#llm

監視は決定的コード (token ゼロ)、LLM エージェントはイベント駆動で起きる。人間が rosbag を渡してフィードバックする工程を消す構成と token 消費の抑え方

小説専用 AI・Claude の skills・日本語の小説向けモデルの現状と、文章の質を上げる手段 (見本・推敲の別呼び出し・設定資料の分離)

library docs を事前 index して、LLM が resolve-library-id + get-library-docs の 2 tool で必要な時だけ引く。学習データが古い library API を都度検索で埋める用途

文章を書かずに「選ぶ・採点する・真偽を出す」だけを返すモデル. TypeSafe の Jev と, 互換の Cloudflare Clef / Clef-flash の違いと, コーディングエージェントでの使い方

Foxglove MCP server の tools を LLM から呼んで bag データを分析するパターン。探索的・会話ベースの分析に強い、CI 自動化には Python script が向く

LLM が incrementally 維持する構造化された wiki。raw sources / wiki / schema の 3 層と、ingest / query / lint の 3 操作。従来の RAG の代替

LLM に長期記憶を持たせる各要素 (要約・埋め込み・タグ・関連付け・忘却・背景処理) の実現可能性、既存実装、壁になる部分

RLCD で calibrated + 型安全出力を返す非 LLM モデル。LLM の前段フィルタ / 後段 verifier として役割分担する