Azure Microsoft FoundryでAIエージェント開発～応用情報の予想問題生成の実装記～
Microsoft FoundryでAIエージェントの作成をしてみたいと思ったのが本記事の出発点。応用情報の予測問題生成AIエージェントを作りたかった記事。
AI・ML
Azure 
AWS Amazon Bedrock Knowledge Bases で構造化データ(CSV)を使用した RAG をつくる -アーキテクチャ編-
Amazon Bedrock Knowledge Bases と Amazon S3 Vectors で構築した RAG 環境で、構造化データをデータソースにしたときの検索精度向上を目指しました。本記事はアーキテクチャ編です。
Google Cloud 「Gemini、これ追加して」で終わる機能追加対応。AI駆動開発のリアルな感想
Google CloudでGeminiを利用したアプリ開発を経験したので、その感想を書いていこうと思います。
AWS 【AWS】OpenSearchとSageMakerを用いたセマンティック検索基盤の構成検討
OpenSearchとSageMakerを組み合わせ、カスタムAIモデルを用いた検索基盤を構築した検討事例です。既存構成を大きく変えずに実装する方法の検討から、ML Commonsの制約による断念、SageMaker採用に至る技術選定の背景までを整理しています。
Google Cloud AIに画像を渡したら、勝手にPythonプログラムが走り出した件。〜Agentic Vision検証レポ〜
画像解析の精度の壁を突破する「Agentic Vision」。Gemini 3 Flashが自らコードを書き、拡大や解析ループを回すことで、従来不向きだった微細な手書き文字や反転画像も正確にデータ化。Vertex AIでの実装方法からAPIキー管理のリスクまで詳しく解説します。
AI・ML LangChainで日本語チャンキングが文字化けする原因、TokenTextSplitterでした
LangChainのTokenTextSplitterで日本語をチャンキングすると「�」などの文字化けが発生する原因と、公式推奨の回避策を解説。RecursiveCharacterTextSplitter/CharacterTextSplitter.from_tiktoken_encoderへの置き換えコードと検証結果を掲載。
AI・ML （シリーズ1：RAGの基本情報 / 第2回）チャンキング（チャンク化）とは：戦略の全体像、サイズ/オーバーラップ設計、失敗パターンと検証デモ
RAGで「検索は当たるのに回答が噛み合わない」原因はチャンキング設計にあることが多い。本記事ではchunk size/overlapの勘所、代表6戦略＋発展2、LangChain×Vertex AI（Gemini Embedding）デモで検証方法まで整理。
Azure 【Microsoft Foundry】Azure Open AI / Azure AI SearchでRAG構築入門
Azure OpenAI×Azure AI SearchでRAGを構築する入門。RAGの概要、Search/LLMの役割、リソース作成〜動作確認までを手順付きで解説。検索精度を上げるチャンク/メタデータ設計の勘所も紹介。
Google Cloud Pythonが書けないクラウドエンジニアが、生成AI (Gemini) と Cloud Shell だけで「スクワット監視システム」を構築した話
Gemini 3 Pro とGoogle CloudのCloud Shellだけでインフラエンジニアが自分用スクワット監視アプリを作成しました。
AWS AWSを利用したMCPサーバー統合検証（後編）
AWS Lambda上でMCPサーバーを動的にインストール・実行する方法について検証し、ユーザーごとの環境をサーバーレスで柔軟に構成する方法を検証しました。インストールやプロセス起動時の環境変数・権限・Lambda特有の工夫など現場のノウハウも整理しています。