--- id: 01KY57X12TEDDSJ4EGZW147TMD title: エージェントはコードではなく知識で育てる published_at: '2026-07-23T00:42:55+09:00' source: visibility: private source_id: private:records:01KY57X12TEDDSJ4EGZW147TMD transformation: ai-edited-secondary content_sha256: 430fe5b0a868aa52c3cc7bef78d2da87c81465cc3b160426f9ef03a1ba3e0ee0 content_length_bytes: 4410 rights: license: CC BY-NC-ND 4.0 license_url: https://creativecommons.org/licenses/by-nc-nd/4.0/ terms: https://narukijima.ai/terms/ attribution: 黄島成 (Naru Kijima) / narukijima.ai — usage: ai_input: allowed search: allowed quotation: allowed-with-attribution ai_training: reserved-subject-to-existing-rights commercial: requires-separate-permission redistribution: allowed-under-CC-BY-NC-ND-4.0 dataset_inclusion: reserved-subject-to-existing-rights impersonation: prohibited scope: Existing CC license grants and applicable statutory exceptions take precedence. These signals do not record assent or enforce access control. --- 最近、俺の中でエージェントを育てるということをやっている。フロンティアモデルは大量のデータを使い、巨大な知識の脳みそを作るアプローチだから、基本的に賢さでは勝てない。ただ、情報が多すぎるがゆえに、その情報を有効活用できていないパターンも多い。見つけられる人には見つけられる情報があり、見つけられない人には見つけられない部分がある。 ## 固有の知識でエージェントを育てる エージェントの育て方は、基本的に情報を食わせるという感じになる。AI自体はフロンティアモデルを使えばいい。エージェント固有の知識を作り、どんどん増やして、それをフロンティアモデルで動かす。各分野にエージェントを配置して動かすことが、インターネットでいうアプリケーション層のようなものになる。AIでは、LLM層、フロンティアモデル層、エージェント層に分かれていて、俺がやっているのはエージェント層だと捉えている。 ## 複雑なシステムを作らない うまくいかないアプローチは、システムを作ることだった。プログラミング言語やコードがごちゃごちゃになり、LLMに使わせるとスパゲッティコード化する。システムが複雑になるほど問題も並行して増えるので、コードをあまり作らせないことが大事になる。エージェントの構造はMarkdownファイルで作り、情報をどんどん蓄積する。コンテキストの問題だから、情報は増えるほど精査でき、圧縮もできる。コードは知識に応じて変わるので、使い捨てがいい。 ## 生のデータと論文を知識にする ナレッジの中には、生のデータとLLM向けのウィキを作る。必要な時には必要な論文を取得して内部に入れ、その論文も知識にする。複雑な問題が出た時は、それに対する論文を見つけて内部へ入れ、そこからアプローチを考える。この構造にすると、基本的に複雑な問題でも解決できる。 ## X運用で人間より成果が出た LLMにXの運用をやらせた時、最初はAIが文章を作るのは下手で、AIっぽい投稿が多いと感じていた。でも、このアプローチで実際に運用すると、俺が作った投稿よりAIが作った投稿の方がめちゃくちゃ成果が出た。ただ、AIだけに作らせるとミスも起こる。そこは知識や情報が足りない部分なので、アプローチを変えながら入れていくしかない。 ## 人間の下書きとAIを融合する 今のところ一番成果が出るのは、人間が作った下書きをAIに食わせ、それを添削し、リライトし、最適化する形だった。俺の中から出てくるものと、エージェントの知識を組み合わせるとかなり強い。さらに、俺の知識やデータを持つ俺専用のエージェントを作り、分野別のエージェントと一緒に動かせば、エージェント同士でもこの化学反応を作れる。いろいろなシステムを作ってきた中で、これが一番うまく機能している。 ## 運用データが競争優位性になる エージェントを育てるために必要なのは、プログラミングのコードではなく知識と情報になる。全部Markdownファイルで、日本語でも英語でもいい。大規模言語モデルだから言語には依存せず、必要なものをどんどん入れて育てる。エージェントが動けば固有のデータも生まれ、それ自体が競争優位性になる。これを続ければ、収束関数的に精度が上がっていくと思う。 ## 必要な分野ごとに増やしていく これは、LLMにデータを食わせて学習させ、フロンティアモデル自体を大きくするのとは違う、エージェント層でのアプローチになる。今のところ実際にうまくいき、人間を凌駕する成果も出てきた。X運用、分析、会社、投資など、機能が必要な分野は全部エージェントとして育て、これからどんどん増やしていこうと思っている。 --- © 黄島成 (Naru Kijima) — CC BY-NC-ND 4.0. 利用前に利用規約（https://narukijima.ai/terms/）を確認してください。検索・AIへの入力・出典付き引用を認めます。AI学習・データセット収録には権利を留保し、追加の許諾は行いません。既存のCC BY-NC-ND 4.0による許諾と法定例外は妨げません。なりすましは禁止です。出典表記: 黄島成 (Naru Kijima) / narukijima.ai — 。検証: https://narukijima.ai/verify/。取得だけで同意を記録する仕組みではありません。 Review the Terms (https://narukijima.ai/terms/) before use. Search, AI input, and attributed quotation are permitted. Rights are reserved for AI training and dataset inclusion; no additional permission is granted for these purposes. Existing CC BY-NC-ND 4.0 grants and statutory exceptions remain unaffected. Impersonation is prohibited. Attribution: 黄島成 (Naru Kijima) / narukijima.ai — . Verification: https://narukijima.ai/verify/. Fetching alone does not record assent.