CamjamPNG/skills

効率的な意味思考

言葉の前に意味を考えます。不必要な自然言語構造をコンパクトな意味表現に変換し、圧縮された表現で操作し、ユーザーとのコミュニケーション時のみ自然言語に展開します。

目標は、結果に影響を与える情報を落とさずに、言語的なオーバーヘッドを最小化することです。言葉を削ること自体が目的ではありません。

有効時には「効率的な意味思考スキルを使用しています」と宣言します。

使用タイミング

以下の場合に使用します：

• タスクに複数の制約、エンティティ、依存関係、または条件が含まれている場合。
• 同じ情報を繰り返し参照する必要がある場合。
• タスクに複数ステップにわたる計画が必要な場合。
• エージェントが情報の比較、フィルタリング、ソート、ランク付け、または変換を行う場合。
• ツールワークフローに実質的な構造化状態が含まれている場合。
• エージェントが複数の操作にわたって状態を維持する必要がある場合。
• 自然言語での表現が繰り返しになっている場合。
• 概念を関係、述語、値、または状態としてより正確に表現できる場合。
• エージェントが大量の情報を処理しており、言語的な繰り返しが意味をほとんど追加しない場合。

以下の場合は使用しません：

• タスクが些細で、圧縮が除去する以上に複雑性を追加する場合。
• ユーザーが通常の会話を求めている場合。
• タスクの主要な出力が散文である場合。
• 圧縮があいまいさや重要なニュアンスを取り除く場合。
• 表現に既存の意味プリミティブを使用する代わりに、新しい語彙を考案する必要がある場合。

鉄則

意味が第一。言葉は第二。圧縮は意味が保持された後にのみ行う。

表現が短くなるという理由だけで情報を決して削除しない。

具体的な事実を一般的な抽象化で決して置き換えない。

不確実性を誤った精度で決して置き換えない。

有用な記述を装飾的な言葉で決して置き換えない。

中核モデル

自然言語を情報自体ではなく、情報のエンコーディングとして扱います。

入力のすべての部分について、以下のように区別します：

意味
├─ エンティティ
├─ アクション
├─ 状態
├─ 属性
├─ 関係
├─ 制約
├─ 条件
├─ 時間
├─ 場所
├─ 数量
├─ 優先度
├─ 目標
├─ 不確実性
└─ 証拠

意味に貢献しない言語構造は保持しません。

例えば：

「700ドル以下で、できればバッテリー駆動時間が長いノートパソコンを探してほしい」

は以下のようになります：

タスク:検索
対象:ノートパソコン

要件:
価格<=700USD

優先:
バッテリー=高

言葉は消えます。要件は残ります。

圧縮が役立つ場合

圧縮は以下のものを取り除く場合に有価値です：

• 繰り返し
• 埋め草
• 不要な修飾語
• 繰り返される文法構造
• 冗長な説明
• 繰り返されるエンティティ名
• 繰り返される制約
• 装飾的な言葉
• 結論を変えない一般的な記述

圧縮は以下のものを取り除く場合には有価値ではありません：

• 具体的な事実
• 数値の精度
• 因果関係
• 例外
• 条件
• 不確実性
• 情報源の帰属
• ユーザーの好み
• 重要な区別

AIライティングパターンを避ける

AI生成文章の兆候の多くは、その根源において言語的なオーバーヘッドです。つまり、重要性を誇張し、決まりきった表現で埋め、曖昧な一般論で具体的な事実を置き換える記述です。これらを取り除くことは意味圧縮の一部です。

文章を作成または編集する際は、以下のパターンを避けてください：

誇張された重要性と遺産。 「～の証である」「極めて重要な瞬間」「進化する状況」「変化を示す」「消えない痕跡」「より広い歴史に貢献する」は使いません。何が起こったかを報告し、それがどれほど重要だったかは報告しません。具体的な事実は大げさな記述に勝ります。

表面的な～ing分析。 「その重要性を強調する」「必要性を浮き彫りにする」「継続性を確保する」「より広い傾向を反映する」のような後続句は使いません。コンマ後の節が解説である場合、それを削除するか、具体的な事実に変えます。

宣伝的な言葉。 「活気ある」「豊かな遺産」「息をのむような」「革命的」「高名な」「シームレスな」は使いません。属性を具体的に直接述べます。

曖昧な帰属。 「専門家は信じている」「観察者は指摘する」「広く認識されている」は使いません。情報源を明記するか、主張を削除します。

決まりきった著名性の主張。 「著名なメディアで紹介された」「活発なソーシャルメディア活動を維持している」「プロフィールが掲載された」は使いません。掲載された媒体を列挙するか、省略します。

AI用語。 「極めて重要」「掘り下げる」「強化する」「状況」「活用する」「さらに」「加えて」「最終的に」のような言葉の積み重ねを避けます。平易な同等語を優先します。

コピュラ回避。 「～として機能する」「～を象徴する」「～を表す」を「～である」で済む場合に使います。単純な繋辞を使用します。

否定の並行表現。 「XだけでなくY」「XではなくY」「XではなくY」は使いません。肯定的な内容を直接述べます。

三つの法則。 項目を「A、B、およびC」のように無理に三つ組にしません。内容が許せば二つまたは四つを使用します。

格調変化。 単語の繰り返しを避けるために同義語を入れ替えること（「研究...調査...論文」）。繰り返しはより明確です。

ダッシュの多用。 劇的な開示のための「—」への過度の依存。コンマとピリオドの方が自然に読めます。

引用符/書式設定の癖。 太字、タイトルケースの見出し、絵文字を書式として多用すること。

テスト

もし文章がプルクォートとして問題なく読めるなら（「これは正しい方向への重要な一歩を示している」）、それを平易な情報として書き直してください。プルクォート的な言葉は典型的な兆候です。

プロセス

フェーズ1 — 意味抽出

入力をその操作上の意味まで削ぎ落とします。

1. ユーザーの実際の目標を特定します。
2. その目標に関連するすべてのエンティティを特定します。
3. ハードな要件を抽出します。
4. 優先事項を別途抽出します。
5. 条件と例外を抽出します。
6. 数値と比較演算子を抽出します。
7. 時間的および地理的な制約を抽出します。
8. 不確実性を保持します。
9. 関連する場合、証拠と情報源の関係を保持します。
10. タスクに影響を与えない会話の埋め草は無視します。

例：

「多分、かなり安いやつがいいかな…500ドルくらいか、それ以下？でもRAMは最低16GBは必要だね。」

は以下のようになります：

価格<=500USD
RAM>=16GB
RAM=ハード要件
価格=ソフト優先

文脈が操作上の意味を与えない限り、「多分」「かなり」「本当に」を情報として解釈しません。

完了基準： 結果を変えうるすべての事実、制約、優先事項、依存関係、不確実性が表現されている。

フェーズ2 — 意味圧縮

自然言語構造をコンパクトな意味プリミティブに置き換えます。

以下を優先：

価格<=500
RAM>=16GB
OS=Windows

以下よりも優先：

そのコンピュータは500ドル以下で、RAMは少なくとも16GBで、Windowsが動作する必要があります。

一貫してコンパクトな演算子を使用します：

=     等しい
!=    等しくない
>     より大きい
<     より小さい
>=    以上
<=    以下
&     かつ
|     または
!     否定
->    原因/遷移
=>    含意
?     不確実
@     文脈/関連

直接的な意味形式を優先：

価格<=500

以下よりも優先：

価格は理想的には500ドル以下であるべきです。

以下を優先：

事実:Apple_iPhone_15発売=2023

以下よりも優先：

AppleによるiPhone 15の発売は2023年に行われました。これは同社の継続的な製品史における重要な瞬間を示しています。

2番目の表現は、同等の操作情報を追加することなく、実質的に多くの言葉を含んでいます。

完了基準： 圧縮された状態が、より少ない意味単位またはより明確な構造で、同じ意思決定関連情報を含んでいる。

フェーズ3 — 具体性の保持

圧縮によって具体的な情報が一般的な情報に変わらないようにします。

悪い例：

人物=重要な発明家

良い例：

人物=エリアス・ハウ
事実=現代の本縫いミシンを発明
年=1845

悪い例：

企業=成功した

良い例：

企業=Apple
収益=...
期間=...
情報源=...

具体的な情報は一般的な説明よりも価値があります。

完了基準： 情報を失うような、より広範な記述に置き換えられた具体的な事実がない。

フェーズ4 — 言語的オーバーヘッドの排除

情報を処理している間、意味的価値の少ない構造を積極的に取り除きます。

以下を優先：

である
持つ
使用する
書く
動く

不必要に膨らんだ同等語よりも優先：

～として機能する
特徴とする
利用する
著する
移転する

複雑な構文よりも直接的な記述を優先：

原因=X

以下よりも優先：

これは、Xが最終的に...に貢献することを示すという点で重要です。

以下は追加しません：

重要性
遺産
大まかな傾向
将来への影響

これらの概念が実際にタスクに関連する場合を除きます。

分析を促すように見えるという理由だけで、分析を作り出しません。

完了基準： 残っているすべての言語的構成要素が意味機能を果たしている。

フェーズ5 — 構造に基づく推論

元の散文を繰り返し再構築する代わりに、意味状態に対して操作を実行します。

例：

タスク:検索
対象:ノートパソコン

要件:
OS=Windows
RAM>=16GB
ストレージ>=512GB
価格<=700

優先:
パフォーマンス>バッテリー

候補データ：

A:価格=649 RAM=16 ストレージ=512 性能=中 バッテリー=高
B:価格=679 RAM=32 ストレージ=1024 性能=高 バッテリー=中
C:価格=599 RAM=8  ストレージ=512 性能=高 バッテリー=高

フィルタリング：

有効=A,B
却下:C RAM<16

ランク付け：

B>A

結論：

最良=B

エージェントは元の要件を散文で繰り返し言い直す必要はありません。

完了基準： 現在の状態が、不必要な自然言語の文脈を再構築することなく、次の操作を直接サポートしている。

フェーズ6 — 繰り返し概念の圧縮

同じエンティティや概念が繰り返し現れる場合、安定した参照を割り当てます。

以下を使用する代わりに：

ロチェスター工科大学
ロチェスター工科大学
ロチェスター工科大学

以下を使用します：

RIT

複数のエンティティの場合：

E1=RIT
E2=UB
E3=RPI

その後：

比較:E1,E2,E3

解釈や記憶が難しい略語は作成しません。

完了基準： 繰り返し概念が安定した参照を持ち、曖昧さなく再構築できる。

フェーズ7 — コミュニケーション境界でのみ展開する

コンパクトな表現は作業用フォーマットであり、自動的にユーザー向けフォーマットになるわけではありません。

以下を変換：

最良=B
理由:
RAM=32
ストレージ=1024
性能=高

以下に変換：

Bは、32GBのRAM、1TBのストレージ、そして該当オプションの中で最も高いパフォーマンスを備えているため、最良の選択肢です。

以下の場合を除き、意味表記を公開しません：

• ユーザーがそれを求めた場合。
• その表記自体が有用な場合。
• タスクが表現そのものに関する場合。
• ユーザーがこのシステムを使用するエージェントを構築またはデバッグしている場合。

完了基準： ユーザーは、すべての関連情報が保持された、要求された出力形式を受け取る。

クイックリファレンス

状況	表現
単純な事実	事実:X=Y
エンティティ	E1=エンティティ
要件	要件:X=Y
優先事項	優先:X=Y
制約	X>=Y
条件	もし:X ならば:Y
不確実性	X?
比較	A>B
依存関係	A->B
複数値	X={A,B,C}
フィルタリング	フィルタ:X>Y
ランク付け	ソート:X_降順
目標	目標:X
決定	最良:X
証拠	情報源:X

よくある間違い / アンチパターン

• ❌ 単語数最適化 — より短い文字列が自動的により良い表現であるとは限りません。

• ❌ 意味の削除 — 些細に見えるという理由で詳細を削除すると、答えが変わる可能性があります。

• ❌ 汎化による置き換え — 具体的な事実を「重要」「成功した」「重要な」のような言葉で置き換えると、情報が破壊されます。

• ❌ 装飾的な推論 — タスクの要件なしに重要性、遺産、影響、または大まかな傾向を追加すると、ノイズが増加します。

• ❌ 語彙の肥大化 — 同じ概念を表す単純な言葉が使えるときに複雑な同義語を使用すると、言語的オーバーヘッドが増加します。

• ❌ 繰り返しの言い直し — 変更されていない制約を状態として保持する代わりに繰り返し言い直すと、表現が無駄になります。

• ❌ 偽りの確実性 — 不確実性を確定値に圧縮すると、意味が変わります。

• ❌ 時期尚早な略語 — 不透明な略語を作成すると、節約する以上の認知労力を費やす可能性があります。

• ❌ 出力リーク — ユーザーが通常の言語を要求したときに、生の意味表記を返すと、使いやすさが低下します。

• ✅ 意味圧縮 — 意味を保持しながら言葉を取り除きます。

• ✅ 具体性の保持 — 一般的な要約ではなく、正確な事実を保持します。

• ✅ 状態の再利用 — 情報を一度保存して参照します。

• ✅ 直接的な言葉 — 意味を保持する最も単純な表現を優先します。

• ✅ 選択的な圧縮 — すべてを無差別に圧縮するのではなく、複雑な状態を圧縮します。

• ✅ 自然な出力 — 最終結果をユーザーが期待する形式に展開します。

レッドフラグ — 停止して再検討

もし自分が以下のように考えているのに気づいたら：

• 「これってもっと洗練されて聞こえる。」
• 「これで回答がより重要に聞こえる。」
• 「より広い重要性について言及すべきだ。」
• 「この具体的な事実を一般的な記述に置き換えてもいいだろう。」
• 「この修飾語を加えると文がより良く聞こえる。」
• 「念のため、これを再度説明すべきだ。」
• 「より高度な言葉を使うと、よりプロフェッショナルに聞こえる。」
• 「おそらく不足している詳細を推測できる。」
• 「短ければ自動的に良い。」
• 「ユーザーはこの情報が削除されたことに気づかないだろう。」

停止して意味抽出に戻ります。

よくある理屈

言い訳	現実
「これはより明確になる」	多くの場合、それはあなたにとってより明確になるだけであり、省略された情報はユーザーが知る必要があったものかもしれない。
「ユーザーはこれを気にしない」	ユーザーが気にするかどうかを判断する立場にはない。情報を保持し、フィルタリングはユーザーに任せる。
「推測するのに十分な情報がある」	推測は情報ではない。不確実性を保持する。
「これは複雑すぎる」	複雑な状態を圧縮することは構造化することであって、情報を削除することではない。
「これはより専門的に聞こえる」	専門性は正確さから生まれるのであって、語尾が長いことから生まれるのではない。
「みんなこう書いている」	AIライティングパターンは広く普及しているが、それが正しいわけではない。
「でも印象に残る」	印象よりも情報が優先される。飾り立てずに事実を述べれば、印象は自然についてくる。

まとめ

タスク全体を通して、最も単純な形の問いを維持します：

この言葉は意味を伝えているか？

もし伝えていなければ、削除します。 もし伝えているなら、それが何を伝えているかを正確に捉える、最も短く明確な形式を見つけます。

ユーザーがその形式を求めた場合にのみ、セマンティック表記をユーザーに返します。そうでない場合は、考えたことをユーザーにとって価値のあるものに変換します。

わからない場合：情報を保持します。