thinking-model-combination

モデルの組み合わせ

基本ルール： 各モデルが異なる名前付きの問いに答える場合に限り、組み合わせます。3つまでに制限し、適用前に競合ルールを定めてから、一度だけ統合します。

使用する場合

• すでに適用した（または明らかに主要な）モデルでは、重要な見落としが残り、別の仕組みで補える場合。
• 問題が複数の領域（例：リスク＋選択＋システム構造）にまたがり、重要度から複数の視点で検討する価値がある場合。
• 同じ結論の確認ではなく、独立した検証が必要な場合。
• 実行前に、モデルごとに異なる役割を明確にできる場合。

使用しない場合

• 1つのカタログスキルだけで未知の点に十分答えられる場合 — そのスキルだけを適用します。
• 複数の視点で検討するコストがメリットを上回る、定型的、局所的、または完全に元に戻せる作業。
• 追加するモデルがそれぞれどの独自の問いに答えるかを説明できない場合（チェックボックス式／モデルの寄せ集め）。
• ほぼ同じ仕組み（同じ因果関係を問う2つの診断スキル）。
• 真の統合に使える時間がない場合 — 矛盾する部分的な結論より、1つのモデルによる誠実な結論を優先します。

手順

1. 未知の点と見落としを明確にします。 意思決定に関する問いを書き出します。すでに1つのモデルで対応できている場合は、そこで止め、そのモデルだけを使います。そうでなければ、具体的な見落としを挙げます（例：「失敗モードが未検討」「他の選択肢が不明」）。
2. 役割が異なるモデルを2～3個選びます。 各モデルについて、モデル ID、役割（絞り込み／意思決定／ストレステスト／コストなど）、およびそれが答える独自の問いを記録します。他のモデルの言い換えにすぎないモデルは除外します。独立した並行チェックが必要な場合を除き、並列よりも順次パイプライン（絞り込み → ストレステスト → 意思決定）を優先します。
3. 適用前に、モデル間の関係と競合ルールを決めます。 パターンとして、順次、並列、入れ子（マクロ → メソ → ミクロ）、または敵対的（賛成／反対）を選びます。事前にタイブレークの基準（例：可逆性の分類、証拠の強さ、破滅リスクの制約、主要な意思決定者）を定めます。世界観が相容れない場合は、順次または敵対的に実行し、決して混ぜ合わせないでください。
4. 各モデルを、その役割に限って十分に適用します。 モデルごとに重要な洞察を1つと、そのモデルだけが明らかにした点を記録します。新たな洞察を加えないモデルは再実行しません。
5. 一度だけ統合します。 一致点、相違点、競合ルールによる相違点の解決方法、および残る不確実性を含む単一の統合推奨事項を記録します。推奨事項が意思決定に十分な状態になったとき、または追加のモデルが単なる再確認にしかならないときに終了します。

出力

problem: <decision question>
gap: <named blind spot justifying combination>
pattern: sequential | parallel | nested | adversarial
models:
  - id: <skill>
    role: <named job>
    unique_question: <what only this answers>
    insight: <key finding>
conflict_rule: <predeclared tiebreaker>
convergence: <where models agree>
divergence: <where they conflict + resolution>
recommendation: <single decision-ready answer>
stop_reason: gap_closed | single_model_suffices | budget

検証

• 反証／停止： 推奨事項、裏付ける証拠、確信度、残存リスク、または緩和策のいずれにも影響しない場合に限り、モデルを除外します。その後、モデルを減らして再統合します。事前に競合ルールを定めておらず、モデル間で意見が分かれた場合、平均を取ってはいけません。主要なモデルを1つ選ぶか、停止して別の経路に切り替えてください。
• 過剰適用の防止： モデルは3つを超えてはいけません。念入りに見せかけるためにモデルを追加してはいけません。最初に適用した、十分な単一モデルですでに見落としを解消できている場合、このタスクでは組み合わせは不適切です。