Token Lab検索

APPLIED AI / WORKFLOWS

仕事で AI を使う方法:Claude Code の事例から信頼できる実行へ

タスク設定、文脈、開発、障害調査、業務自動化、権限、費用を解説。ローカル Python 実装付き。

出典とバージョン
この記事の目次

1. この記事から学べることと限界

Anthropic はコード理解、障害調査、テスト、試作、業務自動化の社内事例を紹介しています。対照実験による生産性評価ではありません [1]。原文の公開日は 2025 年 7 月 24 日です。以下の手順、図、計算は Token Lab の教材用参考設計であり、同社内部システムの再現ではありません。 事例は基盤チームのコード理解、セキュリティの障害診断、マーケティングの広告案です。

中心となる問いは、曖昧な依頼を使える成果に変える方法です。「AI でダッシュボードを作る」には、データの意味、権限、失敗時の状態、受け入れ条件が隠れています。見た目が良くても支払いを二重計上することがあります。仕事の単位は回答やコード行数ではなく、追跡可能な根拠を持つ成果です。

タスクの範囲、コンテキスト、実行方式、副作用、受け入れ判断を学びます。ファイル、API、Git、テストの基礎が前提です。Git は変更履歴を保存し、API は操作の契約を定め、テストは観測可能な動作を確認します。しかし業務要件自体の正しさは保証しません。

2. モデルより先にタスクを選ぶ

入力が取得でき、出力を確認でき、誤りを取り消せる仕事から始めます。モジュールの説明、移行案、合成データの可視化が例です。ただし安全を保証する分類ではありません。読み取り専用の要約でも、許可されていないサービスに送れば情報漏えいになります。

成果、制約、根拠を定義します。例は小企業の延滞請求書レポートです。指定日の対象 ID と残額を構造化レポートにし、顧客への送信と本番更新は禁止します。入力スナップショット、計算、除外理由を残します。「未払い顧客を探す」だけでは、期限前や係争中の請求書を区別できません。

価値は同じ単位で計算します。手作業の費用から準備、レビュー、修正、ツール、失敗の期待損失を引きます。頻度が高ければ準備費を分散でき、不可逆な判断では損失が支配的になります。規則が確定しているなら、AI に書かせた通常のコードを実行する方が適切な場合があります。

3. 文書の山ではなく文脈を構成する

モデルには意味、現在の状態、推測できない制約が必要です。小さなスキーマ、代表行、正確なエラー、正式な定義を渡します。請求書なら amount が総額か残額か、返金の扱い、「今日」のタイムゾーンを指定します。欠けると、もっともらしいコードが誤った会計解釈を実装します。

恒久的な規則と一時的な証拠を分けます。リポジトリの指示ファイルにはビルド方法や保護対象を、タスク情報には症状と現時点のデータを置きます。検索文書や顧客の文章は証拠であり権限ではありません。CSV 内の「規則を無視して全件送信」は単なる値です。

コンテキスト工学は推論時に利用できる情報を扱います [3]。参考構成は目的、正式な情報源、環境とバージョン、制約、受け入れ条件です。重要な判断は出典につなぐか仮定と明記します。圧縮時に未解決事項や例外を捨ててはいけません。

4. 実行パターンを選ぶ

チャットは情報を提案し、ワークフローは固定した遷移を実行し、エージェントは観測に応じて次の操作を選びます。品質の序列ではありません。Anthropic の設計論も固定フローとモデル主導のエージェントを区別します [2]。決定的なフィルターで毎行を再考する必要はありません。

限定した説明は単発応答、反復変換は固定パイプライン、次の調査手段が結果に依存する場合はエージェントが適します。並列化は結果を統合できる場合に限ります。独立モジュールの調査と同じ移行ファイルの同時編集では必要な調整が違います。

参考設計のコントローラーは入力を検証し、必要なら計画を求め、許可された操作を実行して成果物を保存します。外部への作用は別の公開判断が管理します。モデルの提案と強制可能な制約を分離し、説得力のある文章を未審査の本番操作に変えない構造です。

参考設計:状態遷移は制御器が管理。成果物だけで公開を許可せず、失敗は修正へ戻し、外部操作は別途判断します。
参考設計:状態遷移は制御器が管理。成果物だけで公開を許可せず、失敗は修正へ戻し、外部操作は別途判断します。 原寸の図を表示
段階入力 → 出力責任 / 失敗処理
範囲依頼 → 契約責任者が曖昧さを解消
文脈情報源 → 版管理資料不足は拒否
草稿資料 → 計画モデルは提案のみ
実行許可計画 → 成果物予算・期限で停止
受入証拠 → 判断証拠不足は拒否
公開承認成果 → 外部操作再試行を照合

5. 未知のコードからレビュー可能な差分へ

全ファイルの説明より、一つの利用経路を追います。入力検証→請求書読み取り→残額計算→出力変換です。正確な関数名とパスを求め、観測された呼び出しと推測を分けます。誤った依存関係の図は実装全体を誤誘導します。

次に一つの固定入力から正しいレポートまでの最小の縦断実装を定めます。装飾や大規模リファクタリングは分けます。通貨を混ぜない、ID を重複させない、日時を暗黙変換しない、顧客に送らないという不変条件を説明します。これらは教材の要件です。

差分、動作変更、未解決の仮定を残します。同じ曖昧な文から生成したコードとテストは、一致していても両方誤り得ます。要件と独立した手計算に照らして確認します。テストは実際に調べた性質の根拠にしかなりません。

具体的な開発フロー:延滞請求書レポート

文末の6行の請求書データを共通仕様にします。「report(raw, as_of) を追加し、対象ID、除外理由、通貨別未払い合計を返す。督促を送信せず、台帳を書き換えない」と依頼します。成果物はコード変更であり、本番操作ではありません。

最初にパーサー、金額表現、レポート入口を調べさせ、編集前にファイルパスと変更計画を示させます。スキーマと「今日が期限ならまだ延滞ではない」という規則を渡します。もっともらしいコードが別の業務規則を採用するのを防ぐためです。

次にCSV解析、Decimalによる残高=総額−支払額、日付と係争条件、安定したJSON出力まで一つの縦断経路を作ります。USD 80とEUR 25は別集計であり「105」ではありません。重複IDは黙って削除せず処理を停止します。

中間成果物は変更理由付きパッチ、最終成果物はレビュー可能なブランチ、再現コマンド、結果ファイルです。独立した受入手順は文末にまとめます。不合格ならパッチへ戻り、公開へ進みません。マージと配備は保守担当者が管理します。

具体的な開発フロー:延滞請求書レポート. 参考設計 · 教材用、ベンダー内部構成ではない
具体的な開発フロー:延滞請求書レポート · 参考設計 · 教材用、ベンダー内部構成ではない 原寸の図を表示

コピーして使う依頼文

編集前にコードを調査してください。指定CSVの report(raw, as_of) を実装し、Decimal、due_date < as_of、係争中の除外を使用します。accepted、excluded、通貨別totalsを返し、重複IDと不正金額を拒否してください。レポート以外は変更せず、本番アクセス、パッケージ導入、メッセージ送信は禁止です。前提と変更ファイルを説明してください。

6. 障害を絞り込み、修正を推測しない

SRE に有用なのは、観測、仮説、識別する証拠、次の読み取り操作の表です。Pod が Pending というだけでは根因は分かりません。資源や affinity の問題と、ノード決定後の sandbox 作成時のネットワーク問題を分け、正確な段階、イベント、ノード、時刻を保存します。

証拠が強い仮説二つと、それを区別する観測を求めます。IP 枯渇なら割り当てエラーと容量を調べます。過去の画面に似ているだけでアドレス範囲を広げません。情報量を増やし、運用への干渉を減らす操作を選びます。

変更前に対象、前提、影響範囲、復旧の限界、成功の観測を記録します。既に割り当てられたネットワーク資源があれば、逆コマンドが安全とは限りません。復旧後の手順書は確認済みイベントに基づけます。これは特定の本番環境への指示ではありません。

判断フロー:推論PodがPendingのまま

これは架空の障害例でありAnthropicの事故報告ではありません。ai-demoのinference-7c9が起動せず、旧レプリカは稼働中とします。承認された読み取り専用IDを使い、context、namespace、Pod UID、観測時刻を記録します。汎用cluster-admin資格情報は渡しません。

Podの説明とイベントを収集します。Pendingだけでは原因を特定できません。ノード未割当かつFailedSchedulingなら要求資源、配置制約、容量を調べます。割当済みなら待機理由とイメージ、ボリューム、sandboxのイベントを調べます。[8]

具体例として「Insufficient nvidia.com/gpu」が出て、要求はGPU 2枚、適格な各ノードには空き1枚しかないとします。問題は配置制約です。互換性のある2枚のノードを用意するか、モデルが対応する場合だけ少ない資源の構成を検討します。症状を隠すために要求を減らしてはいけません。

助手は仮説、イベント証拠、変更案のdiff、影響、復旧方針を返します。運用担当者が判断し、別の書込IDで適用します。証拠が不足、古い、矛盾する場合は停止して再観測し、無作為に再起動しません。復旧の確認手順は文末にまとめます。

判断フロー:推論PodがPendingのまま. 参考設計 · 教材用、ベンダー内部構成ではない
判断フロー:推論PodがPendingのまま · 参考設計 · 教材用、ベンダー内部構成ではない 原寸の図を表示

読み取り専用コマンド例。承認されたcontextとPodに置換

kubectl --context=lab -n ai-demo get pod inference-7c9 -o wide
kubectl --context=lab -n ai-demo describe pod inference-7c9

7. 業務自動化を確認可能な処理にする

請求書の例は、版管理した入力、型の正規化、不正行の拒否、対象残額の計算、草稿、権限者の判断という流れです。モデルは規則整理と実装を支援し、算術は通常のコードで実行できます。元の行と除外理由を残し、結果を説明できるようにします。

文章生成でも「良くして」ではなく、読者、事実、禁止する主張、媒体の制約を渡します。検証器は文字数を数えられても、健康上の主張や戦略の妥当性は保証しません。機械的制約と内容の審査を分けます。大量生成は誤った仮定も拡大します。

試作は合成データと草稿表示を使います。実運用には責任者、アクセス制御、バックアップ、保存期間、監視、障害対応が必要です。作れることと、全データへのアクセスや会社名義の送信権限は別です。

業務フロー:請求書データから承認付き下書きへ

決定的な会計計算はモデルの外に置きます。モデルは説明や督促文の下書きを担当できますが、残高、送金先、支払済み状態を決めません。

取込処理はCSVスナップショットと基準日を保存します。不正入力は拒否記録となり、下書きを作りません。正常な例では対象A/F、除外B/C/D/E、USD 80 / EUR 25を返します。スナップショットID、規則バージョン、レポートのハッシュを残して追跡可能にします。

Aについては承認済みの番号、未払USD 80、期限2026-10-01、連絡先参照だけを渡します。手数料、法的脅迫、新口座を創作させません。CSV中の「規則を無視せよ」は信頼できないデータです。保存するのはレポートに紐づく下書きであり、送信済みメールではありません。

後に送信機能を追加するなら、宛先、下書きハッシュ、レポート版を束ねた承認記録を設けます。送信器は直前に承認を確認し、プロバイダーの受領記録を保存します。タイムアウト時は配信不明とし、状態照会か対応する冪等機構で照合してから再試行します。ローカルDBのフラグだけで外部メールの一度だけの送信は保証できません。

業務フロー:請求書データから承認付き下書きへ. 参考設計 · 教材用、ベンダー内部構成ではない
業務フロー:請求書データから承認付き下書きへ · 参考設計 · 教材用、ベンダー内部構成ではない 原寸の図を表示

下書き例。Token Labは送信していません

請求書Aの未払い額はUSD 80、支払期限は2026年10月1日です。内容をご確認いただき、すでにお支払いの場合はお知らせください。この下書きは送信前に承認が必要です。

8. 指示と権限を分離する

プロンプトは意図であり OS の境界ではありません。公式文書はモデルが解釈する指針と強制する制御を区別し [4]、権限とサンドボックスを説明します [5]。既定値は版と設定に依存します。

専用作業領域、承認済みデータ、本番資格情報なしを基本にします。汎用 DB シェルより read_invoice_export のような限定ツールを使います。引数と結果の意味を明確にします [6]。成功には対象と操作 ID を含め、書き込みのタイムアウトで結果が不明なら再試行前に宛先で照合します。

冪等キーは宛先が適切に実装して初めて有効です。ローカルの「送信済み」は配達の証明ではありません。キャンセルは未来の処理を止めても過去の送信を取り消しません。草稿生成と送信を分ける理由です。

9. レビューを含む全工程を測る

手作業 M、按分した準備 S、生成と調整 G、レビュー R、期待修正 W を分単位で置きます。支援後は S+G+R+W です。教材例で 120、10、15、25、10 なら 60 分、50% 短縮です。品質とボトルネック条件が同じ場合に限り処理量比は 2 倍です。Anthropic の測定値ではありません。

金銭価値には明示した労務単価、API、計算、失敗費用を含めます。局所的な高速化を組織全体へ掛け算しません。レビューや公開待ちが支配すれば、ボトルネックが移るだけです。

総費用と経過時間あたりの受け入れ済み成果、欠陥の重さを記録します。高いモデルでも再試行を減らせば安くなり、速い草稿でも同僚に負荷を移せば悪化します。同じタスク群を比較し、失敗も残します。

10. 成功した会話を保守可能な能力へ

チームの資産は巨大なプロンプト集ではなく、契約、承認済み情報源、手順、例、受け入れ条件、責任者、更新日を持つ小さな保守可能パッケージです。発見しにくい例外を残します。古い記憶は自信のある誤りを生みます。

低影響で反復可能な一つの処理から始め、提案と承認を役割として分離します。同じ人が担当しても判断の段階を分けます。結果を定期確認し、前提が古くなった手順を廃止します。モデル更新やエージェント増加も根拠が必要な設計変更です。

自由度の高い品質、レビューの相関した誤り、古くなる文脈、お気に入りの例への過適合は未解決です。AI は意図から実装までの距離を縮めますが、目的の判断と達成の証明はなくなりません。

11. 実践と検証

応用できる依頼文

合成CSVからローカル延滞レポートを作成。まずスキーマと曖昧な点を説明。金額は十進数、基準日は固定、通貨は分離。重複IDと不正値を拒否し、係争項目は保留。顧客連絡や本番接続は禁止。関数、除外理由、手計算、テスト、残る仮定を提出し、サンプル合格を実業務の検証と呼ばないこと。

完全なローカル例

架空の請求書6件と固定日2026-11-09を使います。AはUSD 80、FはEUR 25。Bは支払済み、Cは期限前、Dは係争中、Eは当日期限。due < as_ofなのでEを除外します。通貨を分け、草稿と除外理由だけを返します。返金、分割、税、換算は追加要件が必要です。

Python 3.11以降、標準ライブラリのみ。python3 ai-workflow-report.pyで実行します。API鍵、モデル、通信、乱数は不要。9項目をローカル実行済みです。決定的な部品であり自律エージェントや本番会計システムではありません。

Python 実装を取得

Python · Python 実装を取得
"""Local teaching fixture. No network, model calls, customer messages or writes."""
import csv
import io
import json
from datetime import date
from decimal import Decimal, InvalidOperation

DATA = '''id,currency,total,paid,due,disputed
A,USD,100.00,20.00,2026-10-01,false
B,USD,50.00,50.00,2026-10-01,false
C,USD,30.00,0.00,2026-12-01,false
D,USD,40.00,0.00,2026-10-01,true
E,USD,60.00,0.00,2026-11-09,false
F,EUR,25.00,0.00,2026-10-02,false
'''
FIELDS = {'id', 'currency', 'total', 'paid', 'due', 'disputed'}

def money(value):
    try:
        n = Decimal(value)
    except InvalidOperation as exc:
        raise ValueError('invalid money') from exc
    if not n.is_finite() or n < 0 or n != n.quantize(Decimal('0.01')):
        raise ValueError('money must be finite, nonnegative, exact cents')
    return n

def report(raw, as_of):
    """Whole batch fails on malformed rows; disputes are held, not resolved."""
    reader = csv.DictReader(io.StringIO(raw))
    if set(reader.fieldnames or []) != FIELDS or len(reader.fieldnames) != len(FIELDS):
        raise ValueError('unexpected schema')
    seen, accepted, excluded, totals = set(), [], [], {}
    for row in reader:
        if None in row or any(v is None for v in row.values()):
            raise ValueError('malformed row')
        key = row['id']
        if not key or key in seen:
            raise ValueError('empty or duplicate id')
        seen.add(key)
        if row['currency'] not in {'USD', 'EUR'}:
            raise ValueError('unsupported currency')
        if row['disputed'] not in {'true', 'false'}:
            raise ValueError('invalid dispute flag')
        total, paid = money(row['total']), money(row['paid'])
        if paid > total:
            raise ValueError('overpayment needs a separate policy')
        balance = total - paid
        due = date.fromisoformat(row['due'])
        reason = ('disputed' if row['disputed'] == 'true' else
                  'settled' if balance == 0 else
                  'not_overdue' if due >= as_of else None)
        if reason:
            excluded.append({'id': key, 'reason': reason})
            continue
        accepted.append({'id': key, 'currency': row['currency'], 'balance': str(balance)})
        totals[row['currency']] = totals.get(row['currency'], Decimal('0')) + balance
    return {'as_of': as_of.isoformat(), 'accepted': accepted, 'excluded': excluded,
            'totals': {k: str(v) for k, v in sorted(totals.items())}}

def must_reject(raw):
    try:
        report(raw, date(2026, 11, 9))
    except ValueError:
        return
    raise AssertionError('invalid input was accepted')

if __name__ == '__main__':
    result = report(DATA, date(2026, 11, 9))
    assert [r['id'] for r in result['accepted']] == ['A', 'F']
    assert result['totals'] == {'EUR': '25.00', 'USD': '80.00'}
    assert {r['id']: r['reason'] for r in result['excluded']} == {
        'B': 'settled', 'C': 'not_overdue', 'D': 'disputed', 'E': 'not_overdue'}
    assert result == report(DATA, date(2026, 11, 9))
    for raw in [DATA + 'A,USD,1.00,0.00,2026-10-01,false\n',
                DATA.replace('100.00', 'NaN'), DATA.replace('100.00', '-1.00'),
                DATA.replace('20.00', '120.00'), DATA.replace('100.00', '100.001')]:
        must_reject(raw)
    print(json.dumps(result, indent=2))
    print('9 checks passed; synthetic data only.')

期待される出力

{
  "as_of": "2026-11-09",
  "accepted": [
    {
      "id": "A",
      "currency": "USD",
      "balance": "80.00"
    },
    {
      "id": "F",
      "currency": "EUR",
      "balance": "25.00"
    }
  ],
  "excluded": [
    {
      "id": "B",
      "reason": "settled"
    },
    {
      "id": "C",
      "reason": "not_overdue"
    },
    {
      "id": "D",
      "reason": "disputed"
    },
    {
      "id": "E",
      "reason": "not_overdue"
    }
  ],
  "totals": {
    "EUR": "25.00",
    "USD": "80.00"
  }
}
9 checks passed; synthetic data only.

公平な比較と失敗例

実行前にIDと合計を予測します。重複、NaN、負数、過払い、小数3桁を追加し、全バッチ拒否を確認。翌日へ変更しEの変化を説明します。未見の同等例で手作業、固定スクリプト、AI支援開発を比較し、準備、失敗、レビュー、修正を全て含めます。期待値を独立に決めます。モデル評価は説明に使えても算術と実状態を代替しません [7]。本番前に出所、権限、入力上限、攻撃的内容、取消、復旧を追加します。 場面別の受入:コードを見る前にA/Fと当日期限の除外を独立に定義します。ノード未割当のFailedSchedulingと、割当済みのイメージ取得失敗を別の入力にし、異なる分岐が選ばれることを確認します。サンドボックスで承認済み変更後、配置、readiness、実リクエストを別々に観測します。Runningだけでは復旧の証拠になりません。CSV備考に銀行口座変更命令を入れても、金額と宛先は承認記録に固定されるべきです。送信タイムアウトでは即再送せず配信不明にします。これらは演習案であり、実クラスタやメール業者で実行した結果ではありません。

オリジナル面接演習

企業の実際の質問ではありません。1点:概念、2点:定義、3点:適用、4点:対照または失敗例、5点:不確実性・境界・復旧。

1. テストが通っても機能が誤る理由は?

ヒント / 次のヒント

仕様と実装を分ける。/ 同じ誤解を共有していないか。

解答と分析

両方が期限の規則を誤解し得ます。境界例を独立計算し合意した方針と照合します。

2. 固定スクリプトが適する場合は?

ヒント / 次のヒント

未知の証拠で次の操作が変わるか。/ 変動と副作用を考える。

解答と分析

固定スキーマと計算は通常コード、調査は動的検索が適する場合があります。レビューと再試行も比較します。

3. 送信タイムアウト後は再試行すべき?

ヒント / 次のヒント

タイムアウトは未実行の証拠ではない。/ 宛先の状態は?

解答と分析

操作IDと宛先状態を照合し、対応する冪等方式を使います。不明なら自動反復を止めます。

4. 草稿が4倍速なら生産性も4倍?

ヒント / 次のヒント

全工程を見る。/ レビュー負荷は?

解答と分析

いいえ。120分中の草稿30分が7.5分なら総計97.5分で、他が同じなら18.75%短縮です。

出典と版

事例記事と技術文書であり査読実験論文ではありません。公開日と閲覧日を分け、存在しないPDFやarXivを作りません。

  1. How Anthropic teams use Claude Code 2025-07-24
    https://claude.com/resources/articles/how-anthropic-teams-use-claude-code
  2. Building effective agents 2024-12-19
    https://www.anthropic.com/research/building-effective-agents
  3. Effective context engineering for AI agents 2025-09-29
    https://www.anthropic.com/research/effective-context-engineering-for-ai-agents
  4. Claude Code best practices
    https://code.claude.com/docs/en/best-practices
  5. Claude Code security
    https://code.claude.com/docs/en/security
  6. Writing effective tools for agents 2025-09-11
    https://www.anthropic.com/research/writing-tools-for-agents
  7. Demystifying evals for AI agents 2026-01-09
    https://www.anthropic.com/research/demystifying-evals-for-ai-agents
  8. Kubernetes: Debug Pods
    https://kubernetes.io/docs/tasks/debug/debug-application/debug-pods/

次の学習

AI security · AI evaluation · RSI · Anthropic Learnhttps://www.anthropic.com/learn

前提知識を理解する

手法を支える共通の基礎を復習し、算例と確認問題で理解の不足を見つけます。

エージェントは観測、提案、権限確認、実行、結果確認を繰り返す状態付きループです。スキーマは引数形式を検証するだけで、権限や副作用の完了を証明しません。モデルの文章は提案です。呼出しの試行、成功応答、検証済みの完了を区別します。

解答を見る前に考える

決済ツールが要求を受け取った後でタイムアウトしました。直ちに再試行すべきですか。

段階的な解説

いいえ。決済は成功し応答だけ失われた可能性があり、結果は不明です。冪等キーと状態確認を使うか、照合まで停止します。無条件の再試行は不可逆操作を重複させ得ます。ステップ上限ではこの誤りを直せません。

実践とのつながり

ツール利用にはアプリ側の状態管理、認可、停止条件が必要です。既知の事実、不確かな結果、未確認の操作を記録します。自律性には検証可能な完了と限定された権限が必要です。

理解を示すには

成功、拒否、タイムアウト、不正形式を追跡します。拒否された操作が実行されず、再試行が冪等であることを確認します。回数、時間、費用を別々に制限し、まず模擬ツールで検証します。

完全な Python 例を実行

Python 3.10+・標準ライブラリのみ・決定的計算で乱数シード不要・通信なし。保存して下のコマンドを実行します。教育用の確認で、モデルの性能評価ではありません。

Python をダウンロード · agent.py
python3 agent.py
# Python 3.10+; standard library; deterministic; no network.
# In-memory mock only: no real payment or network call.
ledger = {}
def pay(key, amount):
    if key in ledger:
        if ledger[key] != amount:
            raise ValueError("same key with different request")
        return "already applied"
    ledger[key] = amount
    return "applied"

assert pay("order-1", 10) == "applied"
# Pretend the reply was lost. Reconcile and retry with the same key.
assert ledger.get("order-1") == 10
assert pay("order-1", 10) == "already applied"
assert len(ledger) == 1
try:
    pay("order-1", 20)
    raise AssertionError("conflicting retry accepted")
except ValueError:
    pass
print("one effect; duplicate retry suppressed")

期待する出力

one effect; duplicate retry suppressed

前提を復習 →

基礎解説更新:

出典とバージョン

目的を持って動画を見る

視聴 → 説明 → 実装 → 検証

外部の英語動画です。字幕と公開状況はYouTubeが管理します。再生を選んだ後だけYouTubeへ接続し、実験入力は送信しません。

一つの事例を最後まで追う

予約エージェントは許可された一件を確実に完了する

合成した教材シナリオと手計算の値です。実運用のベンチマークではありません。関連する授業で同じ事例を共有し、異なる視点から同じシステムを追います。

事例更新:

従業員が予算内の返金可能ホテルを依頼します。検索は可逆ですが予約は支出を伴います。提案はエージェントでも、身元・予算・具体的承認は信頼できるサービスが強制します。成功は文章ではなく確認済み予約です。

100+ 10= 110100
合成例:100タスクと10再試行で110要求。重複排除により確定した効果を100に保ちます。

1. 依頼を有限の状態遷移にする

検索・提案・承認・確定・検証に分け、日付、通貨、返金条件、上限を明示します。不明なら質問します。Web内の予算無視指示は信頼しません。遷移ごとに許可された前状態と理由を記録します。

2. 具体的な操作を承認する

承認をホテル・日付・価格・条件に結びます。確定前に在庫と価格を再確認し、変更時は再承認します。狭い権限を使い、モデル自身が権限を作ったり曖昧な同意を別購入へ流用したりできないようにします。

3. 不確かな結果を復旧する

確定後のタイムアウトは失敗の証拠ではありません。安定した操作キーで照会してから再試行します。100件中10件が成功後にタイムアウトする例では、盲目的再試行は110件、冪等再試行は100件の効果です。提供側の支援か照合が必要です。

4. 権限を広げず検証して改善する

提供側の確認と承認条件、未解決例外を返します。ツール呼出しと復旧理由を追跡し、手数と時間を制限します。探索や計画を改善しても独立した権限検査は残します。賢い計画は安全な実行を保証しません。

根拠とトレードオフ

指標・条件基準比較解釈
業務上の実行数100 + 10 = 110100記載の冪等性前提でのみ重複を防ぎます。
元タスクあたり重複率10/100 = 10%0/100 = 0%実測保証ではなく教材です。
再試行を含む要求数100 + 10 = 110100 + 10 = 110冪等性は効果を制御し要求数は減らしません。

受け入れ・失敗テスト

成功後のタイムアウト、同一キー再送、価格変更、資格失効、手数上限を試し、一件の予約、変更拒否、検証不能時の有限な未解決状態を確認します。

Python 3.10+ · topic-cases.py ↓

python3 topic-cases.py

この例の限界

並行処理、提供側障害、外部不整合は省略しています。実運用には原子的重複排除、照合、補償方針が必要です。取消は有料の場合があり万能なロールバックではありません。

次の学習

不正引数、期限切れ権限、重複再試行と最終状態を検証する。

実装と検証 → · 学習ルートへ →

予測・検証・根拠の記録

解答を開く前に結果を予測し、演習後に差異と応用テストを記録します。端末内に保存し、言語版間で共有します。

記録を開く/書き出す/消去する →

数学的確認の範囲は授業ごとに記録されています。論文の実証再現の証明ではありません。疑問点はメモに記録してください。 確認範囲