「.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（Reasoning Models） †
精度向上 †
推論モデルによる推論エージェントの精度向上は、
- 入力から生成する、中間プロンプトの Few shot の精度を上げて行き、最終回答の精度を上げていく方式。
- （独立生成・多数決、逐次修正・探索の方式がある）（Long CoTは逐次修正を1回で行うため出力量が多い）
- 推論モデルの強化学習（RL）によって思考の連鎖（Chain of Thought: CoT）や探索戦略を獲得。
- 学習の数学的な枠組みは、一般的なLLMの学習と同じで、誤差逆伝播法で学習する。
- ただ、推論モデルの学習では、次単語予測（で損失誤差計算）しているわけではなく、推論した実行プランで正しく処理を実行できた場合、
報酬が大きくなるように（逆に言えば、正しく処理を実行できなかった場合、損失誤差が大きくなるように）学習がされている。
- その結果、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）の一部をモデルへ吸収。
- 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。
- 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 †
概要 †
（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。
アーキテクチャ †
詳細 †
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
概要 †
- 推論モデルを用いて、個別の設計を行わずプロンプトのみで、ソフトウェア開発を遂行できるエージェント。
- 従来のスニペット生成レベルのコーディング支援から大幅に性能が向上している。
プロダクト †
歴史的にAnthropic（Claude Code）が先行していたわけではないらしいが（SWE-agent、Devinなどがある）、
Anthropicが「プロトタイプだったエージェントを、エンジニアが実用可能なプロダクトに引き上げた最初の存在。
コレを、Microsoft（GitHub Copilot）、Anysphere（Cursor）、OpenAI（Codex）、Google（Antigravity）が追随。
※ コーディング・エージェントのプラットフォームを握る ≒ 「世界中のソフトウェアがどう作られているか」の頭脳とデータを握る。
コンテンツ †
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
概要 †
- 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）
プロダクト †
コンテンツ †
...
参考 †
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
