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。
- 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。 - 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。
- 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。
- 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。
mermaid
graph LR
A[Raw Request] --> B[Internal Mining]
B --> C[Market Sync]
C --> D[Differentiation]
D --> E[Scored Idea]
markdown
## 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。
参考・一次資料
思考プロセスを段階化・パッケージ化する設計は、Chain-of-Thought 系の研究と Anthropic のプロンプト設計指針に裏付けられます。
- Wei et al. 2022, "Chain-of-Thought Prompting"（arXiv:2201.11903） — 段階的推論を引き出す原典
- Yao et al. 2022, "ReAct: Reasoning + Acting"（arXiv:2210.03629） — 思考と行動を交互に組む手順設計
- Anthropic: Chain of thought prompting — 思考手順を指示文に落とす公式ガイド
- Anthropic: Prompt engineering overview — 再現可能な指示設計の原則
