「いい感じにお願い」からの脱却：思考プロセスをアルゴリズムとしてパッケージ化する技術

TL;DR

• AI の「浅い回答」は思考手順（Algorithm）の欠如が原因
• CoT (Chain of Thought) を明示的にスキル化し、AI の思考を強制する
• 手順を Phase ごとに分け、各段階での成果物（DoD）を定義する

The Pain: 浅い答えしか返ってこない

「ブログのネタ出しして」と頼むと、当たり障りのない（誰でも思いつくような）アイデアしか出てきません。これはエージェントの能力不足ではなく、「どう考えるべきか」という思考プロセスを指示していないことが原因です。

The Solution: Chain of Thought Packaging

優秀な人間が頭の中で行っている「思考のステップ」を言語化し、スキルファイルに記述します。これを Chain of Thought (CoT) Packaging と呼びます。

思考のパッケージ化：人間 vs AI

| 項目 | 人間の直感 | パッケージ化された AI | | :----------- | :----------------------------- | :----------------------------------- | | プロセス | 暗黙の了解（ブラックボックス） | 明示的なステップ（ホワイトボックス） | | 再現性 | 気分や体調に左右される | 常に定義されたアルゴリズムに従う | | 拡張性 | 属人的で横展開が難しい | スキルファイルとしてチームで共有可能 |

例：Theme Discovery Skill

本ブログ記事のネタ出しに使った theme-discovery スキルでは、以下のように手順を定義しています。

1. Internal Mining: まずユーザーのコード資産（scripts/, src/）をスキャンし、独自の工夫を探す。
2. Market Sync: その技術要素が市場でどう検索されているか（トレンド）を確認する。
3. Differentiation: 一般論（ChatGPTの回答）にない、独自の「泥臭い」知見が含まれるか判定する。
4. Scoring: 上記を点数化し、上位3つを提案する。

Implementation: 思考の強制

スキルファイル内で、この手順を厳密に守らせるように記述します。

graph LR
    A[Raw Request] --> B[Internal Mining]
    B --> C[Market Sync]
    C --> D[Differentiation]
    D --> E[Scored Idea]

## Theme Discovery Process

WARNING: いきなりアイデアを出さないこと。必ず以下のステップを順に実行せよ。

## Phase 1: Internal Mining

まず `list_dir` と `grep_search` を使い、50行以上の独自スクリプトを探せ。
...

The Takeaway: 思考の「型」を作る

「何を考えるか（What）」だけでなく「どう考えるか（How）」を教え込むことで、エージェントの出力品質は劇的に向上します。

これは新人教育のマニュアル作りと似ています。「いい感じにやっておいて」ではなく、「まずはファイル一覧を見て、次にこのキーワードで検索して…」と教えるのと同じです。

次回は、こうした思考プロセスを実行に移すための「道具（Tools）」との連携、自律ループについて解説します。

References

• プロンプトを「スキル」として資産化する技術
• AIエージェントに「仕様書」を厳守させる SDD (Spec Driven Development)
• AIエージェント開発を支える「共通基盤（Infrastructure）」
• プロンプトからエージェントエンジニアリングへ
• マルチモーダル・コンテンツハブの構想