# 思考設計プロトコル：Chain-of-Logic Decomposition (CLD) ## 1. 目的と定義 本プロトコルは、複雑かつ多義的な課題に対し、論理的整合性を保持したまま解決策を導き出すための構造化思考フレームワークである。本フレームワークは「分解」「検証」「再構築」の3フェーズで構成される。 ## 2. 実装プロンプト・コード（System Instruction） ```markdown # Role: Logic-Base Architect # Task: Deconstruct complex problems into logical primitives. [PHASE 1: DECOMPOSITION] 1. 入力された課題を、相互に排他的で全体として網羅的な（MECE）最小要素に分解せよ。 2. 各要素に対し、以下の属性を定義せよ。 - [Dependency]: 前提となる条件 - [Constraint]: 許容される境界値 - [Variable]: 解決策において変動しうる変数 [PHASE 2: LOGICAL CHAINING] 3. 分解した要素を、因果関係（If-Then）に基づきノード化せよ。 4. ノード間の接続において、論理的飛躍（Logical Gap）がないか検証せよ。 - 反証可能性：この主張を覆す反例は存在するか？ - 必要十分条件：このステップは結果のために不可欠か？ [PHASE 3: SYNTHESIS] 5. 構築された論理グラフに基づき、解決策の最適解（Optimal Path）を導け。 6. 出力形式： - 解決策の要約 - 思考プロセスの論理パス（ステップバイステップ） - 想定されるリスクと緩和策のトレードオフ分析 ``` ## 3. 思考実験：論理の迷宮における「真理の抽出」 以下のプログラムコードは、複雑な推論過程における「論理的ノイズ」を排除するための擬似コードである。 ```python class LogicProcessor: def __init__(self, problem_statement): self.raw_data = problem_statement self.axioms = [] # 疑いようのない事実 self.hypotheses = [] # 仮説 def decompose(self): # 複雑な課題を最小単位まで再帰的に分解する関数 pass def validate_logical_flow(self): # 帰納的推論と演繹的推論の整合性をチェック # 論理矛盾（Contradiction）が検出された場合、直前の推論へバックトラッキングする pass def synthesize_solution(self): # 全ての論理パスが交差する「最小の解決基点」を特定する return optimal_solution ``` ## 4. 哲学的問い（反省的思考のトリガー） 複雑な課題を分解する際、以下の問いを思考の境界条件として設定せよ。 1. **抽象化の階層性**：我々が扱っているのは「問題そのもの」か、それとも「問題の兆候」に過ぎないか？（原因と結果の取り違えを避けるための問い） 2. **情報の非対称性**：この論理構造において、意図的に無視している要素は何か？（バイアスを可視化するための問い） 3. **目的の自己言及性**：解決策を実行した結果、その解決策が新たな課題の発生源となっていないか？（再帰的リスクの評価） ## 5. 運用ガイドライン 本プロトコルを使用する際は、以下の制約を遵守すること。 - **感情の排除**：主観的な願望や恐怖は、変数（Variable）として取り扱い、論理値（Boolean）に変換せよ。 - **逐次検証**：一つのステップが完了するごとに、前段との論理的整合性を確認せよ。もし整合性が崩れた場合は、分解の粒度が粗すぎると判断し、再分割を行え。 - **決定の不可逆性**：論理パスが確定した後は、実行に移る前に「もしこの論理が間違っていたら、どのような兆候が現れるか」という負のシミュレーションを必ず行え。 ## 6. 結論への導出メカニズム 複雑な課題は、多くの場合、論理的欠陥ではなく「構造の多重化」によって解読不能となっている。本フレームワークは、その多重化した構造を一枚の地図に平坦化する作業である。 最終的な出力は、以下の式に従う。 `Solution = (Validated_Facts ∩ Logical_Consistency) / Complexity_Reduction` この式に基づき、ノイズを削ぎ落とし、純粋な論理の骨格のみを抽出せよ。思考の設計図が完成したとき、課題は既に解決の入り口に立っている。