AIワークベンチ / 開発者向け
AI・LLMツール。
言語モデルで開発する人と、そのモデルに読まれるサイトを運営する人のために。プロンプトとツールスキーマを整え、モデルが返したJSONを修復し、検索用に文書がどう分割されるかを確かめ、どのAIクローラーにページを読ませるかを決められます。最後のグループはブラウザ内で小さなモデルを動かすので、写真やスキャンが端末の外に出ることはありません。
今すぐ使える
LLMで開発する
プロンプト、ツール呼び出しのスキーマ、モデルが返す構造化出力。
システムプロンプトビルダー
XMLセクションでLLMのシステムプロンプトを構造化し、整形済みのOpenAI/Claudeツール呼び出しJSONスキーマを作成します。
JSON修復
サーバー往復なしで、LLMが生成した途中切れ・不正形式・シングルクォート・エスケープ漏れのJSONを自動修復。ブラウザのRAM内で安全に動作します。
JSオブジェクト→JSON
引用符なしのJSオブジェクトリテラル、シングルクォート、末尾のカンマを厳密なJSONデータに変換します。
JSON Schemaジェネレーター
サンプルJSONペイロードから構造を推論し、JSON Schema定義を自動生成します。
JSON Schema
ブラウザ上でJSONデータをJSON Schema定義に対してローカル検証し、エラーパスをわかりやすく表示します。
RAGテキストチャンク分割
ブラウザ上で、RAGのベクターインデックス向けにテキストの分割戦略、トークン/文字のチャンクサイズ、オーバーラップを可視化できる無料ツールです。
サイトをAIに読めるようにする
AIクローラーが取得してよいもの、そして取得したときに見つけるもの。
端末の中で動くAI
ブラウザのタブ内で動くモデルなので、ファイルがアップロードされることはありません。
処理できる出力を得る
LLM機能の失敗の多くは、間違った答えではなく使えない答えです。文章に埋もれた返答、末尾の余分なカンマ、シングルクォートのキー、トークン上限で途中で切れたオブジェクトなど。欲しい形はJSON Schemaで記述しましょう。JSONからJSON Schemaを生成するツールなら例から作成できます。それを、文章でJSONを頼む代わりに、モデルの構造化出力やツール呼び出しの機能に渡します。
それでも壊れた返答が届いたら、LLM用JSON修復ツールが機械的な誤りを直し、JSオブジェクトからJSONへの変換ツールがJavaScript風のリテラルを扱い、JSON Schemaバリデーターがコードで使う前に結果が合っているかを確認します。システムプロンプトビルダーは、その周りの指示とツール定義を一貫した形式に保ちます。
検索のためのチャンク分割
検索システムは見つけたチャンクから答えるので、分割の仕方がモデルに見えるものを決めます。小さすぎるチャンクは意味を与える文を失い、大きすぎるチャンクは関係のない行の中に重要な行を埋もれさせ、埋め込みや送信のコストも増えます。オーバーラップは境界をまたぐ文を両側から見つけられるようにしますが、その分二重に保存することになります。
RAG用テキストチャンカーは、指定したサイズとオーバーラップで文書がどこで分かれるかを正確に表示します。悪い回答から原因となった分割までさかのぼってデバッグするより早く済みます。
AIクローラーに何を読ませるか決める
学習用クローラー、AI検索用クローラー、ユーザーの依頼による取得は、それぞれ異なるUser-agentトークンを使います。そのため、学習は拒否しつつAIの回答には表示され続けることができます。AIクローラーチェッカーはサイトのrobots.txtをそのうち10種類に照らして読み、それぞれを説明します。robots.txtチェッカーはファイル全体を表示します。
読んでほしいページについては、llms.txtファイルがモデルを最も役立つ文書へ案内し、構造化データがページの内容をはっきり伝えます。どちらも保証ではありませんが、コストはわずかです。
ブラウザ内にとどまるモデル
OCRと写真のツールは、モデルをページの中で実行します。初回の利用時にモデル（数メガバイト）をダウンロードし、その後の処理はあなた自身のプロセッサで行われます。スキャンした契約書、パスポート写真、スクリーンショットは、どこにもアップロードされずに読み取られ処理されます。
その代わり、古い端末では速度が落ち、小さなモデルならではの限界もあります。画像からテキストとスキャンPDFからテキストは印刷された文字は得意ですが手書きは苦手です。パスポート写真メーカーは顔と背景を自動で見つけますが、結果が自国の規定に合っているかは確認してください。