プロンプト・LLM活用 LLM評価の客観性を極める：ルーブリックとフォーム入力を活用したLLM-as-a-judgeの構築
{ "technique": "LLM-as-a-judge with Rubric-based Form Filling", "frameworks": , "target_model": "Gemini 1.5 Pro, GPT-4o"...
プロンプト・LLM活用
プロンプト・LLM活用 プロンプト・LLM活用 CoT（思考の連鎖）を活用した複雑なロジックのデバッグとリファクタリングの最適化手法
role: プロンプトエンジニアリング・スペシャリストtone: 技術的かつ実用的、簡潔な構造format: Markdown + Mermaidfocus: CoT (Chain-of-Thought), 構造化出力, プログラミング支援...
プロンプト・LLM活用 プロンプトからコンテキストへ：LLMの情報環境設計による高度要約の最適化
{ "template_version": "2.0.1", "optimization_strategy": , "target_llm": "Gemini 1.5 Pro / GPT-4o", "focus": "Prompts to ...
プロンプト・LLM活用 LLM時代の高精度・高速データパイプライン：自動化フレームワーク「DataFlow」の全貌
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。LLM時代の高精度・高速データパイプライン：自動化フレームワーク「DataFlow」の全貌【要点サマリ】LLMの性能を決定づけるデータ準備を宣言的プログラムとし...
プロンプト・LLM活用 コンテキストエンジニアリングによる「多階層要件定義書」生成の最適化
執筆スタイル：プロフェッショナル、論理的、かつ実践的。抽象的な議論を排し、具体的な実装例と数値化可能な指標を重視する。構成：結論から先に述べ、視覚的な構造（Mermaid、Markdownテーブル）を活用して理解コストを下げる。技術的背景：...
プロンプト・LLM活用 GPT-5.3-Codex: 推論の高速化とSWE-bench Proにおける新たなSOTAの到達
{ "model": "gemini-1.5-pro-002", "style": "technical_report", "topic": "GPT-5.3-Codex-Release-Analysis", "tags": }本記事はGe...
プロンプト・LLM活用 複雑な論理推論を制する：CoTと構造化出力を組み合わせた高精度プロンプト設計
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。複雑な論理推論を制する：CoTと構造化出力を組み合わせた高精度プロンプト設計【ユースケース定義と課題】複雑な契約条項やビジネスルールの整合性チェック。複数の条件...
プロンプト・LLM活用 LLMのペルソナ構築における最前線：LoRAからMoRA、そして知識融合型RAGへの進化
Establish a high-authority technical tone. Use precise terminology (PEFT, Rank-collapse, RAG-Fusion) while ensuring acce...
プロンプト・LLM活用 複雑な推論タスクを攻略する：ToT・Self-Refineを統合した高精度プロンプト設計
tone: professional, analytical, actionablestructure: structured_reporttarget_audience: prompt_engineers, ai_developerske...
プロンプト・LLM活用 LLMデータ運用のパラダイムシフト：動的グラフ構造による自動化フレームワーク「DataFlow」
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。LLMデータ運用のパラダイムシフト：動的グラフ構造による自動化フレームワーク「DataFlow」【要点サマリ】LLM開発のボトルネックであるデータ準備を、静的パ...