<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>Kazumain</author_name>
  <author_url>https://blog.hatena.ne.jp/Kazumain/</author_url>
  <blog_title>APC 技術ブログ</blog_title>
  <blog_url>https://techblog.ap-com.co.jp/</blog_url>
  <categories>
    <anon>Databricks</anon>
  </categories>
  <description>はじめに GDAI事業部 Lakehouse部の阿部です。 近年、LLM（大規模言語モデル）の活用が急速に広がり、企業のAI活用現場でも本番運用が進んでいます。しかし、LLMの回答品質を安定的に維持・向上させるためには、プロンプトのバージョン管理や継続的なチューニングが不可欠です。MLflow 3.0では、プロンプト管理や最適化を支援する新機能が追加され、Databricksとの統合も進んでいます。 本記事では、Databricks環境でMLflowのPrompt Registry機能を活用し、プロンプトの登録・管理・評価・最適化までの一連の流れを、Azure OpenAIモデルを用いた実装例…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftechblog.ap-com.co.jp%2Fentry%2F2025%2F09%2F01%2F095740&quot; title=&quot;「MLflow×Databricksで実践するLLMプロンプト管理・最適化入門 〜Prompt Registryと評価・改善のワークフロー解説〜」 - APC 技術ブログ&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/K/Kazumain/20250827/20250827163441.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2025-09-01 09:57:40</published>
  <title>「MLflow×Databricksで実践するLLMプロンプト管理・最適化入門 〜Prompt Registryと評価・改善のワークフロー解説〜」</title>
  <type>rich</type>
  <url>https://techblog.ap-com.co.jp/entry/2025/09/01/095740</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
