AI学習ロードマップ：LLMからAIエージェントへ、そしてSkillsへ

多くの人はAIを学ぶ際、まずツールの利用から入ります。ChatGPT、Claude、Gemini、Cursor、Claude Code、Codex、OpenRouterなど、さまざまなツールを順番に試すのは自然な流れです。これは間違いなく有用で、少なくともAIの能力を短期間で体感できます。

しかし「使えるようになった」だけの状態で止まると、すぐに壁にぶつかります。AIが強いことは知っていても、なぜ強いかは分からない。Agentが流行っていることは知っていても、実際にどうタスクを実行するかは分からない。Skills、MCP、ワークフロー自動化があるのは見えても、それぞれの関係がつかめない。

私はAI学習を、以下のような明確なステップに分けるほうがよいと考えます。

LLMを理解する → モデル呼び出しを学ぶ → Agentを学ぶ → ツール呼び出しを習得する → ワークフローを構築する → Skillsとして定着させる。

このルートの核心は、流行を追うことではなく、能力を層ごとに積み上げることです。自分で巨大モデルを訓練する必要はありませんし、最初から複雑なフレームワークを自作する必要もありません。少なくとも、各層がどの問題を解くのかを理解することが重要です。

この記事は、一般の学習者向けに、LLM基礎からモデル活用、AIエージェント、そしてSkillsと再利用可能なワークフローへ進む実践的な道筋を整理したものです。

一、まず主要な概念を整理する

本格的に学び始める前に、混同しやすい概念をはっきりさせます。

1. LLMは基盤能力

LLMはLarge Language Model、つまり大規模言語モデルです。ChatGPT、Claude、Gemini、Qwen、DeepSeekといった製品は、根本的にはこの大規模言語モデル能力の上に成り立っています。

LLMを学ぶというのは、いきなり兆パラメータのモデルを訓練することではありません。少なくとも次の点は理解することです。

• テキストがなぜトークンに分割されるのか
• Transformerとattentionが大まかにどんな問題を解いているか
• モデルがなぜ文章生成、要約、翻訳、コード生成を行えるのか
• コンテキストウィンドウがなぜモデルの記憶を制限するのか
• 事前学習、ファインチューニング、RAG、推論（inference）がそれぞれ何を意味するか
• 幻覚（ハルシネーション）がなぜ起きるか、なぜ検索エンジンの代わりにはならないか

数学の全てを最初から理解する必要はありませんが、まずは基本地図を作ることが大事です。そうしないと、後でAgent、ツール呼び出し、コンテキスト管理を学ぶときに、用語は覚えていても本質が見えなくなります。

2. モデル活用はLLMを実タスクに接続すること

LLMを理解した後、いきなり複雑なAgent研究に入るのではなく、まずモデルをどう呼び出すかを学ぶべきです。

基礎的なモデル活用には次が含まれます。

• API呼び出し
• system promptの設定
• temperature、max tokensなどのパラメータ制御
• 入出力処理
• テキスト分類、要約、翻訳、情報抽出
• tokenizerでトークン数を見積もる
• OSSのモデルライブラリでモデルを読み込み、推論を実行する

一見シンプルに見えますが、とても重要です。多くのAgentで起きる問題は、Agent自体の高度さではなく、基本的な入出力、コンテキスト、フォーマット制約の未整備に起因することが多いです。

3. Agentは目標とツールを持つ実行システム

一般的なチャットボットは主に質問に答えることに重点がありますが、AI Agentは「目標に基づいてタスクを実行する」ことを重視します。

最もシンプルなAgentループは通常、次の流れです。

1. ユーザーのタスクを受け取る 2. 目標を理解する 3. ツールを選択する 4. 行動を実行する 5. 結果を観測する 6. 結果に基づいて継続判断する 7. 完了するか、継続不能と判断するまで繰り返す

Tool Calling、関数呼び出し、ReAct、計画、メモリ、コンテキスト圧縮、マルチエージェント協働などは、このループを前提に展開されます。

Agentをこう捉えると理解しやすいです。LLMは「話す」だけではなく、「ファイルを見る」「ツールを呼ぶ」「コマンドを実行する」「コードを修正する」「結果を生成する」へと進化する、ということです。

4. Skillsは経験を再利用可能な能力に落とし込むもの

Skillsは、AI向けの特定の説明・スクリプト・テンプレート・リソースの集合と考えるとよいです。

たとえば、Tool Callingが「モデルが1つのツールをどう呼ぶか」を解決するのに対し、Agentは「モデルが目標に沿って継続的に行動する」ことを解決します。そしてSkillsは「同系のタスクに対して、AIが長期にわたり安定したプロセスを再利用する」ことを解決します。

例えば：

• 履歴書作成にはresume skill
• PPT作成にはslides skill
• Excel処理にはspreadsheet skill
• MDX記事の磨き込みにはcontent editing skill
• Web資料の整理にはresearch skill
• 命理ケースの分析や構造化レポート作成には独自の専門skill

良いSkillは必ずしも複雑である必要はありません。むしろ十分に具体的であることが重要です。あらゆることを入れた万能説明にしないでください。明確な一連のタスクをしっかり解決するものが本質です。

二、第一段階：LLM基礎を学ぶ

第一段階の目標は、モデル訓練の専門家になることではなく、大規模言語モデルの基礎認知をつくることです。

最低限、次を理解しておくべきです。モデルはデータベースではない、答えは検索結果のコピーではない。コンテキストウィンドウは長期記憶ではない。トークンは普通の文字列ではない。出力は自然な真実ではなく、確率に基づくテキスト生成である。

1. 推奨資料：Happy-LLM

Happy-LLMはDatawhaleが公開している体系的なLLM学習教材で、中国語読者に適した入門向け内容です。NLPの基礎から始まり、段階的にLLM構造、学習過程、主要フレームワーク、応用領域を説明します。

利点は、資料が中国語で一貫しており、導線が比較的分かりやすいことです。初学者がいきなり論文や英語ドキュメントに放り込まれないため、学習の負担が小さくなります。

重点的に学ぶべきポイント：

• NLPとTransformerの基礎
• LLMのアーキテクチャと学習プロセス
• tokenizer、embedding、attentionなどの中核概念
• ファインチューニング、RAG、Agentなど応用分野
• 理論理解からコード実践への移行

初心者なら最初から全てを完走する必要はありません。まず全体フレームを作ることに集中しましょう。1周目で60%理解できれば十分で、実プロジェクトで必要に応じて戻って再確認すればよいです。

2. 推奨資料：minGPT

minGPTはAndrej Karpathyによる極小版GPT実装プロジェクトです。エンジニアリング性能を追うものではなく、学習者がGPTの核心構造を理解するために作られています。

大規模フレームワークと比べ、minGPTのコードは短く、シンプルで、Transformer、attention、学習ループ、テキスト生成の基本処理を理解するのに向いています。

重点的に学ぶべきポイント：

• GPTの最小実装
• Transformerブロックのコード構成
• トークン入力が次トークンの確率分布になる流れ
• 学習ループと推論生成の流れ
• モデルは「魔法」ではなく、分解可能な計算構造であること

PythonとPyTorchをある程度学んでいるなら、minGPTは非常に有用です。訓練を完全再現しなくても、GPTの核心コードがどうなっているかを知るだけで価値があります。

3. この段階の実習タスク

資料を読むだけに終わらせず、次のような小さな練習をしてください。

• 自分の言葉でtokenの意味を説明する
• Transformerの簡易フロー図を1枚描く
• 最小限のテキスト生成デモを通す
• temperatureを1回変更して、出力の変化を観察する
• 同じ問いを短いコンテキストと長いコンテキストで比較する
• ノートをまとめる：なぜLLMはハルシネーションを起こすのか

AI学習で最も危険なのは「概念だけ読む」「手を動かさない」ことです。たとえ小さなデモ一つでも、チュートリアルを10個保存するより有効です。

三、第二段階：モデル活用とエンジニアリング呼び出しを学ぶ

LLMの基礎ができたら、次はモデルを実際のタスクに接続することを学びます。

ここで重要なのは「モデルを訓練する」ことではなく、「モデルを使う」ことです。大半の一般開発者、コンテンツ制作者、個人サイト運営者にとって実際に価値があるのは、モデル呼び出し、出力制約、ツール接続、ファイル処理、業務フローの実装です。

1. 推奨資料：Hugging Face Transformers

Hugging Face Transformersは非常に一般的なOSSモデルライブラリで、テキスト生成、分類、QA、翻訳、音声、画像など、幅広いモデルを扱えます。モデル読み込み、tokenizer利用、pipeline呼び出し、OSSモデルを自分のプロジェクトへ組み込む方法を学ぶのに適しています。

重点的に学ぶべきポイント：

• tokenizerとモデルのロード
• pipelineでの高速推論
• ローカルモデルの実行
• モデルの入出力形式
• ファインチューニングとデプロイの基礎概念

Hugging Face公式ドキュメントでは、pipelineは初学者がテキスト分類、QA、要約などを素早く実行できるため、推奨されるシンプルな推論インターフェースです。tokenizerのドキュメントも重要で、コンテキスト長、コスト試算、切り詰め問題の多くは本質的にトークン処理に起因します。

2. 先にAPIを学び、次にAgentへ進む

いきなり汎用Agentを作ろうとする人が多い一方で、最低限のAPI呼び出し、メッセージ形式、構造化出力が曖昧なまま進むケースが多いです。そうすると、実際には「見栄えはするが脆い」ものになりやすいです。

この段階で最低限押さえるべきことは：

• 1件のモデルリクエストを送る方法
• system / user / assistantメッセージを設定する方法
• モデルにJSONを出力させる方法
• 形式逸脱した出力を扱う方法
• トークンコストを計算する方法
• 対話履歴を保存する方法
• 長文タスクで分割・要約・統合する方法

これらは基本ですが、非常に重要です。Agentの本質は神秘的なものではなく、依然として単発のモデル呼び出しの積み重ねで成り立っています。

3. この段階の実習タスク

実用的な小プロジェクトをいくつか作ってみてください。

• 記事要約器
• Markdown見出し生成器
• Webコンテンツ構造化抽出器
• JD（求人要件）を履歴書改善提案に変換するツール
• 長文を分割・要約・再統合するスクリプト
• 呼び出しごとのtoken消費を記録する簡易コスト集計器

派手さはありませんが実践的です。これらを終えたあとにAgentを学ぶと、なぜコンテキスト、状態、ツール、構造化出力が重要なのかがずっと明確になります。

四、第三段階：AIエージェントを学ぶ

モデル呼び出しができるようになったら、次はAgentフェーズです。

Agentの難所は「モデルをもっと賢く話させる」ことではなく、モデルに「タスクを安定して完了させる」ことです。いつツールを呼ぶか、いつファイルを読むか、いつ続けるか、いつ止めるか、いつユーザー確認するか、いつ失敗を認めるかを判断できることです。

1. 推奨資料：Hello-Agents

本サイトにも関連する導入記事があります。 《Hello Agents：從零構建 AI Agent》 実践的観点から補足説明を加えた内容です。

Hello-AgentsはDatawhaleのオープンソース教材で、ゼロからAIエージェントを理解・構築することを目的としています。既製のプラットフォーム利用だけでなく、Agentの核心原理、アーキテクチャ、実装を重視しているのが特徴です。

重点的に学ぶべきポイント：

• Agentの基本概念
• ツール呼び出しとタスク実行
• ReActの思考・行動ループ
• メモリとコンテキスト管理
• マルチエージェント協働
• デモから実用システムへ展開する道筋

本当にAgentを理解したいなら、ノードをドラッグするだけの学習より、こうした教材の方が価値があります。

2. 推奨資料：OpenAI Agents SDK

OpenAI Agents SDKは、Agent開発向けのフレームワークです。より工学的な形でAgent、ツール、handoff、guardrails、tracing、構造化出力を設計する方法を学ぶのに向いています。

特に重要な概念は次のとおりです。

• handoffs：あるAgentがタスクをより専門的な別Agentへ引き継ぐ
• guardrails：入力・出力・ツール呼び出しに安全性や形式制約を設ける
• tracing：モデル呼び出し、ツール呼び出し、handoff、その他実行イベントを記録し、デバッグと観測を容易にする
• structured output：モデル出力を安定したデータ構造化に近づける

この種のフレームワークの価値は、単にコード行数を減らすことではなく、Agentの実行をデバッグしやすく、保守しやすく、拡張しやすくする点にあります。

3. 推奨資料：LangGraph

LangGraphはLangChainエコシステムのAgentオーケストレーションフレームワークで、状態を持ち、反復可能で、分岐可能な複雑なAgentワークフローに向いています。Agentの実行をグラフ構造として抽象化し、複数ステップのタスク、長期状態、ヒューマンインタラクション、複雑自動化プロセスに対応します。

重点的に学ぶべきポイント：

• graph-based workflow
• 状態管理
• nodeとedge
• ループ、条件分岐、再開復元
• マルチエージェント協働フロー

シンプルなAgentが1つのループなら、LangGraphは複雑なタスクを「検索→読取→分析→執筆→チェック→修正→出力」といった複数ノードに分解しやすい構造です。各ノードが1つの役割を担い、状態はノード間で受け渡されます。

4. Agent学習でよくつまずくポイント

Agentを学ぶ際に起こりやすい失敗は次の通りです。

• はじめから万能Agentを作ろうとする
• ツール呼び出し結果を記録しない
• エラーハンドリングをしない
• ツール権限を制限しない
• 停止条件を設計しない
• コンテキスト長を管理しない
• 計画・実行・検査を分けない
• ログとtracingを作らない
• 長いプロンプトを並べるだけで、構造化フローを作らない

実用的なAgentは「何でもできる」より、「明確なタスク範囲で安定して成果を出す」ことの方がはるかに重要です。

5. この段階の実習タスク

小さなAgentから始めることを推奨します。

• ファイル整理Agent：ファイル名を読み、ルールに従って分類する
• Web要約Agent：資料を検索し、要点を整理して要約を生成する
• コードチェックAgent：1つのファイルを読み、明らかな問題を見つける
• 履歴書改善Agent：JDと履歴書を読み、修正提案を出す
• 記事編集Agent：決まったルールでMDX記事をリライトする
• 資料調査Agent：検索、抜粋、要約、参照元生成を行う

各Agentは入力、出力、使用ツール、制約、停止条件を明確にすべきです。最初から多エージェント協調を追うのではなく、まず単一Agentの基本ループを確実に動かしましょう。

五、第四段階：Skillsとワークフロー定着

いくつか小さなAgentができるようになると、次の問題が見えてきます。実は多くのタスクは反復的なのです。

たとえば、毎回記事を書くたびにfrontmatter、見出し構造、SEO説明、参照リンク、本文フォーマットを確認する。履歴書を毎回処理するたびに、職種適合、プロジェクトの表現、キーワード、定量結果を確認する。表を扱うたびに項目名、書式、算出基準、出力テンプレートを確認する。

こうした反復経験を毎回その場その場の一時プロンプトで処理しようとすると、疲弊します。Skillsの価値はここにあり、同種タスクを固定能力に落とし込むことで、AIが次回以降類似タスクを成熟したフローで再利用できるようにすることです。

1. 推奨資料：Anthropic Skills

Skillsの実運用例としては、 《Skill 专题开篇：从提示词到可复用 AI 工作流》 を参考にできます。

AnthropicはAgent Skillsに関する公式資料とサンプルを公開しています。公開情報では、Skillsは通常フォルダ構造で整理され、説明ドキュメント、スクリプト、テンプレート、各種リソースを含み、Claudeが特定タスク時に対応能力をロードできる形になっているとされています。

Anthropicの説明で重要なのは、Skillsは「プロンプト」だけではないという点です。instructions、コード、リソースを含む能力パッケージとして、文書処理、データ分析、ブランドガイドライン、専門的ワークフローなどで安定した実行を補助します。

重点的に学ぶべきポイント：

• Skillがどのように起動されるか
• SKILL.mdやinstructionsの書き方
• 適用シナリオを明確に定義する方法
• スクリプト・テンプレート・参考資料をSkillにどう組み込むか
• Skillを大きくしすぎたり汎用化しすぎるリスク
• セキュリティと権限の扱い方

2. 推奨資料：awesome-skills-cn

awesome-skills-cnは、中国語のSkillsリソースを整理したプロジェクトで、Claude Skills、OpenClaw Skills、汎用Agent Skillsに関する情報を集約しています。

他者のSkill設計を見るときに有用です。ディレクトリ配置、説明文、タスク境界、スクリプトとテンプレートの構成を観察できます。

ただし、収集だけして終わらせないこと。効果的なのは、他人の構造を参考にしつつ、自分の実務タスクに合うSkillを実際に作ることです。

3. 良いSkillはどのような形か

良いSkillは通常、次を含みます。

• 明確な適用シーン：いつ使うか
• 明確な入力：ユーザーが何を与えるか
• 明確な出力：最終的に何を生成するか
• 安定した手順：何を先に、何を次に行うか
• フォーマット要件：見出し、表、JSON、Markdown、ファイル命名など
• 制約条件：やってはいけないこと、保持すべき情報
• 例示：AIが参照するサンプル
• 必要なスクリプト：反復的で決定的な処理はコードに任せる

Skillの最大の禁忌は「万能ワークフロー化」です。万能になればなるほど暴走しやすくなります。実際に使いやすいSkillは、小さく、特化していることが多いです。

4. この段階の実習タスク

自分の実務ワークフローから1つ選んで取り組んでください。

• MDX記事の校正Skill
• 履歴書最適化Skill
• SEO見出し生成Skill
• Web資料整理Skill
• ExcelデータクレンジングSkill
• プロジェクトREADME生成Skill
• 命理ケースの構造化レポートSkill
• 応募メール作成Skill

まずは最小版を作り、1つの明確な問題を解くことに集中します。安定して動くようになったら、段階的にテンプレート、スクリプト、チェックルールを追加しましょう。

六、おすすめ学習順序

初心者なら、次の順序で進めるのがよいです。

1. 第1週：LLMの全体地図を作る

まずHappy-LLMで全体像をつかみます。NLP、Transformer、token、学習、推論といった基礎を重点的に学びます。

1週目で全部を理解しようとしないでください。1週目の目標は、この分野にどのようなモジュールがあるか、そしてそれらの関係性がどうなっているかを把握することです。

2. 第2週：最小GPT実装を読む

minGPTでGPTの核心構造を観察します。重要なのはコードを丸暗記することではなく、入力がどのようにembeddingへ変換され、attentionが大まかに何をするか、モデルが次トークンの確率をどのように出すかを理解することです。

全部のコードが分からなくても問題ありません。全体構造を把握し、徐々にPyTorchの基礎を補う形で進めてください。

3. 第3週：モデル呼び出しを練習する

Hugging Face TransformersまたはモデルAPIで、要約・分類・翻訳・情報抽出・見出し生成などの小タスクを実装します。

この週は特に、入出力、token、コンテキスト長、構造化出力、エラーハンドリングを理解することに重点を置きます。

4. 第4週：Agentの基本ループを学ぶ

Hello-AgentsでAgentのタスク実行フローを理解します。ツール呼び出し、結果観測、継続判断、停止条件がポイントです。

この時点で、最小のAgentを自作してみるとよいです。たとえばテキストファイルを読み取り、要約を作って、Markdown出力を生成するAgentです。

5. 第5週：エンジニアリング志向のAgentフレームワークを学ぶ

OpenAI Agents SDKまたはLangGraphを学びます。前者はAgent、ツール、handoff、guardrails、tracingといったエンジニアリング概念の理解に適し、後者は状態機械、グラフ構造、複数ステップのオーケストレーション理解に適します。

両方を同時に深掘りしないでください。まず1つを動かして理解し、次にもう1つを見るのが効率的です。

6. 第6週：反復タスクをSkill化する

自分がよく行う1つのタスクを選び、フローをSkill化します。たとえば「MDX記事校正ルール」を固定化し、frontmatterの書き方、見出し番号、本文体裁、参照元の配置を明記した定型ルールにする、という形です。

この段階で実感できるのは、AIの能力は一時的な対話だけでなく、組織化・再利用・標準化できるということです。

七、私が個人的に推す入門セット

最初に取り組むプロジェクトを少数選ぶなら、次を推奨します。

完全に基礎がない場合は、まずHappy-LLM → Hugging Face Transformers → Hello-Agentsの順で進むとよいです。コードとAPIの経験が少しついたら、minGPT、OpenAI Agents SDK、LangGraph、Skillsを加えていけばよいです。

八、学習ルートを外れないために

最後に、現実的な判断軸を示します。

1. 一般人が最初に自前の巨大モデルを訓練する必要はない

モデルを訓練すること自体が悪いわけではありません。ただ、多くの学習者にとってまず重要なのは、呼び出し、組み合わせ、エンジニアリング活用です。すぐに使える能力は、自分のワークフローへ大規模モデルを接続することではなく、既存の強力なモデルをいかに実務に組み込むかです。

2. お手軽デモに溺れない

AI時代には、見た目がかっこいいデモがたくさんあります。自動で本を書く、勝手に稼ぐ、完全自動会社、万能Agentなどです。示唆を与えるものもありますが、多くは不安定で、一般ユーザーが過度に時間を投下するには不向きです。

学ぶ価値のあるかどうかは3点で判断できます。

• 核心原理を説明できるか
• 実際のタスクを通せるか
• 自分のワークフローへ移植できるか

スクリーンショットで見栄えだけするものが、能力として定着しないなら、投資すべき時間は大きくないです。

3. 最も重要なのは自分のワークフローを形成すること

AI学習で価値があるのは、モデルランキングを集めることでも、新語を覚えることでもありません。自分のワークフローを少しずつ作っていくことです。

例えば：

• 記事作成時、AIに資料調査、構成整理、表現ブラッシュアップを任せる
• コーディング時、AIにコード説明、テスト生成、バグ修正を手伝わせる
• ウェブ制作時、AIにコンポーネント作成、SEO確認、コンテンツ整備を依頼する
• 求職時、AIにJD分析、履歴書最適化、面接準備を手伝わせる
• 研究時、AIに資料収集、意見の整理、引用リスト生成を任せる

これらの流れが安定すると、「AIを使える」から「自分のAIワークシステムを構築している」状態になります。

九、結語：使い手から構築者へ

この学習ルートは次の一文で要約できます。

まずモデルを理解し、次にモデルを呼び、まず簡単なツールを実装し、次にAgentを作り、先にタスクを通し、最後にSkillsへ定着させる。

すべての新概念を一気に追いかける必要はありません。AI分野は速く変化しますが、基礎能力の連鎖は明確です。LLM理解、API利用、ツール呼び出し、コンテキスト管理、ワークフロー設計、経験のSkills化の順です。

この道を進めば、単なるAI利用者から、AI活用システム構築者へと段階的に移行できます。

よくある質問

AI学習にはプログラミング基礎が必要か？

必ずしも必要ではありません。LLM概念の理解、API呼び出し、Agent原理の学習は、Pythonの基礎があれば十分進められます。ただし、カスタムAgentやSkillを実装する場合、コードが読めると学習効率は大きく上がります。 進め方としては、まず概念とツール利用を学び、段階的にプログラミング能力を補強するのがよいです。

LLMとAI Agentの違いは何か？

LLMは基盤言語モデルで、テキストの理解と生成を担当します。AI Agentは、LLMの上に目標設定、ツール呼び出し、メモリ、多段推論を加えた実行システムです。言い換えると、LLMは「頭脳」、Agentは「ツールを使ってタスクを実行する実行者」です。

Skillとプロンプトの違いは？

プロンプトは一度きりの指示で、「今回はこう話してほしい」を解決します。Skillは再利用可能な能力パッケージで、説明書、スクリプト、テンプレートなどを含み、「同じ種類のタスクにどう安定して再利用するか」を解決します。用途が異なり、Skillはよりインストール可能なワークフローモジュールに近いです。

この学習ルートはどこから始めるべきか？

第一段階（LLM基礎）のHappy-LLMから開始し、まず全体認知フレームを作るのがよいです。1周目で60%理解できれば十分です。その後、モデル活用（API呼び出し）→ Agent基本ループ（Hello-Agents）→ Skills定着という順で、各段階に実習を入れると効果的です。

参考ソース

• Datawhale Happy-LLM：从零开始构建大模型
• Andrej Karpathy minGPT：极简 GPT 实现
• Hugging Face Transformers Quickstart
• Hugging Face Transformers Pipeline 文档
• Hugging Face Transformers Tokenizer 文档
• Datawhale Hello-Agents：从零开始构建智能体
• OpenAI Agents SDK：Handoffs
• OpenAI Agents SDK：Guardrails
• OpenAI Agents SDK：Tracing
• LangGraph GitHub：Build resilient agents
• LangGraph 公式紹介
• Anthropic：Equipping agents for the real world with Agent Skills
• Anthropic Skills GitHub
• Claude Agent Skills 公式コース
• Agent Skills Overview
• awesome-skills-cn：中文 Skills 资源整理