大変そう...」 この手順で学べば流石に初心者でも生成AIを使いこなせる人材になれるロードマップを整理しました。 誰も生成AIの大波に置いていかれないような記事を目指します。 対象読者 生成AIを学んでスキルアップしたい方 社内でAI活用してさらに活躍をしたい方 AIの波に乗って市場価値の高い人材を目指す方 記事の構成 本記事は入門編と発展編に分かれています。入門編では「AIを使える人材」になるためのゼロからのロードマップを記載しています。発展編では「AIアプリを作れる人材」になるためのステップアップ

はじめまして、ますみです！ 株式会社Galirage（ガリレージ）という「生成AIに特化して、システム開発・アドバイザリー支援・研修支援をしているIT企業」で、代表をしております^^ この記事では、入門者向けの「RAG」の開発手法を解説します！ もしもPythonを使ったことがない方は、下記のZenn本を参考にしてください。 また、RAGについての基礎知識を学びたい方は、下記のZenn本を参考にしてください。 さらに、RaggleというRAGの精度を競うコンペを開催しているため、ご興味のある方は、こちらのコンペを通して、RAGのスキルアップにご活用ください！ なんと1位の人には、賞金30万円も付与されます🏆 それでは、早速解説をしていきます！ この記事の内容を習得すれば、Raggleに応募できる状態になるため、ぜひ皆さんもRaggleのコンペに挑戦していただけたら幸いです^^ 全体の流れ

そしてこの投稿の前の日、たわむれにDifyのアドベントカレンダーやってみようかなとおもって気軽な気持ちで「あれ25日しかあいてないや。まぁいいか」と登録したものの「よく考えたらめっちゃトリじゃねえか」と1時間後ぐらいにやべえってなってたので。 ということで、「ChatGPTのポン出しを卒業してDifyのワークフロー化に進む大切さ」を全力でお伝えしようと筆を取りました。この記事で一人でも多くの人がDifyとワークフローの良さに気づいてLLMの楽しさ自体に目覚めてもらえることを目標に頑張って書いていきます！

概要 開発者向けの AI ツールは数多くありますが、その中で「Cody」は 無名ながらも知る人ぞ知る優れたプロダクトです。私が普段いるAI技術者コミュニティでは密かに絶大な支持を集めていますが、GitHub Copilot、Cursor、ChatGPT と比較して機能性で大きく抜きん出ています。私はすでに半年課金愛用していて、おそらく来年も愛用するでしょう。 Cody とはなんぞや Cody くんは、VSCode や、JetBrains IDEs、Neovim、Eclipseなどのコードエディタの拡張機能として使えるコーディング補助 AI ツールです。 他の生成 AI コードツールと同様に、AI コード補完とAIチャットがあります。 なぜ Cody がおススメなのか C

はじめに 2024年のAI界隈では「RAG」が一巡し、その可能性と限界が明確になってきました。最も顕著な点は「RAGは魔法の杖ではない」という認識の広がりではないでしょうか？ RAGは確かに、既存の文書やデータを活用したAIの応答精度向上に貢献してきました。しかし、単純な質問応答を超えた複雑なタスクの実行や、動的な状況への適応には限界があることも明らかになっています。この限界を超えるための次のステップとして注目を集めているのが「AIエージェント」です。 OpenAIのAIエージェントとは AIエージェントは、特定のタスクや目的のために設計された自律的なAIシステムです。たとえば、会議の参加者の予定を自動で調整して最適な時間を設定するAIアシス

OpenAIの12日間連続の発表の最中、GoogleもGeminiモデルをアップデートしてGemini 2.0 flashなどを発表しました。 そんなGoogleの最新モデルを無料で利用できるプラットフォームとして提供されているのがGoogle AI Studioです。 そこで今回はGoogle AI Studio徹底解説として基本の使い方から、最近できるようになった機能の使い方まで網羅的に解説していきます。 Googleのアップデートの内容はこちらの記事で解説しています。 Google AI StudioとはGoogle AI Studioは、Googleが提供するウェブベースのAI開発プラットフォームです。 開発者やデータサイエンティストは、Google AI Studioを通じて、GeminiをはじめとするGoogleの最新AIモデルにアクセスすることができます。 Google AI

2024/12/24 完全にオープンな約1,720億パラメータ（GPT-3級）の大規模言語モデル 「llm-jp-3-172b-instruct3」を一般公開 ～GPT-3.5を超える性能を達成～ 大学共同利用機関法人 情報・システム研究機構 国立情報学研究所 (NIIエヌアイアイ、所長：黒橋くろはし 禎夫さだお、東京都千代田区) の大規模言語モデル研究開発センター（LLMC）は、主宰するLLM勉強会（LLM-jp）の活動の中で、約1,720億パラメータ(*1)（GPT-3のパラメータ数と同規模）の大規模言語モデル（LLM）を2.1兆トークンの学習データを用いてフルスクラッチで学習し、同モデルを「llm-jp-3-172b-instruct3」として一般公開しました。学習データまで含めすべてオープンなモデルとしては世界最大規模です。本モデルは言語モデルの日本語理解能力を測るベンチマーク 「

本記事では、現在流行している「RAG」技術について、2024年トレンドの振り返りと、2025年の予想をします。株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。 この記事は何 2024年は、RAGが大流行した年でした。この記事では、2024年の技術トレンドを振り返りつつ、2025年のRAGの進展を予想したいと思います。技術的トレンドはもちろん、普段、企業向けにRAGを提供している会社としての、僕の肌感覚も合わせて、お伝えできればと思います。 本題 ざっくりサマリー 結論として、RAGは、来年も変わらず流行し続けると予想します。 まず来年は、これまで以上に回答精度が向上するのは間違いないです。その理由は、LLMの価格低下トレンドと入力できるコンテキスト増大トレンドが、まだ続くためです。加えて、LLMが「視覚・音声」の入力手段を獲得したこと、ベクトルD

こんにちは！逆瀬川 ( https://x.com/gyakuse ) です！ 生成AI Advent Calendar 2024の記事を書くの忘れていたので、現時点での生成等AIの進歩をまとめてみました！今日はAIがいまなにできんの？ってこと聞かれたときにこれできるよ！って教えるためのメモとして活用してください！また、生成AIプロダクト Advent Calendar 2024というのもソロでやっています。このカレンダーではLLMの基礎理論からModelのFine-Tuning、プロダクト開発等をまとめています。ぜひこちらも見てください！ 未来を感じる技術の進歩 動画生成では、Veo2 や Sora が登場しました。 インタラクティブな動画生成では、Genie2 (W本当にすごい

生成AIが作成した不完全な回答を修正し、適切な内容にする課題を学生に課している（後ほど詳しく解説します） 急速に普及している生成AIのリテラシーを高めてもらうため、ユニークな課題を学生に課している大学がある。それが、お茶の水女子大学の伊藤 貴之教授が出している「生成AIが作成した不完全な回答を修正し、適切な内容にする」という課題だ。同様の課題を企業の社員教育に適用すれば、「むしろより大きい効果を発揮するのでは」と同氏は考えているという。そこで今回、伊藤氏に課題の概要や効果、社員教育に適用する際の留意点などについて話を聞いた。 【詳細な図や写真】学生に課した宿題の内容は主に4問（伊藤氏提供） 「生成AIの回答を修正させる」課題を始めた経緯　お茶の水女子大学が生成AIの対応を始めたのは2023年初頭にまで遡る。生成AIが一気に普及することになったOpenAIのGPT-3.5が2022年11月の

この記事は弁護士ドットコム Advent Calendar 2024の 20 日目の記事です。 こんにちは。弁護士ドットコム株式会社リーガルブレイン開発室の井出です。 今年も AI 絡みの話題が尽きない年となりましたが、皆さんは何が一番重要な話題だと思いましたでしょうか。それら数ある中で、私は AI エージェントの発展に注目しています。 そこで趣味と勉強を兼ねて Unity と Dify とその他いろいろで自分専用の AI エージェントを作成したのでその方法をお伝えします。 AI エージェントとは 今回やりたいこと アプリの概要 構成図 完成スクリーンショット 必要なもの 開発環境 OpenAI Unity Hub Unity Editor のバージョン Docker Deskit バージョン VRoid Studio VOICEVOX Azur

米Googleは12月13日（現地時間）、AI搭載のリサーチアシスタント「NotebookLM」に新機能を追加し、有料プラン「NotebookLM Plus」を発表した。 また、11日に発表した「Gemini 2.0 Flash」の実験バージョンの展開を開始する。 NotebookLMは、Googleが2023年7月に発表し、今年の6月から日本でも利用できるようになっているAIアシスタント。ユーザーは、Googleドキュメントやスライド、YouTubeのURLなどをアップロードし、それらの情報を要約させたり、質問に答えさせたりできる。 ユーザーインターフェースが刷新され、「ソース」「チャット」「Studio」の3つのパネルに分割された。 「ソース」でアップロードした情報を管理し、「チャット」でソースについてAIと会話し、「Studio」で文書や「Audio O

生成AIサービスに個人情報をアップロードしたくない!！　Windowsローカルで大規模言語モデル（LLM）を利用する：Tech TIPS ChatGPTやMicrosoft Copilotなどの生成AIサービスが便利なのは分かるが、いざ使おうと思うと「情報漏えいなどが心配」と感じていないだろうか。そんな心配がある場合、手元のWindows 10／11上でLLM（大規模言語モデル）を実行すればよい。無料な上に意外なほど簡単にLLMが実行でき、住所や名前を分割するなどのテキスト処理ができる。本Tech TIPSでは、Windows 10／11上でLLMを実行する手順を紹介しよう。

2024年12月11日(水)にGoogleが情報整理AI機能「Deep Research」を発表しました。Deep Researchはユーザーの指示に従って課題解決に役立つ情報をインターネット上から収集してくれる機能で、収集した情報を分かりやすいレポートにまとめて出力してくれます。 Gemini: Try Deep Research and Gemini 2.0 Flash Experimental https://blog.google/products/gemini/google-gemini-deep-research/ インターネット上には課題解決に役立つ情報が多数存在していますが、人間の手で目的の情報を探してまとめるのには非常に長い時間がかかります。Deep ResearchはGoogleの有料AIサービス「Gemini Advanced」に追加された機能で、ユーザーの指示に従っ