TAG

advanced

12 記事

Computer Use エージェントは、画面が変わった後の古いスクリーンショットを根拠にクリックし、エラーも出さずに別の場所を押します。誤操作を計測し、観測・実行・検証の三拍子で止める運用メモです。

ユーザーがアップロードした画像や動画をそのまま Gemini に流すと、MIME 偽装・EXIF 漏洩・展開爆弾・動画の処理待ちといった落とし穴に次々はまります。先頭バイト判定から Files API の状態ポーリング、後始末までを動くコードで段階的に組み立てます。

Few-Shot プロンプトを「固定の3例」で書いているうちは精度もコストも頭打ちになります。Gemini Embeddings + ベクター検索で例を動的に選ぶ自己改善型プロンプト設計を、コピペで動くコードと運用ループまで通しで解説します。

Embeddings だけでは取りこぼす「上位3件は当たり前に合うのに5件目以降に正解が埋もれる」問題を、Vertex AI Ranking API と Gemini を使ったリランカーで解決する本番アーキテクチャを実装コード付きで解説します。

Gemini API を本番運用するなら避けて通れない Prompt Injection 攻撃に対し、入力サニタイズ・指示強化・構造化出力・モデレーター LLM の4層防御を動くコードで設計する実戦ガイドです。

Gemini 2.5 の Thinking Budget パラメータを制御し、推論コストと精度の釣り合いを取る実装をまとめました。Thinking モデルの内部アーキテクチャ、コスト構造、タスク別の最適設定、動的調整システム、思考プロセスの可視化とデバッグまで解説します。

Gemini 2.5 Pro でテキスト・画像・PDF・動画を横断検索する RAG パイプラインを設計します。ドキュメント処理、Embeddings API によるベクトル化、ベクトルストアと検索エンジン、クエリエンジンの実装から本番のコスト最適化まで体系的に解説します。

Gemini API で長い会話を扱うチャットボットに必要な、会話メモリの3層アーキテクチャとセッション永続化の設計をまとめました。Redis / Cloudflare KV での実装、トークン予算制御、ファクト抽出、障害復旧まで本番前提のコードで解説します。

画像・動画・音声・PDF を単一リクエストで扱う Gemini API のマルチモーダル実装テクニック集です。4モダリティの基礎実装から、ストリーミング対応パイプライン、Function Calling との統合、レート制限対策、パフォーマンスとコストの最適化まで進めます。

Gemini APIを本番環境で安全に運用するためのセキュリティ実装パターンを解説。APIキーのローテーション、入出力サニタイズ、プロンプトインジェクション防御、監査ログ、レート制限を網羅する上級ガイド。

Gemini API と GitHub Actions を組み合わせて、PR の自動コードレビュー・セキュリティ脆弱性スキャン・ドキュメント自動生成を統合した AI 品質監査パイプラインの本番設計パターンを解説します。

Gemini APIを本番運用するためのAIゲートウェイ（プロキシサーバー）を設計・実装する上級ガイド。レート制限、自動フォールバック、トークンコスト追跡、複数モデルルーティングを一元管理するアーキテクチャを解説します。