Python文法・基礎
変数へんすう
データにつける「名前つきの箱」のこと。name = "太郎" のように書くと、name という名前で値を後から呼び出せます。プログラムは基本的に「箱に入れて、取り出して、加工する」の繰り返しで、その最小単位が変数です。
💡 実務での使い方
設定値やAPIキーなど、後で使い回す値は変数にまとめておくと、変更が一箇所で済んで安全です。
Python・AI 用語集
用語を「読める・説明できる」状態にする
レッスン本文中の用語をクリックしても、この解説が開きます。全 20 語。
Python文法・基礎
f-stringエフストリング
文字列の中に変数の値を埋め込む書き方。f"こんにちは {name} さん" のように、先頭に f をつけて {} の中に変数を書きます。文字列の連結より読みやすく、値の差し込みが直感的です。
💡 実務での使い方
ログや出力メッセージを組み立てるときは、f-stringで変数を埋め込むと読みやすく書けます。
Python文法・基礎
リストlist
複数の値を「順番に」まとめて持つ入れ物。["a", "b", "c"] のように角括弧で書き、番号(インデックス)で取り出します。AIやAPIの出力を1件ずつ処理するとき、ほぼ必ず登場します。
💡 実務での使い方
取得したデータを一覧として扱うときはリストに入れ、for文で1件ずつ処理します。
Python文法・基礎
辞書ディクショナリ
「キー」と「値」のペアでデータを持つ入れ物。{"name": "太郎", "age": 20} のように書き、キーを指定して値を取り出します。APIやAIの入出力(JSON)は、この辞書とリストの組み合わせでできています。
💡 実務での使い方
APIのレスポンスは辞書で返ることが多いので、必要なキーを指定して値を取り出します。
Python文法・基礎
ループ繰り返し
同じ処理を繰り返す仕組み。for はリストなどを1件ずつ、while は条件が成り立つ間ずっと繰り返します。手作業でコピペするような処理を、少ない行数で正確に回せます。
💡 実務での使い方
一覧データの各要素に同じ処理をするときはfor文で回し、コードの重複を避けます。
Python文法・基礎
インデント字下げ
行頭の空白(字下げ)。Pythonでは見た目の整えではなく「どこからどこまでが1つのまとまりか」を表す文法そのものです。if や for の中身は必ず一段下げます。ずれると動作が変わる・エラーになるため、初学者がつまずきやすい点です。
💡 実務での使い方
Pythonはインデントでブロックを表すので、字下げの深さを揃えることを常に意識します。
Python文法・基礎
関数かんすう
処理を「入力→出力」の部品としてまとめたもの。def で定義し、引数を受け取って戻り値を返します。同じ処理を何度も書かずに済み、名前をつけることで「何をするか」が読みやすくなります。
💡 実務での使い方
繰り返し使う処理は関数に切り出し、入力と出力を明確にしてテストしやすくします。
Python文法・基礎
モジュール／ライブラリmodule
誰かが作った便利な機能の部品集を import で読み込んで使う仕組み。標準で付属するものや、pip で追加できるもの(例: requests)があります。車輪の再発明を避け、実績あるコードに乗れます。
💡 実務での使い方
定番の処理は自作せず、実績あるライブラリをimportして使うことで品質と速度を両立します。
Python文法・基礎
例外／try-exceptれいがい
処理の途中で起きた失敗(例外)を、プログラムを止めずに受け止める仕組み。try の中で失敗が起きたら except に処理が移ります。ネットワークやAIのように「失敗しうる処理」は、はじめから失敗前提で書きます。
💡 実務での使い方
外部APIの呼び出しは失敗する前提で、try-exceptで囲んで落ちないようにします。
Python文法・基礎
エラーerror
プログラムが途中で止まって出す警告メッセージ。壊れた合図ではなく「どこで・なぜ止まったか」を教えてくれる道案内です。AI時代の直し方は、エラー文をそのままAIに貼って原因と対処を尋ねるのが基本です。
💡 実務での使い方
エラーは慌てず最後の行から読み、原因の場所と種類を特定してから直します。
Python文法・基礎
環境変数／.envかんきょうへんすう
APIキーなどの秘密情報を、コードに直接書かず外から渡す仕組み。.env ファイルや環境変数に置き、プログラムから読み込みます。コードを共有・公開してもキーが漏れないようにするための基本です。
💡 実務での使い方
APIキーはコードに直書きせず環境変数から読み込み、リポジトリに含めないようにします。
AI・LLM関連
APIエーピーアイ
プログラムから外部の機能を呼び出す「窓口」。AIの会社が用意したAPIに文章を送ると、AIの応答が返ってきます。自分でAIを動かさなくても、窓口越しに機能を借りられるのがAPIの利点です。
💡 実務での使い方
AI機能は自前で持たず、提供元のAPIを呼び出して結果を受け取る構成にします。
AI・LLM関連
APIキーエーピーアイキー
APIを使うときの「本人確認の合言葉」。誰の利用かを識別し、料金の集計にも使われます。他人に知られると勝手に使われて課金されるため、コードに直書きせず環境変数で管理します。
💡 実務での使い方
APIキーは秘密情報として環境変数で扱い、絶対にコードやGitに含めません。
AI・LLM関連
LLM（大規模言語モデル）エルエルエム
Large Language Model の略。大量の文章で学習したAIで、ChatGPTやClaudeの中身です。むずかしく考えず「文章を入れると文章が返る、巨大な関数」と捉えると扱いやすくなります。
💡 実務での使い方
LLMは万能ではなく確率で文章を作るので、出力は必ず検算する前提で使います。
AI・LLM関連
プロンプトprompt
AIに送る指示や質問の文章のこと。役割・制約・出力形式(例: JSONで返す)を具体的に書くほど、狙った結果が得やすくなります。プロンプトを一行変えるだけでツールの性格が変わります。
💡 実務での使い方
出力を安定させるため、プロンプトに役割・制約・出力形式を明示するようにしています。
AI・LLM関連
トークンtoken
AIが文章を扱うときの細かい単位(だいたい単語の一部)。入力と出力のトークン数に応じて料金や処理量が決まります。長い文章ほどトークンが増え、コストと時間がかかると意識しておきます。
💡 実務での使い方
入出力のトークン量で課金されるので、無駄に長いプロンプトを避けてコストを抑えます。
AI・LLM関連
ハルシネーションhallucination
AIが、もっともらしいが事実でない内容を生成してしまう現象。要約や回答に、元になかった数字や固有名詞が紛れることがあります。だからAIの出力は、重要な部分を人が検算・確認する前提で使います。
💡 実務での使い方
AIの出力は鵜呑みにせず、数字や固有名詞は元データと突き合わせて検算します。
AI・LLM関連
JSONジェイソン
データをやり取りするための共通の書式。Pythonの辞書とリストとほぼ同じ形で、APIやAIの入出力の標準になっています。JSON=辞書とリスト、と結びつけて読めると、AI連携がぐっと楽になります。
💡 実務での使い方
APIの入出力はJSONが基本なので、辞書・リストとして読み書きできるようにしておきます。
AI・LLM関連
パイプラインpipeline
処理を「入力→AI→整形→表示」のように、左から右へ順に通す一直線の流れのこと。小さく作るときの基本設計で、各段を分けておくと、どこで問題が起きたか切り分けやすくなります。
💡 実務での使い方
AIツールは入力・推論・整形・表示に分けたパイプラインで設計し、段ごとに検証します。
AI・LLM関連
TypeScriptタイプスクリプト
JavaScriptに「型」という安全装置を足した言語。ブラウザで動くAIプロダクトの画面づくりでよく使われます。型があると、AIが生成したコードの取り違えに早く気づけます(次のシリーズで扱います)。
💡 実務での使い方
AIが生成したコードの間違いを早期に検知するため、型のあるTypeScriptを選びます。