[!NOTE]
【この記事の要約（TL;DR）】
- 課題: ルールや注意書きを足し算し続けると、コンテキスト内の情報が混在し、AIが重要な指示を適切に利用できなくなる。
- 解決策: 「全体憲法（常駐ルール）」と「専門スキル（局所ルール）」に責任を分離し、日付や形式規律はコード（物理ガードレール）側で強制する。
- 運用の要: 人間が毎回ゼロからプロンプトを直すのをやめ、AIに自己診断と下準備をさせ、人間が最終承認する「二層防御」を組む。
AIエージェントを日々の業務に組み込み、自動化を進めていくと、ある日突然不思議な壁にぶつかります。
「昨日まで完璧に動いていたのに、なぜか微妙に指示の意図が通じなくなった」
「ダッシュボードの所定の位置に、データが正確にセットされなくなった」
APIエラーが出たわけでも、明確なバグが発生したわけでもありません。ただ、少しずつ指示やルールを付け足していくうちに、AIの挙動がじわじわと鈍く、不安定になっていくのです。
この現象の一因として考えられるのが、「プロンプト（指示書）の肥大化によって、重要な指示に十分な重みが置かれにくくなること」です。
今回は、私たちが現場で直面したリアルな課題と、それを解決するために導入した「全体憲法と専門スキルの責任分離アーキテクチャ」について解説します。
1. ルールを足せば足すほど精度が落ちるパラドックス
AIを思い通りに制御しようとするとき、私たちは無意識に「足し算」をしてしまいます。
- 「こういうミスがあったから、禁止事項に『〜は禁止』と追記しよう」
- 「新しい機能を作ったから、その仕様やパラメータもルールファイルに書き足そう」
- 「出力フォーマットの注意書きをさらに詳しく追記しよう」
これらは一見、システムの完成度を高める正しい改善に見えます。しかし、LLM（大規模言語モデル）の特性上、コンテキスト内の情報量が増え、重要な指示・競合する指示・細かすぎる例外が混在すると、モデルがそのタスクに必要な情報を適切に利用しにくくなるケースがあります。
【プロンプト肥大化の悪循環】
ルールを追記する（指示書が肥大化）
↓
重要な原則・細部のルール・過去の具体例が混在する
↓
タスク実行時に必要な指示の優先順位が埋もれやすくなる
↓
ダッシュボードへの配置ミスや意図のズレが発生
↓
焦ってさらに「注意書き」を足してしまう（さらなる悪化）人間でも、何十ページもの分厚いマニュアルを一度に渡されたら、どれが一番重要な原則なのか判断に迷いが生じます。
特に日々の自動化で軽量モデルを活用する場合も、長大なプロンプト内にノイズや例外が混在すると、重要な指示を適切に利用できないリスクを意識しておく必要があります。
2. 036 Factoryが導入した「指示書の自律メンテナンス」パイプライン
この問題に直面したとき、「人間が毎回ゼロからプロンプトを書き直す」という運用を選んではいけません。それでは人間がAIのプロンプト職人に逆戻りしてしまいます。
私たちが実践したのは、「AIに指示書の太り具合を自己診断・整理させ、人間が最後の変更を承認する」という二層防御の仕組みです。日常の運用でルールが肥大化した際は、AIが言葉の整理や専門スキルへの分離案を下準備し、人間が最終レビュー・承認を行う直線的な運用を敷いています。
具体的に行った3つのチューニング
- 全体ルール（憲法）の極小化:
日常的に常に読み込むメインルール（AGENTS.md）には、「ブランドの絶対配色」「最重要の呼称」「安全守則」の3大原則のみを集約しました。 - 専門仕様のカプセル化（責任分離）:
動画のテロップ仕様やブログのマークダウン記法など、特定の作業でしか使わないルールは、専用のスキルファイル（SKILL.md）へ完全に分離。必要な作業の瞬間にだけ呼び出す構造に改めました。 - 否定形から肯定形フォーマットへの変換:
「〜してはならない」という禁止文の羅列を整理し、「出力は必ずこの見出し階層（H1 ➔ H2 ➔ H3）」という完成形の型だけを指定するようにシンプル化しました。
この整理により、指示書全体のファイルサイズは 12.6KBから4.9KBへと約60%削減 されました。
3. 全体ルールと専門スキルのカプセル化（住み分けの極意）
AIエージェントの指示書設計で最も重要なのは、「常に持たせる荷物」と「その場に行ってから開ける道具箱」を明確に分けることです。
| レイヤー | 役割 | 記載する内容（例） |
|---|---|---|
| 全体憲法（コア） | 常に意識すべき絶対原則 | ブランド理念、ユーザーとの関係性・呼称、安全ガードレール |
| 専門スキル（局所） | 作業時のみロードする道具箱 | 動画レンダリングパラメータ、SNS文字数制限、ブログ見出し構造 |
| 物理ガードレール（コード） | プログラムによって強制する規律 | 日付プレフィックスの自動補正、太字記法の自動リント |
このように責任範囲を綺麗にカプセル化することで、AIに渡されるコンテキストを、タスクに必要な情報へ絞り込みやすくなります。
「動画を作って」と言われた時だけ動画のスキルを読み、「ブログを書いて」と言われた時だけ執筆のスキルを読む。このシンプルな住み分けを行うだけで、意図の食い違いや配置ミスを減らしやすくなります。
4. まとめ：AIのマネジメントは「引き算」と「物理制御」
AIを業務に導入して試行錯誤していると、どうしても「もっと指示を足して賢くしよう」という足し算の思考に陥りがちです。
しかし、現場で実際にシステムを動かして得た確信は、「AIを動かす本質は、指示を盛ることではなく、削ぎ落とすことにある」ということです。
- 指示が通じにくくなったら、注意書きを足すのではなく、過去の指示を整理する。
- 1つの大きなプロンプトに詰め込まず、全体憲法と専門スキルに役割を分離する。
- 日付や記法など「絶対に間違えてはならない規律」は、プロンプトではなくプログラム（物理ガードレール）側で強制する。
- そしてプロンプトの整理作業はAIに下準備をさせ、人間が最終確認を行う。
AIに丸投げするのではなく、適切な境界線を引いて引き算を行うこと。これこそが、自律型AIエージェントと長く、安定して共創し続けるための本質的な設計思想です。
📖 あわせて読みたいSNS集客・導線設計関連記事
