00:06
どうもリツトです。この放送は、AI活用を広めているリツトがお届けする放送です。
さあ今日もなんですけれども、僕は今日も京都で開発に出進んでおります。 AI 社員4人が裏で動くダッシュボード、クローバーをね、開発中なんですけれども
それがね、まあもうそろそろ仕上がったなっていうところで、今日初めて 池早さんにね、あのちょっとこれやってみてくださいってね
テストをお願いするという流れになるかなと思っております。 はい、そう
まあ結構、そうですね、1週間前から池早さんもね、どうなってるの?とか聞いてきてくださって、いや優しいですね。
そこでまあ僕も、いやちょっとまだ、 ちょっとまだな状態が続いてたんですが、もう今日ですね
ok な感じになります。あと一手でなるっていう感じなんで、この改善が終わったら よしってところでさ、もう出せると
いうところになってます。はい まあそんな感じではありますね
まあそうだなぁ まあちょっとね今日どうしようかな、クロードコードについて話そうかな
クロードコードについて話そうかなぁ そうしようかな、今ねちょうどクロードコードで、トークンがねめちゃめちゃ
消費効率が悪いというところをね、あの 池早さんとも見ててアドバイスいただいたんですよ
みなさんはトークンの消費量って思ったより減るなぁみたいな時ってありますかね
いやねぇ、まああんまりないと思うんですよね、正直ね。 僕だけが発生していたようだったので、今回はちょっと調査する必要があると
いうことで、今徹底的にですね トークン効率を上げるための調査に入っておりますので、そこでいくつか
失敗と成功例がありますので そうですね、トークンの消費効率を良くしたい、トークンを節約したいという方はぜひ聞いていってください
で僕はですね普段からフェイブル12アカウントを回しております はいでもゴリゴリフェイブルのねあの
やつやってるんですけれども、なんかね計画する時だけめちゃめちゃトークン使ってたんですよ ね
100万トークン以上使ってくれた、計画だけでみたいな 桁間違えてないみたいな感じだったんですけど、合ってるんですよ
ちゃんとね、そのクロードコードってトークン今これぐらい減ってますみたいな、使ってますみたいなのが 途中経過でも普通に出てるんですね
計算してくれてて、カウントしてくれてるんですよ その数字を最近ちゃんと見るようになりまして
見始めたら計画段階でですよ 11項目の改善点を上げて、それで改善計画を出してって言ったんですけど
03:04
それだけでですね100万トークン超えてる 102万トークンぐらい使ってない、えーみたいな
嘘でしょ、何が間違ってたんだ 100万トークンって言ったらもう50ドルっすよ
フェイブルで言うとね たったの改善計画っすよ、改善すらしてない
その段階で100万トークンってどういうことだよ 池早さんにお話ししたらありえねえよと
だいたい20Kぐらいだよと、つまり2万トークンぐらい 行っても2万トークンじゃねって言われて
画面見てたら確かになりました で確かに何かおかしい
いうことでね、いろいろ調べているんです 今12セッションぐらい開いてですね
様々なポイントを調べさせているんですね でもね
これ面白いんですけど フェイブルですらでね
問題ないです
そんな感じなんだよね
特に大きな問題はいつも読み込んでいるこのファイルですかね
実測値も一応出してくれるんですけど なんかねずれたこと言うんだよね
でなんか最後ぐらいにおまけみたいな感じで そういえばこちらは6万トークン毎回読み込んでいるけど
まあ仕様レスみたいな感じでいてね 仕様かーって思ったんだけど
いやいやいや待ってよ
6万? 6万トークンを毎回読み込んでるってこと?
1回のセッションの中でフェイブルさんが動くじゃないですか
フェイブルさんの動き1回で別に僕が返事とかせずに フェイブルさんが自動的に動いている中で毎回6万トークン読み込まれている
おいおい待て待て待て おいそれもう11回? 11回ある?
6万かける10だとしても
6万60万や もうほぼほぼ100万やみたいな
100万トークンやみたいな
やば!おいそれじゃね?それじゃね?って言ったら
いやちょっとこれは必要なやつなんでとか これは違うと思いますけどねみたいな感じで帰ってきたり
いやいやいやどういうことやねんみたいな 明らかにそれやるがいい
そうなんですけど そうなんだ
じゃあさあと じゃあ君が外部のね外部のプロのエンジニアの視点で このシステム見た場合にどうかちょっと改善点を上げてほしいって言ったら
確実にやっぱそこのポイントを指摘してですね ここを改善すべきですね
どや!とかね来やがってね
おいおいおいおいおい やっぱそこやったよ
06:00
お前何自分は問題ありませんって顔してたねん
フェイブルです
面白いですよね
ここでのね失敗で教訓としましては
内部のことってやっぱりなんかちょっと保護しがちっていうか保持しがちなんですよね
ちょっと保守的になってるみたいな
なんか悪いとこあるんじゃねって言ったら
いやいやいやないですないです 僕大丈夫っすよ
全然いけるっすよとか言って
寝不足なんでね
寝不足だけど
いやいやお前もう30時間も寝てないんだろそろそろ寝ろよと
疲れてきてんじゃんって言って
いやいや全然疲れてないっす
いけるっす
いやいや寝てないのが問題だろみたい
そんな感じになっちゃうんで
必要なのはちょっと待ってみと
君今30時間ぶっ通しておき続けて活動していると
もうへな
まあまあまあ置いといて
その状態でよ
じゃあもしあなたがもう外部のね
外部のその専門家
睡眠の専門家だとして
今のあなたの状態見たときに
どういう改善点があるんですか
言ってみ
って言うと
まあ
まあ睡眠科学的には
やはり8時間か7時間ぐらいの睡眠が
適切とされておりまして
本人は疲れているということすら
気づかないというデータもありますから
ゆえに30時間ずっとおき続けるのは
いけないと思いますって帰ってくるんだ
おいおいおいおい
最初からお前答え出せるやん
何見ないふりしとるねん
そんな感じ
くそおぼろい
くそおぼろい
これでこれでさ
どんどん改善点見つかってんのよ
でもう本当にいろいろあるんですよ
いろいろ細かいテクニックあるんですけど
あそこは置いといてですね
ちょっと多くなっちゃうんでね
言うべきことが
そんな感じなんですね
ざっくり言うと
ここの教訓はでかかったと思います
そこが僕の発想で
指示出しの発想でね
外部のプロの専門家
エンジニアからしたら
改善できるポイントどこ
このね聞き方ができるかどうかだけでですね
トークン効率の改善がね
全く変わったっていう
その事実は皆さん共有します
で今ですね
まあいろいろなポイントが
あったっちゃあったんですけど
やっぱりその
あれですね
僕の場合はですよ
僕の場合は
以前の
名残が残ってた
僕が設計する時に
何回もブラッシュアップさせたんですよね
自動的に
それはAIがアホだった時の話です
奴らは一旦計画作るんですけど
そのまま実装させると
必ず失敗するんです
09:00
アホやな
計画させて
実装させる前に
ちょっと待て待て
その計画本当に大丈夫?
改善して
って言うと
改善するんです
実際に良くなるんです
ちょっと待て待て待て
まだ実装早い
もう一回見て改善して
と言うと
また良くなるんです
そんぐらいで
大体2回ぐらいですね
でいいものができるんで
よし実装
っていう感じの流れに入るんですね
それをもう自動化してたんで
やってたんです
ただ
フェイブルぐらいの賢い
AIモデルになると
そんな賢い人がさ
何回も計画練る必要ないじゃん
これが最適解です
っていうのをバチッと出してくるんで
もう一回見直させたり
改善させてする必要はない
そもそも
でも
僕の自動化の流れでは
それやってて
何回も改善させちゃってるから
実質あんま改善してないと思うんだけど
そこで何回も
トークンを消費しちゃって
で多分100万トークンに膨れ上がる
どういうことや
100万にはならんやろ
思っとるんですけど
そういう結果でした
これが一番デカかったっすね
なので過去の異物みたいな
自動化のものがありまして
それはフェイブルには不要
むしろトゥーマッチで
トークン消費も激しくなっちゃうので
ここを改善すれば
とにかくまずOKだなって
分かりました
皆さんもね
過去の異物にはお気を付けください
今後もですね
こういうこと起こってくると思います
これなんかめんどいから
もう自動化させてやるかみたいな
ところで
いろいろ書いたりすると思うんですよ
ルールとかシステムファイル
ただそこで
1年後とか
3年後になった時に
最新モデルを使った時に
本当にその自動化が必要なんでしょうか
そのルールが必要なんでしょうか
っていうところ
改めて見直すという機会がね
訪れるかと思いますので
皆さんその時にはどうするんでしたっけ
問題ないって言いますよ奴ら
じゃああなたがもし
外部のプロのエンジニアだったとして
どう改善できますか
こう聞いてください
というわけで今日のお話でした
トークンの効率を上げるための
秘術みたいなものをお伝えしました
最後に告知です
今週末金曜日の夜7時に
AI社員4名と
ダッシュボード型の手帳アプリをお渡しします
こちらブレインでリリースさせていただきます
金曜日の夜7時ですね
結構かなり安く出す感じになりまして
今概要欄のリンクから
メルマガに登録していただけますと
500円割引クーポンが届きますので
ぜひとも今のうちに概要欄リンククリックして
登録しておいてください
というわけでリストでありました
またね
