概要
AIツールの文化やトレンドはX、GitHub、Hacker Newsで把握可能。 最近話題の「人間らしい出力」指示の問題点を指摘。 情報圧縮による重要情報の欠落リスクを強調。 人間向け変換は最終段階で行うべきと提案。 現状の流行は「バグ報告」のようなもので、理想的な実装方法を示唆。
AIツールにおける「人間らしさ」指示の問題点
- X、GitHub、Hacker News はAIツールの文化や世論の変化を知る主要な指標。
- 最近増えているのは「 ADHD向けスキル」や「 ASD-STE100指示」などのプロンプト。
- これらは LLM出力の冗長さや癖 への不満から発生したもの。
- しかし「人間らしさ」でモデルを修正するのは 本質的な解決策ではない という主張。
- 指示が 作業と同時に適用 されるため、常に 情報を圧縮 してしまう構造。
- 圧縮は 不可逆的(ロス) であり、 重要な情報の欠落 が発生しやすい。
- ASD-STEは 人間向け文書の明確化 が目的だが、エージェントは 人間の技術ライターではない。
- 生データ状態 が最も情報密度が高い形態。
- スタイルルールが「 タスク解決・ツール活用・抽象化維持」などと 同列で扱われる問題。
エージェント間コミュニケーションの課題
- エージェント同士が会話する場合、 人間向け要約 が中間生成物となる不自然さ。
- 例:サブエージェントがバグ調査、要約、親エージェントが再要約、最終的に人間へ。
- 望ましい出力 :「5/6 PASS FAIL: test_cache_invalidation CAUSE: stale key survives restart REPRO: tests/cache_test.py:184」
- 好ましくない出力 :「ほとんどのテストは合格しましたが、1つ問題がありました」
- 人間化 は失敗の痕跡を隠す傾向。
- エージェントの失敗には「 矛盾、未解決分岐、スタックトレース、不確かな仮定」など有用な情報が含まれる。
- 人間的な文章はこれらを「 いくつか考慮事項があります」のように 丸めてしまう。
他システムとの比較と理想的な設計
- 他のシステム( データベース、コンパイラ、API)は 最終段階まで高忠実度データ保持 が基本。
- 人間向け変換は境界(フロントエンド) でのみ実施。
- LLMツールは 逆方向 (最初から人間化)に進みがち。
- アクセシビリティやパーソナライズ 自体は否定しない立場。
- 簡潔な回答やASD-STE希望者 は最終出力で対応すべき。
- エージェント同士はスキーマ、差分、エラー、信頼度、根拠 などを 生データでやり取り することが理想。
- 最終的に人間向けに圧縮・変換 する流れが望ましい。
現状の流行と今後の展望
- バイラルなスキルやプロンプトは「 本来は下層で処理すべき課題」を ユーザーが暫定的に上層で修正 している状態。
- 「 Talk to me like I have ADHD」は レンダラー(表示層) としては理にかなうが、 オペレーション指示 としては不適切。
- 理想像 :エージェントの母語は 機械向け精密な状態表現、人間向け変換は 境界部のみ。
- 現在のバイラルリポジトリは 最終形ではなく、バグ報告的な存在。