[基礎 第2部] OpenClaw.AI マスタークラス:テレグラムとビジョンAIで完成させるスマートフォン遠隔秘書
スマートフォンのテレグラムで領収書の写真を送ると、OpenClawとGemini 2.5 Flashが自動的に分析し、PCのワークスペースに整理して保存してくれるビジョン機能を備えたモバイルAI秘書ワークフローの入門講座です。
受講生 69名
難易度 初級
受講期間 無制限
🎉 [新講座公開] Spring AIの事例で学ぶAIアプリケーション制御手法
こんにちは、皆さん!
Kevinです。😊
久しぶりに、新しい講座のお知らせをお届けします。
👉 講義はこちら:https://inf.run/Y2Zfs
今回、Java/Spring開発者向けの新しいAIアプリケーション設計講座を開講しましたので、簡単にご紹介します。
📌 [Part 1] Spring AIの事例から学ぶAIアプリケーションの制御手法:コスト・品質・リスク・フローの制御
AI機能を実装したら、次に何を考えるべきでしょうか?
最近はSpring AIとLLMを活用すれば、アプリケーションにAI機能を組み込むことが以前よりずっと簡単になりました。
しかし、実際にサービスを開発していると、新たな課題が生じます。
AIリクエストが内部でどのような経路で処理されるのか、どうすれば確認できるだろうか?
不要に多くのコンテキストが渡され、LLMのコストが増加する問題はどう解決すればよいでしょうか?
JSON形式に従って返されたAIの応答なら、内容まで信頼してよいのだろうか?
AIが危険な対応方法を推奨した場合、どのように制御できるでしょうか?
この講義は、まさにこうした問いから始まります。
一つのアプリケーションを改善しながら学ぶ、4つの制御手法
講義では、障害状況を分析し、対応方法を提案するIncident Responderアプリケーションを事例として使用します。
最初から完璧な構造を作るのではなく、正常に動作するアプリケーションで制御できていない問題を見つけ、一つずつ改善していきます。
① Flow — フロー制御
Micrometer、OpenTelemetry、Langfuseを使ってAIリクエストの処理フローを観察し、リクエストの特性に応じたルーティングを実装します。
② Cost — コスト管理
LLMに渡されるRunbook、障害履歴、Contextの量を直接制限し、改善前後のトークン使用量を比較します。
③ Quality — 品質管理
JSONとDTOの基本契約を検証し、Evaluator–Optimizerパターンを用いてAI応答の内容品質まで評価・改善します。
④ Risk — リスク統制
AIが推奨した危険なアクションを特定し、リスクレベルとポリシーを適用して、外部に送信する応答を制御します。
単なるSpring AIの機能紹介講義ではありません。
今回の講義を準備するうえで最も重視したのは、'どの技術を使うか'よりも'なぜこの制御が必要なのか'という点でした。
そのため、実際のコードから問題を見つけ、実行結果を観察し、制御ポイントを設計したうえで、改善前後を比較する流れで構成しました。
Java/Springの開発経験があり、AI機能を単に呼び出すだけでなく、より信頼性の高いアプリケーションへと発展させたい方のお役に立てればと思います。
今回の講義で伝えたい核心的なメッセージは一つです。
"AIの作り方ではなく、制御ポイントの設計方法を学ぶ。"
ご興味のある方は、新たに公開した講義をご覧ください!
👉 講義はこちら:https://inf.run/Y2Zfs
既存の講座を受講してくださった皆さまに、いつも感謝しております。
それでは、新しい講義でもお会いできることを楽しみにしています!😊




