AI [Embedding Gemma 2]740M軽量マルチモーダル
Googleの軽量マルチモーダルモデル「Embedding Gemma 2 (740M)」を徹底解説。テキスト・画像・音声を同一ベクトル空間に写像する仕組みや、Matryoshkaによる次元削減、実運用での注意点（画像バイアスやCPU処理速度）を技術的に深掘りします。
検索
AI 
TIPS LLM Wikiとは？
LLM Wikiの定義やRAGとの違い、3層アーキテクチャ、運用サイクルを解説。Obsidianを活用して、AIにより非構造化データを構造化された知識ベースへと再構成・構築する具体的な手順と技術的知見を提供します。
ツール [DuckDB]RAGのベクタDBとして使う
DuckDBをRAGのベクタDBとして活用する方法を解説。vss拡張機能を用いたベクトル検索やHNSWインデックスの構築手順を紹介し、SQLによるメタデータ検索との強力な親和性やシングルファイルでの高速なローカル開発のメリットを解説します。
TIPS [iPhone]着信時に電話番号を背面タップで検索
iPhoneでの迷惑電話対策として、背面タップとショートカット機能を連携させて着信番号を瞬時にWeb検索する設定手順を解説。通話履歴からの手動検索や、Whoscallなどの対策アプリを活用した自動識別・ブロック方法も紹介します。
TIPS [fzf]リストを検索系便利スニペット集
DockerやGit、プロセス管理などの日常業務を爆速化するfzfコマンドスニペット集。エイリアスや.zshrc関数への登録方法から、複数選択（-m）やプレビュー表示などの使いこなしのコツまで実践的に解説します。
コマンド fzf(fuzzy finder)で快適環境
zsh環境における「fzf（fuzzy finder）」の導入方法と活用術を解説する記事です。便利なショートカットや、Docker・Git連携、fd・ripgrepと組み合わせたカスタマイズなど、ターミナル作業を爆速にする技術的知見が学べます。
ツール ベクトルDB比較
FAISS、Pinecone、Weaviateという代表的なベクトル開発ソリューションを徹底比較。プロトタイプ開発から商用RAG、複雑なメタデータ検索まで、各技術のメリット・デメリットと最適な技術選定ガイドラインを解説します。
TIPS [AWS]Bedrockのトークン削減の考え方
Amazon BedrockのKnowledge Baseを用いたSQL生成において、トークン数を削減しコストと性能を最適化する手法を解説。不要なスキーマ定義の論理的・物理的削減や、2段階RAGによる段階的検索など、実践的なアプローチを紹介します。
TIPS [AWS]BedrockのRAGとKendra
Amazon BedrockとAmazon Kendraを連携させたRAG構築のメリットと役割分担を解説。Kendraが「検索」、Bedrockが「生成」を担う仕組みや、Knowledge Bases for Bedrockとの違い、選定基準が理解できます。
AI [AWS]Bedrock RAGのプロンプトテンプレート
Amazon Bedrock RAGのプロンプトテンプレートで使える3つのプレースホルダーの特徴と使い分けを解説。シンプルな回答生成から、メタデータやスコアを活用した高度な出典付き回答の実現方法まで、RAGの品質を高める技術的知見が得られます。