LLMの知識とAIエージェント

Transcript

1. LLMの知識は、学習した時点で止まっている 1. LLMの前提 学習データの期間（知っている） 学習のあと・学習していない（知らない） 知識の締め切り LLMが知らない3種類の情報 最新の情報 社内・個人の情報 いま目の前の状況 今日のニュース・株価・新しい 制度 社内規程・顧客データ・メール ・予定 開いているファイル・直前の作 業結果 LLMを学習し直す 必要な情報を、その都度コンテキストで渡す • 時間と費用が大きい • すぐ・安く・いちばん新しい情報を使える • 終わった瞬間から、また古くなる • 仕事ごとに中身を入れ替えられ、根拠も示せる LLMの知識とAIエージェント 1
2. すべてはインコンテキストラーニングのための情報集め 2. 情報の集め方 ① 集める 道具を使う Function calling 外のサービスから結果を取ってくる ② 入れる コンテキストウィンドウ 基本設定・これまでの会話 資料を渡す RAG 道具の実行結果 関係する資料を探して持ってくる 検索した資料 手順書を読む Skills 必要な手順書を選んで読み込む 要 ③ 賢くなる 手順書（スキル） LLM インコンテキストラーニング 書かれた情報を読み、その場で賢くふ るまう（LLMの中身は不変） ユーザーの質問 Function calling・RAG・Skills は、インコンテキストラーニングさせるための情報集めの手法 LLMの知識とAIエージェント 2
3. 必要な情報を自分で集めて渡す、それがAIエージェント 3. AIエージェントへ チャット型 エージェント型 何が必要か考え、集めて貼るのは人 足りない情報に気づき、AIが自分で集める 気づく 集める 入れる 進める 何が足りない？ FC・RAG・Skills コンテキストへ 判断・実行 目標と今の状況を比べる 道具・資料・手順書から 必要な分だけ書き足す 結果が次の材料になる ゴールまでくり返す モデルの知識が古くても、都度集めて渡せば、最新・社内・目の前の仕事ができる 人の役割：道具や資料への入口（権限）を用意し、手順書を書き、目標を言葉にする LLMの知識とAIエージェント 3