内容紹介

※この商品はリフロー型で作成されており、ハイライトや検索、文字の大きさの変更などの機能がご利用可能です。

◆「LLMの挙動を左右するコンテキストをどう扱うか」AI時代のエンジニアの最重要スキル◆

大規模言語モデル（LLM）へ与える、プロンプトを含む多様な入力情報である「コンテキスト」。LLMの挙動を健全にコントロールするために、どんなコンテキストを構築するかーー限られた入力領域において、何を与え、何を捨て、どのようにして良いコンディションを保つのかーーこの技術の総体が「コンテキストエンジニアリング」であり、LLM活用を目指すエンジニアが知るべき最重要トピックです。本書では、AIモデルの基礎の仕組みやAPIの挙動をコンテキストの観点から順にひも解き、RAG（Retrieval-Augmented Generation）やAIエージェントなど実践的な開発において発生し得るコンテキストエンジニアリングのテクニックを存分に紹介します。

■目次

第1章　LLMの仕組みから見るコンテキストの正体

　　1.1 LLMの動作を知る意義

　　1.2 LLMを構成するニューラルネットワークの基本

　　1.3 LLMによるトークン生成のしくみ

　　1.4 対話型LLMに施された工夫や注意点

　　1.5 Reasoningモデルの進化へ

　　1.6 まとめ

第2章　APIサービス利用におけるコンテキストの扱いと基礎機能

　　2.1 LLMのAPIサービスの概要

　　2.2 LLMベンダーが直接提供するAPIサービス

　　2.3 クラウドベンダーが提供するAPIサービス

　　2.4 APIやモデルの選定基準

　　2.5 APIの基本的な使い方

　　2.6 LLMによるツール利用

　　2.7 出力スキーマの固定化

　　2.8 Function CallingとStructured Output使用時のテクニック

　　2.9 コンテキストキャッシュの仕組み

第3章　指示プロンプト開発の基礎

　　3.1 前提となるリファレンス

　　3.2 指示プロンプト開発時に把握しておくべき全体指針

　　3.3 指示プロンプトの記述に活用される記法

　　3.4 指示プロンプトの基本構造

　　3.5 指示プロンプトの管理

　　3.6 指示プロンプトの精度向上の技法

第4章　RAGにおけるコンテキスト整備

　　4.1 RAGとは

　　4.2 検索エンジン関連用語の整理

　　4.3 RAGの全体のフロー

　　4.4 RAGを使うかどうかの判断

　　4.5 RAGで用いられる基盤技術

　　4.6 検索を伴うRAGの精度向上のための工夫

　　4.7 その他の話題

第5章　AIエージェント×ワークフローによる作業自動化

　　5.1 AIエージェントはなぜ注目されたのか

　　5.2 ワークフロー化によるコンテキストの分散

　　5.3 市場が期待した「AIエージェント」の正体

　　5.4 エージェントワークフローに関連するリファレンス

　　5.5 具体例を見ながらエージェントワークフロー設計を学ぶ

　　5.6 コンテキスト肥大化に伴うその他の課題と対策

■著者プロフィール

蒲生 弘郷（がもう ひろさと）：外資系IT企業所属のクラウドソリューションアーキテクト、エバンジェリスト。上智大学大学院 応用データサイエンス学位プログラム 非常勤講師。大手システムインテグレーターにてキャリアをスタート。社会インフラ関連領域のデータサイエンティストとしての活動、ブロックチェーンを活用した異業種間データ流通サービスの立ち上げなどを経て現職へ。ChatGPTの登場した2022年以来、Azure OpenAI Serviceなどを使ったLLMアプリケーションの構築支援・アドバイザリーおよび技術情報の発信に従事。「ChatGPT - Azure OpenAI大全」などの資料が「2023 Most Viewed Deck 25」に選出。共著に『Azure OpenAI ServiceではじめるChatGPT/LLMシステム構築入門』。