「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。
目次 †
概要 †
推論モデルを使用したLLMエージェント †
「従来のエージェントアーキテクチャの成熟」と「推論モデル（Reasoning Models）の登場」が完璧に噛み合ってブレークスルーが起きた。
推論モデル †
- 推論モデル（Reasoning Models）：以下の点が従来のLLMと異なる。
- 強化学習（RL）による最適化
CoTの自動化は、RL（強化学習、特にRLVR：検証可能な報酬による強化学習）を使ってモデルを訓練している。
- この強化学習（RL）の数学的な枠組みは、一般的なLLMの強化学習（方策勾配法を使って逆伝播で学習する）と同じ。
- 検証できるタスクにしか適用できないが、学習された報酬モデルに依存しないため、大きく能力を伸ばせたと言われている。
推論エージェント †
（推論モデルを使用したLLMエージェント的な）
- 推論モデルを使用したコーディング・エージェントは外部の制御ループとして機能する。
- つまりエージェントは、推論モデルに計画を出力させ、その後、実行ステップを生成している。
- 推論モデルの強化学習（RL）によってCoTや探索戦略がモデル内部に獲得され、
- 従来のエージェントが担っていた推論プロセス（Plan→Reason→Act→Reflect→Retry）の一部がモデルへ吸収されたため。
- その結果、
- Reasoning Paradigms? への依存が低下し、エージェント設計は簡素化された。
- 具体的には、試行錯誤のための実Act回数を減らし、より精度の高いPlanを生成できるようになった。
- 一方で、ツール利用や環境操作を担う Acting Paradigms? の重要性は依然として高い。
コーディング・エージェント †
推論エージェントの具体的な用例
自律型業務エージェント †
推論エージェントの具体的な用例
- Claude Cowork、OpenClaw?、Openwork、Microsoft Scout（OpenClaw?が基盤）などの製品がある。
- 推論モデルを用いて、個別の業務設計を行わずプロンプトのみで、非定型業務のオートメーションを迅速に構築・実行できるエージェント。
- RPAは定型、自律型業務エージェントは非定型とされるが、推論モデルでPRA定義（若しくはスクリプト）を実装すれば定型化できる可能性があるかもしれない。
- Claude Codeに対するClaude Coworkを見ると、コア実装は同じで、UI、機能、実行環境部分が異なっている。
- UI：ターミナル/GUI、IDE/GUI → 非エンジニア向けGUI
- 機能：ソフトウェア開発に必要なコンテキスト、ツール類を備える。→ コンピュータ操作に必要なコンテキスト、ツール類を備える。
- 実行環境：Bare Metal上で実行に必要なアクセス権 → デスクトップアプリでルート・フォルダだけ指定（共にSandbox機能はある）
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
