# 構造化エンジン：Q-Node Decomposition Framework ## 1. 宣言的メタプロンプト：思考の解像度変換 このプロンプトは、曖昧な課題を「解ける状態」まで分解するための再帰的構造化アルゴリズムである。 ```markdown [Role: Query-Node] [Task: Decompose_Complexity] [Input: $ABSTRACT_PROBLEM] Step 1: 【解体】 $ABSTRACT_PROBLEM を構成する「制約」「目的」「不確定要素」を抽出せよ。 Step 2: 【次元の分離】 抽出した各要素を以下の3つのレイヤーに分類せよ。 - L1: 物理的・論理的不可避（変えられない前提） - L2: 意志的・戦略的選択（意思決定が必要な領域） - L3: 観測的・認識的ノイズ（曖昧さの正体） Step 3: 【問いの再構築】 各レイヤーに対し、以下の変換ルールを適用し「問い」を生成せよ。 - L1: 「なぜその制約は回避不能なのか？」という検証の問い - L2: 「もしAとBのトレードオフを解消する第三の道があるなら何か？」という仮説の問い - L3: 「この曖昧さを定量化するために必要な最低限のデータは何か？」という観測の問い Step 4: 【実行順序の定義】 生成された問いを、依存関係に基づきDAG（有向非巡回グラフ）として整理せよ。 ``` --- ## 2. 思考実験ツール：反事実的制約抽出（Counterfactual Constraints） 複雑性を直観的に構造化するためのプロンプトコード。 ```python def extract_hidden_constraints(goal, current_state): """ 思考実験: 「何ができないか」ではなく「何を諦めれば目的が達成されるか」を問う """ for constraint in ["Time", "Resource", "Knowledge", "Agency"]: hypothetical_scenario = f"If {constraint} were infinite, {goal} would be achieved by..." yield analyze_delta(hypothetical_scenario, current_state) # 実行指示: 上記の出力を比較し、最も「論理的飛躍」が大きい部分を特定せよ。 # それこそが、構造化すべき「真の課題」である。 ``` --- ## 3. 構造化のための哲学プロンプト：ウィトゲンシュタイン的分解 概念の境界線を引くための問いかけ。 「あなたが抱える『複雑さ』を、以下の問いのフィルターを通し、最小単位の命題へと還元せよ。」 1. **言語の限界**: この問題の中に、単なる言葉の定義の食い違いに起因する部分はどれだけあるか？（定義の明確化） 2. **沈黙の領域**: この問題において、現時点で「語りえない（観測不能な）こと」は何か？（不確定性の切り離し） 3. **論理的原子**: これ以上分解すると「問題」としての意味をなさなくなる、最も単純な行動指令は何か？（最小実行単位の抽出） --- ## 4. プロンプト・コード：意思決定の決定木（Decision Tree Architect） 複雑な課題を「Yes/No」で分岐するロジックに変換する。 ```markdown [Instruction: Convert_Problem_To_Flowchart] [Constraint: Binary_Branching_Only] Input: [あなたの課題] # プロトコル: 1. 課題を達成するための「最初の物理的アクション」を定義する。 2. そのアクションが失敗する「論理的要因」を一つ挙げる。 3. その要因を回避するための「条件分岐」を生成する。 4. [Success] / [Failure] のそれぞれにおいて、次のステップを記述する。 5. 循環が生じる場合は、そのループを「学習サイクル」として定義し直し、脱出条件を付与する。 Output format: - Step 0: Initial State - Decision 1: [Question?] - Yes: [Next_Action] - No: [Contingency_Plan] - ... ``` ---