---
id: 01KY57X12TEDDSJ4EGZW147TMD
title: "エージェントはコードではなく知識で育てる"
published_at: "2026-07-23T00:42:55+09:00"
canonical_url: "https://narukijima.com/posts/01KY57X12TEDDSJ4EGZW147TMD/"
---

最近、俺の中でエージェントを育てるということをやっている。フロンティアモデルは大量のデータを使い、巨大な知識の脳みそを作るアプローチだから、基本的に賢さでは勝てない。ただ、情報が多すぎるがゆえに、その情報を有効活用できていないパターンも多い。見つけられる人には見つけられる情報があり、見つけられない人には見つけられない部分がある。

## 固有の知識でエージェントを育てる

エージェントの育て方は、基本的に情報を食わせるという感じになる。AI自体はフロンティアモデルを使えばいい。エージェント固有の知識を作り、どんどん増やして、それをフロンティアモデルで動かす。各分野にエージェントを配置して動かすことが、インターネットでいうアプリケーション層のようなものになる。AIでは、LLM層、フロンティアモデル層、エージェント層に分かれていて、俺がやっているのはエージェント層だと捉えている。

## 複雑なシステムを作らない

うまくいかないアプローチは、システムを作ることだった。プログラミング言語やコードがごちゃごちゃになり、LLMに使わせるとスパゲッティコード化する。システムが複雑になるほど問題も並行して増えるので、コードをあまり作らせないことが大事になる。エージェントの構造はMarkdownファイルで作り、情報をどんどん蓄積する。コンテキストの問題だから、情報は増えるほど精査でき、圧縮もできる。コードは知識に応じて変わるので、使い捨てがいい。

## 生のデータと論文を知識にする

ナレッジの中には、生のデータとLLM向けのウィキを作る。必要な時には必要な論文を取得して内部に入れ、その論文も知識にする。複雑な問題が出た時は、それに対する論文を見つけて内部へ入れ、そこからアプローチを考える。この構造にすると、基本的に複雑な問題でも解決できる。

## X運用で人間より成果が出た

LLMにXの運用をやらせた時、最初はAIが文章を作るのは下手で、AIっぽい投稿が多いと感じていた。でも、このアプローチで実際に運用すると、俺が作った投稿よりAIが作った投稿の方がめちゃくちゃ成果が出た。ただ、AIだけに作らせるとミスも起こる。そこは知識や情報が足りない部分なので、アプローチを変えながら入れていくしかない。

## 人間の下書きとAIを融合する

今のところ一番成果が出るのは、人間が作った下書きをAIに食わせ、それを添削し、リライトし、最適化する形だった。俺の中から出てくるものと、エージェントの知識を組み合わせるとかなり強い。さらに、俺の知識やデータを持つ俺専用のエージェントを作り、分野別のエージェントと一緒に動かせば、エージェント同士でもこの化学反応を作れる。いろいろなシステムを作ってきた中で、これが一番うまく機能している。

## 運用データが競争優位性になる

エージェントを育てるために必要なのは、プログラミングのコードではなく知識と情報になる。全部Markdownファイルで、日本語でも英語でもいい。大規模言語モデルだから言語には依存せず、必要なものをどんどん入れて育てる。エージェントが動けば固有のデータも生まれ、それ自体が競争優位性になる。これを続ければ、収束関数的に精度が上がっていくと思う。

## 必要な分野ごとに増やしていく

これは、LLMにデータを食わせて学習させ、フロンティアモデル自体を大きくするのとは違う、エージェント層でのアプローチになる。今のところ実際にうまくいき、人間を凌駕する成果も出てきた。X運用、分析、会社、投資など、機能が必要な分野は全部エージェントとして育て、これからどんどん増やしていこうと思っている。