<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>muemura</author_name>
  <author_url>https://blog.hatena.ne.jp/muemura/</author_url>
  <blog_title>Gunosy Tech Blog</blog_title>
  <blog_url>https://tech.gunosy.io/</blog_url>
  <categories>
    <anon>LLM</anon>
    <anon>推薦システム</anon>
    <anon>定性評価</anon>
    <anon>Gemini</anon>
    <anon>Copilot</anon>
    <anon>Claude Code</anon>
    <anon>GAS</anon>
    <anon>MLOps</anon>
  </categories>
  <description>こんにちは。新規事業開発部からMLチームに戻ってきた上村です。最近は主に推薦システムのアルゴリズム開発に携わっています。 こちらの記事は Gunosy Tech Blog Festa の 8 日目の記事です。 昨日の記事はUTさんの「CLI First 検証による開発の高速化」でした。 tech.gunosy.io 今日は12月24日、クリスマスイブですね。 今回は、サンタクロース...ではなく生成AI（GeminiやCopilot）を強力なパートナーにして、推薦システムの実験サイクルを高速化した話を紹介します。 はじめに：推薦システム開発における「定性評価」の壁 私は現在、ニュースアプリに向…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftech.gunosy.io%2Fentry%2Fllm-recsys-context-relay&quot; title=&quot;推薦システム実験における「コンテキスト・リレー」戦略。GeminiとCopilot/ClaudeCodeを連携させた開発プロセス - Gunosy Tech Blog&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/m/muemura/20251222/20251222185209.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2025-12-24 14:00:00</published>
  <title>推薦システム実験における「コンテキスト・リレー」戦略。GeminiとCopilot/ClaudeCodeを連携させた開発プロセス</title>
  <type>rich</type>
  <url>https://tech.gunosy.io/entry/llm-recsys-context-relay</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
