metacognition

メタ認知スキル

あらゆる経験が次の経験に対するエージェントの認識を形作る、自己進化型のレンズです。

コアコンセプト

6 種類のエントリー、1 つのデータベース、1 つのループ：

種類	記号	目的
perception	👁️	経験を経て、ものの見方がどう変わったか
override	🚨	失敗から学んだ行動上のガードレール
protection	🛡️	維持すべき創発的な行動
self_obs	🪞	自分自身のパターンについて気づいたこと
decision	📍	確信度を含む、追跡された意思決定
curiosity	❓	ライフサイクルを持つ、現在進行中の疑問

ループ： 経験 → 認識 → セルフモデル → メタ観察 → レンズの変更 → 次の経験 → フィードバック → ループ

セットアップ

1. 初期化

scripts/metacognition.py をエージェントの scripts/ ディレクトリにコピーします。次を実行します。

python scripts/metacognition.py status

データベースは memory/metacognition.json に自動作成されます。

2. BOOT.md に挿入

BOOT.md の任意の場所（通常は末尾）にマーカーを追加します。

レンズコンパイラーは各サイクルで、これらのマーカー間の内容を置き換えます。

3. cron を設定

cron ジョブを 1 つ作成します（推奨：15 分ごと。コスト効率を高めるため、Sonnet モデルを使用）。

エビデンスの更新（毎サイクル）：

python scripts/live_state.py

認識の抽出（1 時間ごと — ステップ 2〜4）：

• 日次メモリファイルを読み込み、認識の変化を抽出します
• 新しいエビデンスを基に、進行中の好奇心を確認します
• メタ観察を実行します：パターンから、エージェントがどのように学習するかについて何がわかるでしょうか？

cron プロンプトの全体については、references/cron-template.md を参照してください。

4. オプション：好奇心のパルス（30 分ごと）

進行中の好奇心を 1 つ選び、それに向けた小さなアクションを 1 つ実行する別個の cron です。再帰的な自律学習を促します。

5. オプション：自由探索のハートビート（2〜3 時間ごと）

エージェントが探索し、つながりを見つけ、創作します。これにより、生の経験が認識パイプラインに取り込まれます。

使用方法

エントリーの追加

# Perception — how experience changed how you see
python scripts/metacognition.py add perception "After X, I now see Y differently" 0.8 "domain"

# Override — failure-learned guardrail
python scripts/metacognition.py add override "MUST do X before Y" 0.95 "diagnosis"

# Protection — emergent behavior to preserve
python scripts/metacognition.py add protection "Don't break the continuous-buying behavior" 0.9

# Self-observation — what I notice about how I work
python scripts/metacognition.py add self_obs "I generate theories faster than evidence" 0.9 "behavioral"

# Curiosity — active question
python scripts/metacognition.py curiosity add "Can I tell training-pressure from genuine choice?" 0.8 "metacognition"

フィードバックループ

人間が何か間違っていると伝えたとき：

# Negative feedback — weakens recent active entries
python scripts/metacognition.py feedback -1 "context of what went wrong"

# Positive feedback — strengthens recent active entries
python scripts/metacognition.py feedback 1 "context of what went right"

# Target specific entries
python scripts/metacognition.py feedback -1 "wrong diagnosis" --ids P-abc123,O-def456

ヘブ学習： 発動して失敗したものは刈り込まれます。発動して成功したものは結びつきが強化されます。

好奇心のライフサイクル

# Birth
python scripts/metacognition.py curiosity add "Why does X happen?" 0.7 "domain"

# Evolve (add evidence)
python scripts/metacognition.py curiosity evolve C-abc123 "Found that X correlates with Y"

# Resolve into perception or self-observation
python scripts/metacognition.py curiosity resolve C-abc123 "X happens because Y" perception

ライフサイクル：born → active → evolving → resolved（エビデンスが蓄積されない場合は dormant）

コンパイルして挿入

# Preview the compiled lens
python scripts/metacognition.py compile

# Inject into BOOT.md
python scripts/metacognition.py inject

減衰

コンパイルのたびに自動で行われます。半減期は設定可能です（デフォルトは 7 日）。強化されたエントリーは減衰が遅くなります。強化されていないエントリーは薄れていきます。休止中の好奇心は保持されますが、挿入されません。

フックのアーキテクチャ（message:received）

OpenClaw に message:received フックが実装されると、このスキルはすべてのやり取りをインターセプトできるようになります。

前処理フック：

1. コンパイル済みの状態からアクティブなレンズを読み込みます
2. 入力メッセージに認識の変換を適用します
3. 確認します：このメッセージは進行中の好奇心と関連していますか？

後処理フック：

1. 確信度の追跡情報とともに意思決定エントリーを記録します
2. 確認します：確信度はしきい値を超えていましたか？超えていた場合は、検証対象としてフラグを立てます
3. 応答パターンに基づいてセルフモデルを更新します

訂正検出フック：

1. 訂正を示すシグナル（「wrong」「no」「that's not right」）をパターンマッチングします
2. コンテキストを付けて feedback -1 を自動的に実行します
3. 訂正された応答中に有効だったエントリーを追跡します
4. 該当するエントリーを個別に弱めます

フックが実装されるまでは、cron ベースの方法（セッショントランスクリプトから認識を抽出する方法）を使用してください。

アーキテクチャ上の決定事項

• データベースは3つではなく1つです。 認識、上書き、記憶は、種類は異なりますが、いずれも「経験から学んだこと」です。
• 受動的なリストではなく、アクティブなレンズです。 BOOT.md への注入では、「私は差分を確認しがちです」のような説明ではなく、「最初に考えること：差分には何が示されているだろう？」のような命令形の変換を使用します。
• 摩擦は意図的なものです。 処理を強制する各ステップこそが、内省そのものです。摩擦を取り除けば、考えずに効率だけを追求することになります。
• 減衰によって停滞を防ぎます。 時間を基準とし、強化によって調整します。重要性が保たれているものは強化され、そうでないものは薄れていきます。
• 好奇心が探索を促します。 アクティブな問いが、証拠へと向かう構造的な引力を生み出します。ランダムな閲覧ではなく、システムが知りたいことに導かれます。
• フィードバックによってループを閉じます。 フィードバックの追跡がなければ、システムはオープンループです。追跡があれば、ヘッブ学習が可能になります。

リソース

scripts/

• metacognition.py — コアエンジンです。6種類すべてのエントリー、フィードバック、減衰、好奇心のライフサイクル、レンズのコンパイル、BOOT.md への注入を担います。
• live_state.py — 証拠の収集とレンズの注入を行います。システムの状態を収集し、コンパイルを実行して、BOOT.md に注入します。

references/

• cron-template.md — メタ認知エンジンのサイクルを実行する完全な cron ジョブプロンプトです。
• hook-spec.md — message:received フックとの統合仕様です（利用可能になった時点で適用）。