【要約】【AWS勉強中】新卒1年目が「さくらのAI Engine」でAWS問題が出てくるガチャを作ってみた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
新卒エンジニアがAWSの知識を定着させる際、学習の継続性と問題の多様性に課題があった。学習を効率化するために生成AIの活用を検討したが、以下の問題に直面した。
- ・既存の教材は問題が固定されており、繰り返し学習による飽きが生じやすい。
- ・AIに問題作成を完全に任せると、特定の有名サービスに回答が偏る傾向がある。
- ・トークン単位の課金体系は、コスト管理が難しいと感じる初学者には不向きである。
// Approach
開発者はさくらのAI Engineを用い、キーワード選定と問題生成の役割を分離する設計を採用した。AIの制御性を高めるため、以下のステップで実装を行った。
- ・Pythonの
random.choicesを用い、AWSの公式範囲からキーワードと難易度を決定する。 - ・OpenAI互換APIを利用し、プロンプトによって解説と問題をJSON形式で一括生成する。
- ・
.envファイルによるAPIキー管理を行い、セキュリティ上の基本的な作法を遵守する。
// Result
このツールにより、新卒エンジニアが低コストで無限にAWSの問題を解ける環境が構築された。具体的な成果は以下の通りである。
- ・1回のリクエストで解説・問題・選択肢を生成し、リクエスト消費を最小限に抑えた。
- ・キーワードをプログラム側で制御することで、出題の偏りを解消した。
- ・月間3,000リクエストの無料枠内で、実用的な学習サイクルを実現した。
Senior Engineer Insight
> 生成AIを実用的なツールに昇華させる際、AIへの「丸投げ」を避け、ロジックを分離した点が評価できる。キーワード選定をプログラム側で行う設計は、出力の制御性と多様性を両立させる実践的なアプローチだ。ただし、本番環境への投入を考えるならば、AIの非決定的な出力（JSONパースエラー）に対するリトライ処理や、出力バリデーションの強化が不可欠である。