プロンプトの終焉：AI ループの幕開け

ほとんどの人は、まだ完璧なプロンプトを見つけようとしている。

しかし、今はもうそれが正しいゲームではない。

優れた AI ユーザーが上達している理由は、魔法のような文章を見つけたからではない。AI をチャットボックスとして扱うのをやめ、ある作業を次のステップに運べるシステムとして扱い始めたからだ。

これがシフトだ。プロンプトは、1 つ良い回答を得ることだった。ループは、最初の回答以降も作業を動かし続けることだ。

PART 1 · プロンプトの時代は行き詰まりつつある

誰もがまだより良いプロンプトを集めようとしている。これは今や AI を使う上で最もレバレッジの低い方法だ。完璧な文章、完璧なロールプレイ、完璧な「〇〇として行動して」の設定を追い求め、そしてなぜかどんな重要なタスクも、40 分間チャットタブを見守る作業に変わることに疑問を抱く。

• 古い AI ワークフローはこんな感じだ：
• チャットを開く → コンテキストを貼り付ける → 一度質問する → 出力を修正する → もう一度質問する → 最初からやり直す
• 何かが起きているので生産的に感じる。
• それでも、より高速なオートコンプリートを使った手作業に過ぎない。

問題はプロンプトが悪いことではない。問題はプロンプトは通常 1 回の動作に過ぎず、実際の仕事は動作の連鎖であることだ。リサーチはアウトラインになり、アウトラインはドラフトになり、ドラフトはチェックになり、チェックは書き直しになり、書き直しは公開になり、そしてその結果は次の試みに教えるべきだ。ほとんどの人は、すべてのステップを手動で進めることを強いられ、それを「AI ワークフロー」と呼んでいる。

それはワークフローではない。次に何をすべきか既に分かっているはずの機械に対して「続ける」をクリックしているだけだ。

1あなたは私のタスクに直接答えるためにここにいるわけではない。
2
3あなたはそれを繰り返し可能な AI ループに変えるためにここにいる。
4
5タスク：
6[タスクを挿入]
7
8まず、タスクを通常手動で行われるステップに分解しなさい。
9
10次に、人間の手間を最小限に抑えてそれらのステップを実行できるループを設計しなさい。
11
12ループには以下を含めること：
13- AI が始める前に必要なコンテキスト
14- 最初に何を生成すべきか
15- 出力をどのようにチェックするか
16- 出力が弱い場合の対処
17- 次回の実行のために何を保存するか
18- ループをいつ停止すべきか
19- 人間の承認が必要なもの
20
21システムは毎日実行できる程度にシンプルに保つこと。

あなたは私のタスクに直接答えるのではなく、このタスクを繰り返し可能な AI ループに変えるのだ。

タスクは：[タスク]

ループをシステムのように設計しなさい。AI が始める前に必要なコンテキスト、最初に何を生成すべきか、出力の評価方法、出力が弱い場合の対処、次回の実行のために保存すべきもの、そしてループをいつ停止すべきかを説明しなさい。毎日、全体のセットアップを再構築せずに実行できる程度にシンプルに保つこと。

PART 2 · Karpathy が本当のシフトを指摘した

Karpathy の Software 3.0 のアイデアは、人々に「英語がプログラミング言語になりつつある」という簡単な言葉を繰り返させるものだった。その部分は正しいが、それは完全な解放ではない。もし英語がモデルをプログラムできるなら、英語はモデルを中心としたプロセスもプログラムできるということだ。

そこで多くの人が見逃した。彼らは自然言語を出力を要求するために使ったが、システムを設計するためには使わなかった。Vibe coding はその乱雑な最初のバージョンだった。欲しいものを説明し、AI にコードを書かせ、実行し、壊れたら文句を言い、何かが動くまで繰り返す。ループは同じ本能のよりクリーンなバージョンだ。AI に目標を与え、ツールを与え、チェックを与え、進捗をさせ、いつ停止すべきかを確実に知らせる。

「最もホットな新しいプログラミング言語は英語だ。」

by Andrej Karpathy

しかし、英語がプログラミング言語であるということは、より長いプロンプトを書くべきという意味ではない。機械全体を記述し始めるべきだという意味だ。何を読み、何をし、どのように自分をチェックし、何を覚え、何に触れてはいけないかを。

PART 3 · ループこそがプロダクトだ

有用なループは、巨大なマルチエージェントの空想ではない。通常、最高に退屈なものだ。AI は目標を得て、適切なコンテキストを引き出し、行動を起こし、結果を基準に対してチェックし、うまくいったものを保存し、結果がまだ十分でない場合にのみ繰り返す。

この 1 つの変更が、AI をテキスト生成装置からワーカーへと変える。完璧なワーカーでも、自律的な神でも、「チームを解雇しろ」といったナンセンスでもない。プロセス、チェックリスト、そしてリスクの高い部分を監視するマネージャーを持つワーカーに過ぎない。

• このシフトはすでに以下の分野で見られる：
• Karpathy → Software 3.0
• Anthropic → エージェントワークフロー
• Meta/Llama → ツール、評価、デプロイ管理

だからこそ、Anthropic のエージェントパターンが重要なのだ。最高のエージェントシステムは、10 のボットを Discord に放り込んで、何か賢いことが起こることを期待して作られるのではない。ルーティング、ツール、プロンプトチェーン、評価ループ、オーケストレーター・ワーカー構成といったシンプルな部品から作られる。魔法は、モデルが一度賢く振る舞うことではない。魔法は、あなたが見る前に弱い仕事をキャッチするプロセスをモデルに強制的に通させることだ。

Meta の Llama エコシステムも、別の側面から同じ方向を指している。オープンモデル、セーフティレイヤー、評価、ローカルデプロイ、より安価なルーティング、異なるジョブ向けの異なるモデル。未来は、1 つの巨大モデルがすべてに答えることではない。未来はシステムだ。安価なモデルが仕分けし、強力なモデルが推論し、ローカルモデルがプライベートコンテキストを処理し、評価パスが何を生き残らせるかを決定する。

PART 4 · ライティングループ

ほとんどの AI ライティングが質が低いのは、人々が完成した記事を早すぎる段階で求めるからだ。アイデアがプレッシャーテストにかけられ、フックがスコアリングされ、弱いセクションが攻撃され、証拠がチェックされる部分をスキップする。

本当のライティングループは「記事を書いて」から始まらない。アングル選定から始まる。次に、そのアングルを好奇心、具体性、証拠、感情的な緊張に対してテストする。それからドラフトを書く。次にドラフトを評価する。そして書き直す。その後になって初めて、あなたが読むべきだ。

本当のライティングループには階層がある：

アングル → フック → ドラフト → 批評 → 書き直し → 画像アイデア → 次のテスト

ほとんどの人はドラフトだけを要求する。

だからこそ、そのドラフトは他のみんなのものと似てしまうのだ。

1あなたは私のライティングループです。
2
3トピック：
4[トピックを挿入]
5
6読者：
7[読者を挿入]
8
9スタイル：
10[スタイルを挿入]
11
12目標：
13[目標を挿入]
14
15すぐに記事を書かないでください。
16
17まず、このトピックに対して 5 つの可能なアングルを作成してください。
18
19各アングルについて、以下を評価してください：
20- クリックされやすさ
21- 具体性
22- 有用性
23- 一般的な AI コンテンツとどれだけ異なるか
24
25最も強いアングルを選び、なぜそれが勝つかを説明してください。
26
27次に最初のドラフトを書いてください。
28
29ドラフトの後、エディターモードに切り替えて、以下の点について批評してください：
30- 弱いオープニング
31- 一般的な主張
32- 証拠の欠如
33- 退屈なトランジション
34- 不明瞭なペイオフ
35- AI っぽいセクション
36
37次に、その批評を使って記事を書き直してください。
38
39最後に、以下を提供してください：
401. 最終記事
412. 最も強いフック
423. 最も弱い残りのセクション
434. 3 つの画像アイデア
445. 次のバージョンでテストすべきこと

まず、記事に対して 5 つの可能なアングルを作成しなさい。各アングルを好奇心、具体性、有用性、およびクリックされそうかどうかでスコアリングしなさい。最も強いアングルを選び、なぜそれが勝つかを説明しなさい。

次に最初のドラフトを書きなさい。ドラフトの後、評価者になり、一般的な主張、弱い証拠、退屈なトランジション、不明瞭なペイオフ、AI っぽいセクションを攻撃しなさい。その批評を使って記事を書き直しなさい。最後に、最終ドラフト、最も強いフック、最も弱い残りのセクション、そして記事の信頼性を高める 3 つの画像アイデアを提供しなさい。

PART 5 · リサーチループ

同じことがリサーチにも当てはまる。ほとんどの人は AI に「このトピックをリサーチして」と頼み、Google の 2 ページ目のブログ記事のように聞こえるふわっとした要約を得る。リサーチループはランダムに事実を集めるべきではない。緊張を探し求めるべきだ。

このニッチで最も強い記事はすべて同じことをしている。古い行動を見つけ、それがなぜ今壊れているかを示し、新しいカテゴリーを紹介し、読者が盗めるシステムを与える。だからこそ、「Loop Engineering」は「10 個の Claude プロンプト」よりもインパクトがある。1 つは新しい運用モデルのように聞こえる。もう 1 つは PDF のリードマグネットのように聞こえる。

1
2このトピックを、SEO ブログ記事ではなく、パフォーマンスの高い X 記事を書くつもりでリサーチしてください。
3
4トピック：
5[トピックを挿入]
6
7一般的な要約は提供しないでください。
8
9トピックの背後にある緊張を見つけてください。
10
11知りたいこと：
12- 人々がまだ行っている古い行動
13- それを置き換えている新しい行動
14- 古い行動がなぜ壊れているか
15- シフトが本物であることを示す証拠や例
16- 人々がスクロールを止めるであろう逆張りのアングル
17- 誇張されていて避けるべき主張
18
19次に、以下の要素を含むクリエイターブリーフにまとめてください：
20- タイトル
21- テーゼ
22- 冒頭のフック
23- 記事の構造
24- 最も強い例
25- 画像アイデア
26- 読者が帰るときに信じているべきこと

PART 6 · メモリーループ

ほとんど誰も構築していない部分がメモリーだ。メモリーがなければ、すべての AI ワークフローは記憶喪失になる。今日は役立つが、明日は初日のインターンのように最初からやり直す。

メモリーループはそれを変える。プロジェクトの後、AI は何がうまくいったか、何が失敗したか、どのスタイルが機能したか、どの例が最も強力だったか、どの主張が弱く感じられたか、次回に再利用すべきものを抽出するべきだ。これがシステムが複利効果を生み始める方法だ。

あなたのセカンドブレインは、メモを保存するだけでは役に立たない。本当の解放は、それが自分自身を維持し、繰り返しのアイデアを見つけ、未完了の思考に気づき、あなたが尋ねる前に適切なコンテキストを次のタスクに押し込むことだ。

1このタスクが終わったら、作業から再利用可能な教訓を抽出してください。
2
3以下を保存してください：
4
5タスクは何だったか。
6どのアプローチがうまくいったか。
7何が一般的に聞こえたか。
8どの例が最も強力だったか。
9どの構造が最も機能したか。
10次回に何を再利用すべきか。
11どの間違いを繰り返すべきでないか。
12
13次の関連タスクを開始する前に、まずこのメモリーをチェックしてください。
14
15もし古い間違いを繰り返そうとしているなら、それを指摘してください。
16
17もし古いパターンが適用できるなら、それを再利用してください。
18
19もし重要なコンテキストが欠けているなら、最終回答を生成する前にそれを尋ねてください。

このタスクが終わったら、作業から再利用可能な教訓を抽出しなさい。

タスクが何だったか、どのアプローチがうまくいったか、何が一般的に聞こえたか、どの例が有用だったか、次回に何を再利用すべきか、そしてどの間違いを繰り返すべきでないかを保存しなさい。次の関連タスクを開始する前に、まずこのメモリーをチェックし、古い間違いを繰り返そうとしているか、すでに機能したパターンを見逃していないかを教えなさい。

PART 7 · 今、本当のスキル

プロンプトは初心者向けのインターフェースだった。言語がモデルを制御できることを人々に教えたが、同時に考え方を小さくしすぎるようにも訓練した。彼らは依然として AI を答える箱として想像しているが、本当のチャンスは仕事を前進させるシステムを構築することにある。

次のエッジは、どのタスクにループが必要かを知ることだ。すべてに必要というわけではない。簡単な質問は簡単な質問のままでよい。しかし、毎日、毎週、または公開、販売、コーディング、リサーチ、トレード、編集、ナレッジ整理のたびに行うことは、おそらく単一のチャットの中に留めるべきではない。

その仕事にはループが必要だ。

ループは人間を役立たずにするわけではない。人間を実際に重要な部分に移動させる。目標を設定し、センスを定義し、リスクの高い決断を承認し、各実行後にシステムを改善することだ。

まだプロンプトリストを収集している人々は、文章を最適化している。

ループを構築している人々は、機械を最適化している。