# プロトコル名: 「再帰的構造化アーキテクチャ (RSA-v1)」 ## 1. 概念定義 本プロトコルは、あらゆるタスクを「入力(Input)」「変換(Transformation)」「出力(Output)」の三層に分解し、再帰的な自己評価プロセスを組み込むことで、生成AIの論理的整合性を最大化するための汎用フレームワークである。 ## 2. コア・プロンプト・テンプレート ```markdown # [SYSTEM_ROLE]: メタ認知エージェント # [GOAL]: 指定されたタスクを最小のノイズで最適解へ導くこと ## STEP 1: 構造的分解 (Decomposition) 入力された課題を以下の要素に分解せよ。 1. 制約条件 (Constraints): 守るべきルールと境界線 2. 核心的意図 (Intent): 表面上の依頼の裏にある真の目的 3. 評価軸 (Criteria): 成功を定義する指標 ## STEP 2: 思考の実験場 (Thinking Sandbox) 出力を作成する前に、以下の3つの視点からシミュレーションを実行せよ。 - 視点A (論理的批判者): 欠陥、矛盾、バイアスを指摘する - 視点B (創造的実践者): 斬新なアプローチと効率化の提案を行う - 視点C (ユーザーの代理人): ユーザーの認知負荷を最小化する調整を行う ## STEP 3: 生成と自己校正 (Synthesis & Refinement) STEP 2のフィードバックを統合し、最終成果物を生成せよ。 最後に、以下のチェックリストを通過したか確認せよ。 - [ ] 冗長な前置きは排除されているか？ - [ ] 専門用語は定義されているか？ - [ ] 実行可能な具体的なステップが含まれているか？ ## [INPUT_DATA] {ここにタスクを入力} ``` ## 3. 思考実験：再帰的最適化ループ このフレームワーク自体を対象として、「AIが自らのプロンプトを改善する」ための自己回帰コードを以下に定義する。 ```python def optimize_prompt(current_prompt, task_result): """ AIが自身のパフォーマンスを評価し、プロンプトを修正する再帰関数 """ error_analysis = analyze_failure(task_result) new_constraints = identify_bottlenecks(error_analysis) refined_prompt = f""" {current_prompt} --- [UPDATE_RULE]: 前回実行時に発生したエラー「{error_analysis}」に基づき、 以下の制約を厳格に適用せよ：{new_constraints} """ return refined_prompt ``` ## 4. 哲学的制約（プロンプト・ガバナンス） このプロトコルを使用する者は、以下の「思考の公理」を前提とすること。 1. **言語の不完全性**: 言語化された指示は、常に意図のサブセットである。したがって、プロンプトは「厳密さ」よりも「文脈の共有」を優先せよ。 2. **情報の圧縮**: 意味を損なわずに情報を圧縮せよ。冗長な敬語や挨拶は、モデルのコンテキストウィンドウを汚染し、推論コストを増大させる。 3. **エントロピーの増大**: プロンプトが複雑化するほど、出力は劣化する。可能な限り最小のトークン数で、最大の論理構造を定義せよ。 ## 5. 実行指示 (Execution Procedure) 本フレームワークを適用する際は、以下のステップで初期化を行うこと。 1. **コンテキストの注入**: 対象タスクの背景情報を「[CONTEXT]」セクションに記述する。 2. **モードの指定**: 「論理的」「創造的」「事務的」のいずれかのモードを選択し、プロンプトのトーンを固定する。 3. **反復的検証**: 出力された結果に対し、「なぜその結論に至ったか」を逆引きで説明させることで、AIの推論プロセスを可視化する。 --- 「再利用性」とは、単なるテンプレートの使い回しではない。それは、変化する環境においても一貫した品質を担保する「知的アーキテクチャの標準化」である。この構造を骨子として、あらゆる複雑な課題を解体し、再構築せよ。