Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜/gemini-2.0-flash-prompt-engineering

LLMの新たな選択肢としてGemini 2.0 Flashに注目し、その特徴と実践的な活用方法を解説します。従来のLLMは「高性能だが高コスト」か「低コストだが低性能」という二択でしたが、Gemini 2.0 Flashは適切なプロンプトエンジニアリングにより、高コストなモデルに匹敵する性能を低コストで実現できます。実例として文書管理システムの開発を取り上げ、Chain of Thoughtや構造化出力といった具体的な手法を用いて、いかに実用的なAIシステムを構築できるかを示します。コストパフォーマンスを重視しながら、実践的なAI開発のアプローチを学べる内容となっています。

Transcript

1. Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装 例〜 Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 1
2. @erukiti 2023年からAI全振りの会社である株式会社AlgomaticのAIエンジニア バックエンド・フロントエンド・LLM Opsなど幅広く Zenn/Google主催AI Agent Hackathonに個人で参加 2/10締め切りで、いま審査中 AI エージェント開発ハッカソン参加記事：Gemini 2.0 Flash で技術文書分析ツ ール「Tascario」を作ってみた そこで得られた知見をまとめた gemini-2.0-flashが賢くてコスパがよすぎる件 という記事がバズった Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 2
3. 本日の主要トピック 1. LLMの選定とコスパ戦略 Gemini 2.0 Flash がなぜ良いのか？ 2. 実践的なプロンプトエンジニアリング Gemini 2.0 Flash の本当の力を見せてあげますよ Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 3
4. LLMの性能で見るべき重要ポイント 1. 入力したコンテキストからの取りこぼしがないこと 2. 指示に追従すること 3. 日本語の読み書き Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 4
5. 従来のLLM選択 頭が良く、値段が高い「高性能モデル」 gpt-4o, Claude 3.5 Sonnet LLMのパラメータ数は多め（だから賢いけど、遅くて高い） 頭が悪く、値段が安い「コスパモデル」 gpt-4o-mini, Claude 3.0 Haiku LLMのパラメータ数は少なめ（だから安くて早い） コストは抑えられるが、性能も悪い Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 5
6. Gemini 2.0 Flash 悪くない性能 Gemini 2.0 Flash 無条件で賢いわけではない Gemini無料でも「2.0 Flash」シリーズと対話ができるので試してみて！ 対話側AIで「2.0 Flash」を選択して会話するとかなりポンコツ 対話で使うなら、 「2.0 Flash Thinking Experimental」か「2.0 Flash Thinking Experimental with App」 を使うとまともになる API前提だが、適切なプロンプトで高性能モデル相当の仕事が可能 従来のコスパモデルでは、できなかったレベルのことができるようになった コストパフォーマンスがすごく良い Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 6
7. Gemini 2.0 Flash 圧倒的コスパ Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 モデル 入力単価※ 1 出力単価※ 1 出力例40Mtokens※ 2 賢さ※ 3 Claude 3.5 Sonnet $3.00 $15.00 90,000円 すごく賢い GPT-4o $2.5 $10.00 60,000円 賢い Gemini 1.5 Pro $1.25 $5.00 30,000円 うーん Claude 3.5 Haiku $1.00 $5.00 30,000円 賢い Claude 3 Haiku $0.25 $1.25 7500円 うーん GPT-4o-mini $0.15 $0.60 3600円 うーん Gemini 2.0 Flash $0.15 $0.60 3600円 賢い ※ 1: 1Mトークンあたりの価格、キャッシュを考慮せず ※ 2: $1=150円換算、40文字を100万件、4000文字を1万件を想定 ※ 3: 主観によるもの。時期および出力したいものによって賢さは大きく左右される @erukiti 7
8. Gemini 2.0 Flashを賢く使う Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 8
9. プロンプトエンジニアリング 従来の手法vs現代の効果的なアプローチ 効果が限定的な手法 「あなたは最強のマーケッターです」 「ステップバイステップで考えて」 重要な現代のアプローチ i. 混乱のない明確な指示 ii. Chain of Thoughtの活用 iii. 構造化出力 Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 9
10. 1. 混乱のない明確な指示 指示やデータに矛盾があると、都合良く処理しようとしてしまう 空配列のJSONデータを与えて「このデータから論点を導き出して」という と、好き勝手ハルシネーションを生み出す 指示が不明瞭だと、答えも不明瞭になりがち 「よしなにビリティ」は、特にコスパモデルでは低くなりがち 否定形文章による指示は苦手 コスパモデルでは特にそうだが、子どもに何かを指示する気持ちでやる Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 10
11. 2. Chain of Thought 中間生成物を使って段階的な思考をさせるテクニック LLMの仕組み i. 入力したコンテキストを元に、それに続く文字を1トークン生成する ii. 1で出力したトークンをコンテキストに追加して、終了条件まで1を繰り返す 出力したトークンがコンテキストに追加されるということは？ 自分が出力した結果にも左右されるため、段階を追って思考する能力を持つ 問題を分解して、簡単な問題の組み合わせにしてあげると、より確実に答え にたどり着ける コンテキストの取りこぼしのあるモデルでも「最初と最後は見てくれる」の で、一番最近自分が出した出力結果に一番影響を受ける Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 11
12. 3. 構造化出力 knowledge: { type: SchemaType.ARRAY, items: { type: SchemaType.STRING }, description: "この文書から得られる知識・知見", }, { "knowledge": [ "Gemini 2.0 Flashを用いた技術文書分析の手法", "Embeddingによる文書のベクトル化と類似度計算", "Google Cloud PlatformにおけるAIアプリケーションの構築", ], } スキーマ定義を与えると、それに沿ったJSONの文字列を出力できる 型としてobject, string, array, number, booleanなどが指定可能 万能ではないが、出力を安定させられる 構造化出力とChain of Thoughtを組み合わせることができる Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 12
13. Tascarioでの中間生成物 ※ TascarioはAI Agent Hackathonで作った、日々大量に生じるインプットをいい感じに分析して、 人間の思考負荷を減らすプロダクト 項目 説明 claims 主張の内容、情報源、根拠、確からしさ description 要約 claimValidation claimsとdescriptionを元に主張を検証させる 整合性、要約との関連性、読者価値 noises 除去すべきノイズ Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 13
14. Tascarioでの最終成果物 項目 説明 keywords 文書の重要なキーワード knowledge 文書から得られる知識・知見 readingContexts 文章が役立つシチュエーション insights 文書から得られる洞察 summary 忙しい人向けの簡潔な解説 Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 14
15. 適用例1 （Tascarioそのものの記事） Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 15
16. 適用例1 （Tascarioの記事） ※中間生成物なし { "knowledge": [ "Tascarioは、Gemini 2.0 Flashを活用した技術文書分析ツールである", "Tascarioは、文書の取り込み、分析、検索、ノート作成機能を備えている", "Tascarioは、GCP上で動作し、Cloud Run, Firestore, Vertex AIなどのサービスを利用している", ] } ※中間生成物あり { "knowledge": [ "Gemini 2.0 Flashを用いた技術文書分析の手法", "Embeddingによる文書のベクトル化と類似度計算", "Google Cloud PlatformにおけるAIアプリケーションの構築", ] } → 中間生成物により、作ったプロダクトそのものの説明から、読者にとって本当に知りたい的を射た情報に 進化 Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 16
17. 適用例2(極めてノイズの多い記事の場合) Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 17
18. 適用例2(極めてノイズの多い記事の場合) { "knowledge": [ "「ジト目」は、キャラクターの表情の一種である", "pixivは、イラストや小説などの創作物を共有するプラットフォームである", "機動戦士Gundam GQuuuuuuXは、ガンダムシリーズの一作品である", ] } ※ LLMは、コンテキストに重要な情報が含まれてても、適切な指示を与えないと一般論を述べる悪癖がある { "knowledge": [ "ジト目マチュは、『機動戦士Gundam GQuuuuuuX』の主人公の萌え要素である", "ジト目マチュは、pixivでイラストや小説が投稿されている", "ジト目マチュは、専用タグが作られるほど特徴的なキャラクターである" ] } → 中間分析により、ノイズの多い記事から本質的な情報を抽出できている Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 18
19. まとめ Gemini 2.0 Flashは、コストパフォーマンスが良いだけではなく、適切なプロンプ トエンジニアリングにより高度なタスクをこなせる 効果的なLLMの活用にはプロンプトエンジニアリングが重要 混乱のない明確な指示を出す Chain of Thoughtによる段階的な思考プロセス 構造化出力による安定性の向上 適用例が示すように、構造化出力によるChain of Thoughtを活用することで 少し難のあるモデルでも指示に従うようになる ノイズの多いデータからも本質的な情報を抽出できる gemini-2.0-flashが賢くてコスパがよすぎる件 Gemini 2.0 Flashで実現する高コスパAI開発 〜実践的プロンプトエンジニアリングと文書管理システムの実装例〜 @erukiti 19