LLM を業務に組み込んだときに起きる「断られる」現象を、モデルの内部構造から読み解きます。モデル本体が学習で植え付けられた反応として断る場合と、本体とは別の分類器が止める場合の違い、拒否が残差ストリームの一方向として表れ有害性の判定とは別の場所にあることを示した研究、同じ依頼が言い方で通ったり断られたりする理由、追加学習で何が壊れるかを扱います。断られた原因を停止理由・方針文書・用途の明示・モデルの比較・自前の分類器の順で切り分ける手順と、記録の設計までを学びます。

Oracle が SQLcl に同梱した MCP サーバーを使い、Claude Desktop と Claude Code から Oracle Database に日本語で問い合わせられる環境を、試験用の Oracle Database Free から会社のデータベースへ向ける順で組み上げます。1 回の問い合わせが Claude・MCP・SQLcl・Oracle の 4 段をどう通り、クライアント名とモデル名つきで DBTOOLS$MCP_LOG と V$SESSION に残るかを Oracle 公式の出力で読み解き、見せる表だけが見え・更新が通らず・記録が残ることを 4 つの手順で確かめます。最小権限ユーザー、統合監査、Resource Manager、SQL Firewall で会社のデータベースに向け、米国で先に進んでいる ORDS MCP・OCI マネージド MCP・Autonomous 内蔵 MCP への 4 段の階段と、次の段に上がる条件までを扱います。

不審な通信の検知、ランサムウェア、退職者の持ち出し疑いの第一報を受けたとき、機器に残る痕跡から「何が起きたか」を再構成する調査がどう進むかを、依頼する側の目線で解説します。初動の操作と経過日数を動かすと、残る証拠と答えられなくなる問いが変わる様子を確かめられます。証拠保全のハッシュ値と保管の連鎖、タイムライン分析、報告書の読み方、監督官庁への報告期限との関係までを扱います。

評価額 155 億ドルの法律事務所向け AI が、弁護士の仕事のどこに何を差し込み、誰がいくら払い、どう顧客を獲得し、何と競合しているかを、公表値と桁の推定で具体化します。席数・利用率・確認工数を動かすと、導入側の採算が分かれる条件を確かめられます。法律の仕事の流れ、ChatGPT に書類を貼るのとの違い、市場規模と競合、事業のリスクまでを扱います。

社内規程や設計書をもとに LLM に答えさせるとき、RAG を組むか、ロングコンテキストに文書を丸ごと載せるかを決める手順を解説します。文書量・質問数・キャッシュヒット率を動かすと、3 つの方式の月額と TTFT が入れ替わる様子を確かめられます。料金・待ち時間・正答率・更新頻度の測り方、メタデータフィルタで絞ってから渡す形、citations による出典の示し方までを扱います。

いま動いている商品テーブルに列を 1 つ足すだけで、語が一致しなくても意味で似た商品を返す検索が組めます。3 つの距離演算子で上位が入れ替わる様子と、件数がどこまで全件走査で足りるかを動かして確かめられます。列の設計、更新への追従、検索 SQL、インデックスをまだ張らない判断までを扱います。

DB 設計書やテーブル定義書を取り込み、質問に該当箇所を示して答える仕組みを、Aurora PostgreSQL ＋ pgvector ＋ Bedrock で組む手順を解説します。分割の切り方で答えが 1 チャンクに収まるかが変わる様子と、ベクトル検索と全文検索の配分で順位が入れ替わる様子を動かして確かめられます。取り込みから料金・権限の運用までを扱います。

答えが「もっともらしいのに違う」「聞き方を変えると変わる」とき、原因を検索側と生成側に切り分ける手順を解説します。正答率を到達率と忠実度に分解する様子を動かして確かめ、3 つの実験で 7 段階のどこが原因かを 1 つに絞ります。分割・質問の書き換え・配分・リランク・プロンプトの打ち手と、そのための計測の仕込みまでを扱います。

自然文から社内規約どおりの SQL を書くモデルを、手元のマシンで作る手順を解説します。学習に必要なメモリの内訳と、訓練損失と検証損失から止め時を決める過程を動かして確かめられます。データ作りから mlx-lm と Unsloth での学習、評価、Ollama への配布までを扱います。

LLM への指示文を 4 つの部品に分けて書く手順を解説します。部品の有無を切り替えて出力の変化を比較し、曖昧な指示の書き換え、例の置き方、入力の区切り方、1 つずつ変えて確かめる手順までを扱います。題材は問い合わせメールの振り分けです。

近似検索は、遅くならずに間違えます。RAG の検索側を担う pgvector の HNSW を、再現率・レイテンシ・インデックスサイズの3つで詰める手順を解説します。グラフ探索の可視化で m と ef_search の効き方を体験し、実行計画の読み方、絞り込み条件との併用で起きる件数不足への対処までを扱います。

見積もり行数と実測行数のずれを手掛かりに、遅いクエリの原因を探す手順を解説します。選択率や work_mem を動かすと、スキャン方式と結合方式がどう切り替わるかも体験できます。現場でよく目にする実行計画の実例演習も収めています。

LLMが文章を1トークンずつ生成する過程を、シミュレーターを動かしながら体験できます。推論の2段階（プリフィルとデコード）、KVキャッシュ、量子化、モデル規模と必要メモリ、消費電力まで、ローカルLLMの基礎をひととおり学べます。

テーブルの箱、実務で標準的な IE 記法（カラスの足）の線、リレーション名の付け方、多対多と中間テーブルまで、図を動かしながら覚えます。試験でしか使われない記法との違いや、試験と実務で扱いが分かれる点もまとめています。