AIツール– category –

MarkdownとYAML frontmatterで知識を蓄積し、AIに参照させる。この非公式な実践に、2026年6月Google Cloudが「OKF」という名前を付けた。発表からわずか6週間でv0.2に更新された経緯と、自分たちのLLM-Wiki運用との違い・向き合い方を整理する。

AIに知識を渡す方法には、検索時にどう情報を引っ張ってくるかというRAGの技術と、そもそも知識をどうファイル化しておくかというOKFの標準という、レイヤーの異なる2つの視点がある。両者の関係と使い分け、このクラスタで書いた4本の記事への案内をまとめる。

OKFの核となる発想には乗る、と決めた後、実際に自分たちのLLM-Wiki（Obsidian Vault）にOKFバンドルのエクスポート/インポート機能を実装してみた。frontmatterのマッピング、progressive disclosureの実装内容と、まだ実運用には至っていない現在地を、レビューとして正直に書く。

チャンク分割とベクトルDBだけのRAGは、情報量が増えると検索精度が頭打ちになる。その先にあるGraphRAG（グラフ構造からの検索）とAgentic RAG（エージェントによる複数回検索）は何が違うのか、実際にリンク構造と検索回数を調整した経験をもとに整理する。

「どのサービスを使うか」「APIでどのモデルを選ぶか」「今の作業に合うツールは何か」「有料プランに入るべきか」。LLMをめぐる4つの疑問それぞれに対応する記事への入り口となるハブ記事。

ChatGPT・Claude・Geminiの有料プランを料金・機能面で比較し、「普段使っている仕事道具」「よく扱う作業の種類」「予算感」の3軸でどれに入るべきかを整理する。

文章・コーディング・画像・動画・リサーチ・資料作成。タスクの種類ごとに最適なAIツールを早見表で整理する。「1つのツールに全部任せない」が最大の教訓。

GPT系・Claude系・Gemini系・OSS系（Llama/Mistral/DeepSeek/Qwen）を、価格・コンテキスト長・ライセンスという公開情報だけで比較する。アーキテクチャの噂話を選定根拠にしないためのエンジニア向けガイド。

ChatGPT・Claude・Gemini・Copilotの基本ポジションと料金を、個人で契約先を選ぶ視点から比較する。法人導入比較記事が多い中、「自分で月20ドル前後を払うならどれか」という個人ユーザー向けの判断軸を示す。