社内AIの信頼回復：プロンプト修正より検索の作り直しが効いた理由
Hiroba による自動要約
社内 SaaS の問い合わせ AI が根拠のない回答（ハルシネーション）で信頼を失い、プロンプトで「分かりません」と言わせても採用率は上がらなかった。ハイブリッド検索（キーワード×ベクトル）、Claude Haiku によるリランキング、根拠リンク表示の 3 段階で検索品質を改善した結果、採用率が 35% から 62% に上昇し、LLM モデルのアップグレードより検索戦略の最適化が有効だった。
読んで良かったら、シェアしてみてください。
同じタグの記事が他に 3957 件あります。
関連する記事
同じタグの記事
Claude Certified Developer – Foundations (CCDV-F) 合格体験記：CCAO-F との違いと受験のポイント
Zenn著者が CCDV-F に合格した体験をもとに、CCAO-F との試験設計の違いを分析。CCDV-F は開発者向けで「Applications and Integration」が 33% を占め、技術的な正誤判断が重視される。英語のニュアンス読み分けより技術理解が結果を左右し、実務経験が最大の対策となる点が特徴。
Vision LLM に文字を読ませると、自信を持って間違える
ZennPDF スキャンを Markdown に変換するツール scan2md を通じ、Claude 3 モデルとローカル LLM 5 種類の読み取り精度を比較した。読めない文字を {{…}} で囲む指示を与えると、囲みが少ないモデルほど実は誤読を黙って補正していることが判明。囲みの数はモデルの正確性を示さず、むしろ自信の有無を反映するため、本文全体との照合が不可欠。
Claude Code × OpenRouter で月額ほぼ $0 のコーディング AI 環境を5ステップで構築する
QiitaClaude Code は --model フラグで OpenRouter の :free サフィックス付きモデル（Qwen3-235B-A22B、DeepSeek-V3 等）を指定することで、API 料金をほぼ無料に抑えられる。環境変数 3 本と .env ファイル設定で実現でき、既存のワークフローを維持したままコスト削減が可能。レート制限対策として指数バックオフやフォールバック設定も併せて解説。
チームで Claude Code を使うための AI Gateway とルーターの理想形
DevIOcoding agent のチーム利用で月数千ドル規模の token 消費に対応するため、AI Gateway を課金経路・窓口・振り分け・実行側・観測の五層に分け、Claude Code の配備 6 経路と構成パターンを比較。LiteLLM による 3 種エージェント検証で帰属・予算・header 転送の実測値を示し、Teams / Enterprise サブスク選択時の最小構成から従量課金時の共通 Gateway 配置まで、組織規模別の実装パターンを整理した。