LLMが生成したSQLが本番DBを壊す5つのケース
dorian05202988
LLMが書いたSQLはエラーなく動きます。だからこそ、より危険です。売上が3倍に膨らみ、1日分の検索でテーブルの30万行を丸ごと読み込み、退会した会員の連絡先がリストに混ざる状況をDocker MySQLで実際に再現し、本番DBに接続する前に見抜くための検収判定表にまとめます。
初級
SQL, MySQL, LLM
AIがまとめてくれたWiki、そのまま信じても大丈夫でしょうか?文ごとに原文ファイルと行番号を付け、照合スクリプトで引用・数値・古い原文・ページ間の矛盾を自動でふるい分ける業務用Wikiを、Claude CodeとObsidian Vaultで自作します。応用編では、PDF・Excel・スキャン・Webクリッピング・録音の文字起こし・メール・スライドの原文、正解付き質問セットと判定器による採点、300ページ規模、Gitを基盤としたチーム運用まで扱います(全65講)。ObsidianはVaultを開いて見る用途にのみ使い、講義画面に表示されるVaultの図は、実習ファイルをそのまま再現した画面です。
2名 が受講中です。
難易度 入門
受講期間 無制限
実際に、文ごとに原文ファイル・行番号・引用箇所が付いたWikiページをClaude Codeに書かせるためのルールファイルを作る。
比較スクリプト一行で、Wiki全体の引用の不一致・数値の不一致・出典なしをページと行番号で見つける
原文の指紋を使って原文が変更されたページだけを特定し、改訂版が入ったら影響を受けるページだけを修正する。
複数のページに散らばった同じ項目の値が異なる箇所(矛盾)を見つけ、原文で判定する。
Wikiに質問すると根拠となる行とともに回答し、根拠がない場合は作り話をせず、「根拠なし」と必要な原文を伝えるようにする。
収集スキル・フック・拒否ルール・フィルターによって検査が自動で実行され、検査基準は人だけが変更できるようにする。
毎週、確認率・陳腐化・矛盾・レビュー待ちを1枚のヘルスチェックレポートで確認する。
PDF・Excel・CSV・スキャン画像・Webクリッピング・会議の文字起こし・メール・スライドを、行番号で引用できる変換版にし、原本のフィンガープリント・ページ数・行数・途切れた数字を確認する。
原文中に隠れた指示文を、収集前にフィルタリングして隔離する。
エイリアス・用語集・時点付きの事実・決定状態・廃止用語など、対照検査では検出できない構造上の問題を個別に捉える。
正解付き質問セットでWikiの回帰を検出し、AI判定器を人間の判定と照らし合わせて先に評価し、任せる範囲を決める。
300ページのVaultでも、階層インデックス・変更された原文だけの再収集・インストール不要のキーワード検索で規模に対応する。
1回の収集を1つのコミットとして記録し、ロールバック・レビューが必要な変更だけの抽出・競合解決・属性ダッシュボード・毎日のチェックをチームで運用する。
AIが整理したウィキ、そのまま信じても大丈夫でしょうか?文ごとに原文ファイル・行番号を付け、照合スクリプトで引用・数字・古い原文・ページ間の矛盾を自動で検出する業務用ウィキを、Claude CodeとObsidianのVaultで自分で作ります。応用編では、PDF・Excel・スキャン・ウェブクリッピング・録音の文字起こし・メール・スライドの原文、正解付き質問セットと判定器による採点、300ページ規模、gitベースのチーム運用まで扱います(全65講)。ObsidianはVaultを開いて見る用途にのみ使用し、講義画面に映るVaultの図は、実習ファイルをそのまま描き起こした再構成画面です。
画面はObsidianアプリの録画ではなく、実際に実行したターミナル出力と、実習用Vaultのファイルをそのまま再現した画面です(Obsidianの使い方を学ぶ講義ではありません)。Obsidianの機能や、Wikiを作り上げる方法を広く紹介する講義でもありません。AIが作成したWikiがどのような間違いをするのか(数字が変わる・引用を捏造する・出典がない・原文が変わった後もそのまま・ページ同士が矛盾する)を実際の実行画面で示し、それを見つける仕組みを一つずつ作ります。検査ツールは言語モデルを呼び出さない決定的なスクリプトなので、同じ入力には同じ結果が返ります。照合では見つけられない「意味が間違っている文」も隠さず、人が確認すべきものとして扱います。
各事実文に原文ファイル・行番号・引用箇所を付けたウィキページをClaude Codeに書かせるルールファイルを作る
比較スクリプト1行で、Wiki全体の引用の不一致・数値の不一致・出典の欠落をページ名と行番号で見つける。
原文のフィンガープリントを使って、原文が変更されたページだけを特定し、改訂版が入ったら影響を受けるページだけを修正し直す】【。
複数のページに散在する同じ項目の値が異なる箇所(矛盾)を見つけ、原文に基づいて判定する。
ウィキに質問すると、根拠となる行とともに回答し、根拠がなければ捏造せず、「根拠なし」と必要な原文を伝えるようにする
収集スキル・フック・拒否ルール・フィルターによって検査を自動で実行し、検査基準は人だけが変更できるようにする。
毎週、確認率・陳腐化・矛盾・レビュー待ちを1枚の健康診断レポートで確認する
PDF・Excel・CSV・スキャン画像・Webクリッピング・会議の録音・メール・スライドを、行番号で引用できる変換版に変換し、原本の指紋・ページ数・行数・途切れた数字を検査する。
原文中に隠れた指示文を、収集前に検出して隔離する。
別名・用語集・時点付きの事実・決定状態・廃止用語など、対照検査では見つけられない構造上の問題を別途捉える。
正解質問セットでWikiのリグレッションを検出し、AI判定器をまず人間の判定と照合して評価し、任せる範囲を決める。
300ページのVaultで階層インデックス・変更された原文のみの再収集・インストール不要のキーワード検索により、規模に対応する。
収集1回を1つのコミットとして記録し、ロールバック・レビュー対象の変更のみの抽出・競合解決・プロパティダッシュボード・毎日のチェックを通じて、チームで運用する。
業務文書をObsidian(Markdown)で蓄積し始めた、またはこれから蓄積しようとしている社会人
LLMウィキを作ってみたものの、「AIがまとめた内容を信じていいのか」が気になる方
チームのポリシー・議事録・マニュアルをAIで整理する一方、誤った内容が広まるのを心配している企画・運営・CS担当者
セクション1. Wikiが間違う瞬間 — まずは完成版から:回答の一行から原文の行までたどる、AIが作ったWikiが間違う5つのパターン、準備とフォルダの役割:Vault・Python・Claude Code、誰がどのフォルダを修正するのか
セクション2. 出典付きのWikiを書く — ルールファイル:事実を述べる各文に出典を付ける、出典の表記形式:ファイル・行・引用箇所、最初の収集:3件の議事録をWikiページにする、冒頭にステータスを記す:確認済み・未確認・古い、出典のない文は要確認として保留する
セクション3. 原文との照合 — まず機械が確認する — 照合スクリプトを一通り実行:引用箇所が原文にあるか、数字の検算:文中の数字が引用箇所にあるか、検出された誤りを読む:期限・金額が変わった文、修正の順序:原文を再度読み込ませ、人は差分だけ確認する、照合で検出できないもの:引用は正しいが解釈が誤っている文
セクション4. 原文が変わったら — 原文の指紋で古いページを探す、改訂版が届いたとき:影響を受けるページだけ再処理、2つの原文が異なるとき:最新・権限順のルール、ページ間の矛盾を見つける:同じ項目、異なる値
セクション5. Wikiに問いかけ、根拠に基づいて答える — 回答にも根拠の行を添える:Wikiから原文まで二段階で引用、Wikiになければわからないと答える、良い回答をWikiに反映する:確認済みの内容のみ、質問記録からWikiの不足箇所を見つける
セクション6. 守る仕組み — スキルとフック — 収集スキル:収集・照合・ステータス表示を1つのコマンドで、フック:Wikiを更新すると照合が自動で実行される、検証基準を変更できるのは人だけ:ルールとスクリプトを守る、週次健康診断:確認率・古さ・矛盾を1枚にまとめる
セクション7. 自分の業務Wikiに移す — 自分の資料でVaultを作る:骨組みのコピーと最初の収集、入れてはいけないもの:秘密情報・個人情報のフィルター、長く運用したWikiの整理:統合・削除も記録とともに、一人でやってみる:新しい資料セットから誤った文を見つける
セクション8. 整理 — 整理:1か月運用チェックリスト
セクション9. さまざまな形式の原文を取り込む — 変換版も原文である:原文の文章と変換版の文章、PDF:ページ境界の表示とページ数の照合、PDFの表と途切れた数字、スキャン・画像:文字認識された行は確認が済むまで保留、Excel・CSVの5つの落とし穴、シート上の位置で引用する、Webクリッピング:出典URLと保存日、隠れた指示文を除外する、会議録:時刻の脚注と話者の確認、メールスレッド:引用返信を取り除く、スライドと発表者ノート、変換検証の1ページレポート
セクション10. Wikiの構造を強固にする — エンティティページと別名一覧、用語集:このWikiでの意味、時点を伴う事実、決定記録ページの状態、再収集しても膨らまないかを測定する、廃止された用語を探す
セクション 11. 正確性を数値で測る — 正解を判定する質問セットを作る、修正後に回帰比較する、引用の忠実度:再現率と適合率、判定器を先に評価する、固定シードでサンプルを検査する、エラーの種類を集計する
セクション12. 300ページに拡張する — 300ページのボルトとインデックスのサイズ、階層インデックスで分割する、変更された原文だけを再収集する、インストール不要のキーワード検索、実行時間とトークンを測定する
セクション13. チームで運用する — 収集1回につき1コミット、そしてロールバック、変更箇所から確認すべきことだけを抽出する、2人が同じページを編集したとき、プロパティで作るレビュー用ダッシュボード、毎日実行する検査のスケジュール設定、応用編の運用チェックリスト
実習ZIPには、仮想企業「ループマーケット」の原文(ポリシー・契約書・議事録など)と、基本編のVault 5セット(開始版・ルール版・誤りを仕込んだ草案・完成版・一人でやってみる)および応用編のVault 6セット(形式変換・収集した原文・構造・正確性の測定・300ページ・チーム運営)が入っています。PDFからの文字抽出とスキャン文書の文字認識にはmacOSの標準機能を使用し、Windowsでも同じように進められるよう、変換済みのファイルもあわせて収録しています。検査ツール(照合・スタンプ・健康診断・フィルター・フック)はPythonの標準ライブラリのみを使用しており、各レッスンのプロンプトと解答一覧も付属しています。ObsidianはVaultフォルダを開いて確認するために使用します。画面に表示されるVaultの図は、実習ファイルをそのまま再現した画面です。Dockerやクラウドは必要ありません。
Claude Codeをインストールして、Vaultフォルダ内で実行できる環境
ターミナルでコマンドを1行コピーして実行できる程度(コードの作成は行いません)
Python 3(検査ツールの実行用)
Obsidianのインストール・テーマ・プラグインの使い方
PKMの手法(ツェッテルカステン・MOCなど)
ベクトルデータベース・RAGの構築
デイリーノート・メッセンジャーの自動連携
この講義のナレーションは合成音声(AI)で作成しており、画面上のClaude Codeの実行結果と検査結果は実際に実行した内容です。ドラフトWikiの誤りは教育目的で人為的に仕込んだものであり、画面上でその旨を説明します。AIの応答文・トークン数・時間は、実行するたびに異なる場合があります。すべてのデータは教育用の仮想データであり、数値は実行環境によって異なる場合があります。
受講対象
業務文書をObsidian(Markdown)で蓄積し始めた、または蓄積しようとしているビジネスパーソン
LLM Wikiを作ってみたものの、「AIがまとめた内容を信じていいのか」が気になる方
チームの方針・議事録・マニュアルをAIで整理したい一方、誤った内容が広まることを心配している企画・運営・CS担当者
前提知識
Claude Codeをインストールし、Vaultフォルダ内で実行できる環境
ターミナルでコマンドを1行コピーして実行できる程度(コードは書きません)
Python 3(検査ツール実行用)
経歴認証済み
20年以上にわたりデータベースとIT分野でキャリアを積んできたデータ職人です。DBAおよびDB Platformチームのマネージャーとしてデータベースプラットフォームに携わり、MySQL・PostgreSQL・Oracle・MongoDB、SQLチューニング、AWS・Terraform・Pythonを専門分野としています。ゲーム・金融・ITサービス分野での経験をもとに、データベースとクラウドアーキテクチャについて解説しています。『オラクル実務チューニング SQLパターン学習』と『Oracle Pro*C実務プロジェクト活用書』を出版し、AWS Summit 2018・2019と「データよ、遊ぼう」2020では、サーバーレス・データベースの選択・マルチデータベース戦略について発表しました。最近は、Bedrock LLMを利用したスロークエリの分析・チューニング提案、DBスペック算定の自動化、DBメタMCPサーバーとSlackボットを通じた照会フローを扱っています。開発者向けのデータベース自動化と、非開発者向けのAI業務活用について、各コースの対象者と目的に合わせた実習を通じて解説しています。AIの提案をそのまま適用するのではなく、結果の同一性・実行計画・観測条件を確認し、根拠が不足している場合は保留する判断基準を伝えています。会社の運用データや認証情報は講義資料に含めません。
全体
65件 ∙ (13時間 40分)
講座資料:
知識共有者の他の講座はこちら
同じ分野の他の講座を見てみましょう!
期間限定セール
¥7,366
24%
¥9,702