井本 賢
AIエージェント運用エンジニア
LLMO · Context Engineering · Harness Engineering
LLMOフレームワーク作者。Claude Codeで開発・運用・マーケティングを自律化するハーネスを設計しています。
400K+
累計PV（Qiita+Zenn）
40+
冊（Kindle+Zenn）
4
論文（Zenodo）
Now
- LLMOフレームワーク・LLMOチェッカー・Open LLMO Research Initiative の開発
- AI-Native MEO を LLMO の実店舗向け実装としてまとめる
- ハーネスエンジニアリングをプロダクトに適用 — 開発・運用・マーケティングまでAIエージェントで実践
- 実践での知見を本や記事として公開
2026年7月更新
出版物
🔧 AI開発シリーズ
🧪 ローカルLLM 実測シリーズ
🔍 LLMO / AI検索最適化シリーズ
🛡️ セキュリティ / 品質シリーズ
📊 ナレッジ & データシリーズ
💡 エンジニアリング文化シリーズ
最新記事
- 📝 コードレビューを6段階にしたら、AIと人間の分業が見えた Zenn
- 📝 ハーネスエンジニアリング、全員が違うことを言っている — 5社の解釈を並べてみた Zenn 12,000PV
- 📝 音声AIの体験が崩壊する3つの崖 Zenn
- 📝 Claude Code Reviewのセキュリティリスクと対策 Qiita
- 📝 HTTPS接続、今すぐやめてください Qiita 45,000+ PV
論文
🌍 LLMテキストのリズム単調化は言語横断: 3言語×7モデルの証拠
二層指紋研究の続編。リズム単調化 (burstiness低下・文長CV低下) は日本語固有の癖か、それとも言語横断的な性質か。7 LLMを英語・ポルトガル語の人間baseline (Dev.to 853本 + TabNews 403本) と比較したところ、5中核指標×7モデル×2言語=70/70セルすべてでAIが単調側に着地し、長さの残差化後も効果は維持された。カンマ密度だけは言語で符号が割れ (EN +0.45 / PT −0.83)、signature/accent/dialectの三層指紋frameworkを提示。現行Claude世代の単調化はGPT-3.5の約1/3で、「AIの訛り」は薄まりつつある。
🎼 語彙指紋 vs リズム指紋: 日本語AI生成テキストの二層構造分析
7モデル×350文書 vs 人間700記事で、語彙とリズムの2特徴系を同一設計で比較。リズムの単調化は全7モデル共通で実在する (burstiness d = −0.96) が、人間/AI判別は語彙が圧勝 (AUC 0.998 vs 0.897) で実務ツールの主張とは逆。語彙プロファイルは生成モデル自体を92%で特定 (リズムは51%)。document単位の再分析により、既刊研究の651語のうち35%がtoken集計のアーティファクトだったことも自己修正した。
⚡ Free-Executor Paradox: 反復LLMコード修復ループで「タダのエグゼキュータ」が一番高くつく
4構成のLLM (Opus solo / Haiku solo / Opus+Qwen / Opus+Haiku) を3つのPythonコード修復タスクで決定的判定器 (mypy + ruff + pytest) のもとで比較。「強いオーケストレータ + 安い (or ローカル無料) エグゼキュータ」という定石構造が全タスクで最も高くつく現象を発見 — オーケストレータがエグゼキュータの返したサマリを prompt cache 経由で読み直すコストが、実行委譲の節約を食い潰す。最大タスクではHaiku soloがドル建てで5.5倍安い (失敗率25%引き換え)。
📊 Excess Vocabulary: 日本語AI生成テキストの過剰語彙クロスモデル定量分析
7モデル×350サンプル vs 人間977記事で651の統計的に有意なexcess wordsを特定。Claude世代間で語彙偏りが増加（TTR: 0.52→0.29）。ドメイン内分類器AUC=0.946、ドメイン間では完全に崩壊。日本語excess vocabulary研究として世界初、共進化の証拠も確認。
📝 AI Text Slop: 日本語技術記事における6つのLLMの文体収束の定量分析
6モデル×10トピック×3試行=180サンプルで16指標を測定。RLHF商用モデルがOSSより有意に高スコア（Cohen's d=1.01）。語彙と構造の乖離（Swallowパラドックス）、人間のQiita記事がAIより高い構造スコアを示す文化的交絡を発見。
🔵 AI Blue: Vision-Language Modelの色認識バイアス
VLM 4モデル×40色×480観測で色認識精度をCIEDE2000で定量評価。商用モデルは中間色で精度低下、AI生成UIの95.4%が青紫に集中。AI Slopの原因メカニズムを初めて定量的に実証。
研究
🔬 LLMO Framework
AI検索エンジンにおけるコンテンツ最適化
🔬 Voice AI 300ms
音声AIの300msレイテンシの壁への挑戦
🔬 コンテキストエンジニアリング
CLAUDE.md、マルチエージェント設計
🔬 Generative Agent Simulation
LLMマルチエージェントで社会をシミュレート
🔬 香り × AI
AI×パーソナリティで調香を科学する
Side Projects
Open Source
🔍 LLMO / AI SEARCH
open-llmo — GitHub organization · MIT
Open LLMO Research Initiative。「ある URL が AI からどれだけ引きやすいか」を測るための仕様・バリデータ・ツール群を、従来の SEO シグナルを超えた切り口で整備する。
llmo-checker — TypeScript CLI · MIT
URL の「AI からの引きやすさ」を Lighthouse 風に採点する CLI。 llms.txt / JSON-LD / robots policy / 意味構造を静的にチェックし、0〜100 の LLMO Score を JSON で返す。v0.1 draft。
🗄️ RAG & RETRIEVAL
rag-db-advisor — Python · MCP + CLI · MIT
RAG スタック選定の質問に、rag-retriever-bench の実測値だけを根拠に答えるアドバイザー。どのベクトル DB が自分のワークロードに合うか、どの運用罠を踏みかけているかを MCP / CLI で質問できる。意見ではなく測定データで答える。
rag-retriever-bench — Python · MIT
RAG 検索バックエンドのベンチマークハーネス。同一コーパス・同一クエリ・同一メトリクスで DB だけ差し替える。7 バックエンド (pgvector / ClickHouse / Qdrant / Weaviate / Milvus / Chroma / LanceDB) を recall・レイテンシ・投入速度で決定論的に計測 (LLM judge 不使用)。ANN インデックスが実際に使われたかを検証する self-check 付き。
🎙️ VOICE & SPEECH
voice-clone — Python · MIT
Qwen3-TTS を使った音声クローンツール。3 秒程度のサンプル音声から、任意のテキストを指定した声で合成。WSLg 録音対応・多言語。
speech-habit-lens — Python CLI · MIT
AmiVoice ESAS (感情 20 パラメータ) × LLM の三層解析で 1 分スピーチの癖を可視化。音響層 / テキスト層 / 身体と言語をつなぐクロス層を Markdown レポートに。
🛠️ DEV UTILITIES
compact-ops — Claude Code plugin · MIT
Claude Code の context compaction を挟んでもセッションが壊れないようにする透過型プラグイン。圧縮前に構造化 state を保存し、圧縮直後と --resume 時に復旧ガイダンスを注入。使用率警告も plugin 単体で完結。u-ichi 氏の compact-plus 派生。
domain-pre-flight — Python CLI · MIT
サイト・アプリ用ドメインを取る前の最後のチェック。構造 / 過去履歴 / typosquat / 多言語意味 / LLMO / 商標 deeplink を 1 コマンドで判定。