ai-docs

Guides to common use cases

Properties1
tagsuse-cases, prompting, classification, reference

原典: Guides to common use cases ／ 日本語版

一行要約

5つの本番向けユースケースガイドへの索引で、うち3本（ticket routing・content moderation・legal summarization）は「大量・定型」の用途を組むときの出発点になる。以前の取得では作る経路（Messages API / Agent SDK / Managed Agents）の選び方も載った。

要点

ガイド内容
Ticket routingカスタマーサポートのチケットを大規模に分類・ルーティングするベストプラクティス
Customer support agent文脈を理解するチャットボットの構築
Content moderationコンテンツフィルタリングと一般的なモデレーションの技法
Legal summarization法務文書の要約と要点抽出
Commerce agent買い物・販売者向けのエージェントを、Messages API・Claude Agent SDK・Claude Managed Agents で動くオープンソースの設計図から作る（以前の取得で追加）

ticket routing・content moderation・legal summarization に共通する構造は「大量の入力を、定義された少数のカテゴリか要約に落とす」こと。したがって develop-tests の exact match / LLM-based classification の eval 手法がそのまま当てはまる。

作る経路の選び方

3つの経路は、どれだけ制御を手元に残し、どれだけ実装を Anthropic に任せるかが違う。

経路手元に残るもの任せるもの
Messages API制御が最も多く残る。エージェントのループを自分で書き、ツールとインフラも自分で動かす（原典は書いていない）
Claude Agent SDK自分が運用するプロセスエージェントのループとツール実行（SDK が提供する）
Claude Managed Agents（原典は書いていない）任せる範囲が最も広い。エージェントのループ・ツール実行・実行環境を Anthropic がホストする

そのまま使える具体例

自分のユースケースがこの類型に当てはまるかの判定:

  • 入力が大量で、出力が定型（カテゴリ、ルーティング先、構造化要約）か
    • use case guides の型が使える。eval は exact match が第一候補
  • 主観的な判断（トーン、適切さ）が入るか
    • LLM-based Likert / binary classification（develop-tests 参照）
  • 与えた文書だけに基づく必要があるか
    • reduce-hallucinations の引用先行パターン

原典で言及されている関連文書

  • なし（原典がリンクする先は、すべて下の「未取得の派生リンク」にある）

関連する sources（原典からのリンクではない。この知識ベースでの併読先）

バックリンク