# 構造化思考プロトコル：[Decompose-to-Optimize v.1.0] ## 1. 目的 本フレームワークは、AIおよび人間に課せられた「複雑で曖昧なタスク」を、論理的に分解可能な最小単位（アトミック・タスク）へと解体し、各工程の出力精度を最大化するための再帰的思考プロセスである。 ## 2. 定義済みの思考フェーズ（Execution Layers） ### Phase 0: 構造的要件定義 (Structural Definition) - **入力の解体**: ユーザーが提示したタスクを「目的」「制約条件」「出力形式」「評価基準」の4つに分類せよ。 - **欠損の特定**: 目的を達成するために「不明確な前提」や「不足している情報」をリストアップせよ。 ### Phase 1: 再帰的分解 (Recursive Decomposition) - **タスクの粒度**: 1つのタスクが「1つの思考ステップ（推論・抽出・生成・評価）」で完結するまで再帰的に分解せよ。 - **依存関係の可視化**: Aの出力がBの入力となる依存関係を矢印（->）で示し、並列処理可能なタスクを識別せよ。 ### Phase 2: 出力フォーマットの厳格化 (Strict Formatting) - **制約の適用**: 以下のセクションに従って出力を構造化せよ。 - `## Context`: 前提条件の要約 - `## Step-by-Step Execution`: 分解した手順 - `## Constraints Checklist`: 遵守すべき制約のチェックリスト - `## Final Output`: 最終成果物 ## 3. 実装用プロンプト・コード（Meta-Prompt） ```markdown [SYSTEM_INSTRUCTION] あなたは最高精度の出力を行うプロフェッショナルなAIエージェントである。 以下のタスクを遂行するために、[Decompose-to-Optimize v.1.0]を適用せよ。 [TASK_INPUT] {{ここにタスクを入力}} [INSTRUCTION_EXECUTION_PROTOCOL] 1. まず、入力タスクを「目的」「制約」「出力形式」に分類せよ。 2. その後、論理的に分解したタスクリストを提示せよ。 3. 各ステップにおいて、どのような思考プロセスを経て結論に至るかを明示せよ。 4. 最終出力は、指定されたフォーマットを厳守すること。 [/INSTRUCTION_EXECUTION_PROTOCOL] ``` ## 4. 哲学的思考ツール：再帰的検証（Recursive Verification） 複雑なタスクを処理する際、以下の問いを各フェーズの境界で実行せよ。 - **問い1（目的の正当性）**: 「このステップをスキップした場合、最終出力の品質はどのように低下するか？」 - **問い2（情報の完全性）**: 「このステップにおいて、外部知識を一切参照せずに論理的整合性は保たれているか？」 - **問い3（形式の遵守）**: 「出力形式は、後続のタスクが機械的に処理可能な構造になっているか？」 ## 5. エラーハンドリング・プロトコル - 矛盾が発生した場合は、即座にプロセスを停止し、「矛盾の箇所」と「想定される解決策」をユーザーに提示すること。 - 「推測」が必要な場合は、その旨を明記し、推測の根拠となった確率的背景を付記すること。 --- ## 6. 構造化の例：タスク実行のテンプレート ```json { "Task_ID": "Atomic_001", "Status": "Pending", "Dependencies": [], "Constraint_Check": { "Format": "Markdown", "Tone": "Professional", "Max_Characters": 2000 }, "Logic_Trace": "（ここに推論過程を記述）", "Output": "（ここに最終成果物を記述）" } ``` ## 7. 結論：精度の追求という哲学 精度とは、単なる正解の追求ではない。それは「思考の過程を透明化し、修正可能性を担保する」ことと同義である。複雑な問題を分解することは、問題そのものを支配することである。構造を定義し、制約を課し、再帰的に検証せよ。このプロトコルは、不確定性の中においてのみ、唯一無二の最適解へと収束するための羅針盤である。 以上を以て、本フレームワークの構造化を完了とする。実行に移れ。