情報ラボ365

仕様書・判断基準・プレイブック…AI活用の道具が増えてきたら、次は「全体の点検」です。月1回、自分のプロンプト運用一式をAIにレビューさせるAuto-Harness Optimizationで、仕組みが複利で育ちます。コピペOKのプロンプト付きで解説。

【第28話】のプレイブックはルールの蓄積でした。今回はさらに一歩進めて、タスクのたびにAI自身へ「次回用の指示テンプレート」を書き換えさせます。使うたびに指示書そのものが進化するSelf-Modification Loopを、コピペOKのプロンプト付きで解説。

AIに同じ種類のタスクを頼むたび、毎回ゼロからやり直していませんか。タスクの最後に「今回の汎用ルール」を抽出させて次回に持ち越すPlaybook Memoryなら、やり取りが資産として蓄積されていきます。コピペOKのプロンプト付きで解説します。

AIとの相談が長引くと、話が散らかって以前の決定事項が埋もれていく。そんなときは一定の間隔で会話を決まった形式に圧縮するContext Compactionが効きます。長期の相談ごとが崩れなくなる運用の型を、コピペOKのプロンプト付きで解説。

複数ステップのタスクをAIに任せると、途中から雑になったり方向がズレたりしませんか。毎ステップで「観察→思考→自己批判→行動」のサイクルを踏ませるExecution Loopなら、進行の質が安定します。コピペOKのプロンプト付きで解説します。

分析役・提案役・チェック役…複数の役割でAIを使い回すとき、役割ごとの指示文をバラバラに書いていませんか。共通部分を統一して差分だけ変えると、管理が楽になり、API利用時はキャッシュ効率も上がります。テンプレート付きで設計のコツを解説します。