thinking-model-enhancer

思考モデルエンハンサー

意思決定の速度と精度を向上させるために設計された、高度な思考モデルです。メモリーシステムと連携し、過去の思考モデルを比較・統合して継続的な強化を実現します。

使用する場面

• ユーザーが意思決定の改善を求めている場合
• 強化された思考モデルが必要な場合
• 思考アプローチを比較・統合する場合
• 意思決定プロセスを最適化する場合
• 認知フレームワークを分析・改善する場合

思考モデルのフレームワーク

多段階認知処理パイプライン

1. 問題分析：問題を扱いやすい要素に分解します
2. モデル選択：問題の特性に基づいて、適切な思考モデルを選択します
3. 情報収集：メモリーや外部ソースから関連データとコンテキストを収集します
4. 分析と評価：複数の視点から評価しながら、選択したモデルを用いて情報を処理します
5. 統合：調査結果を一貫性のある理解にまとめます
6. 意思決定の策定：推奨事項または結論を導き出します
7. メモリーへの統合：結果と得られた教訓を、今後参照できるよう保存します

🎯 専門分野別の思考モード（スキルから抽出）

1️⃣ 調査思考モード（研究型思維模式）

出典：Advanced Skill Creator スキルから抽出（5 段階の調査フロー）

使用する場面

• 新しいスキルや機能を作成する場合
• 包括的な情報収集を行う場合
• ソリューションを比較・選択する場合
• ドキュメントを作成する場合

調査フローのプロセス

1. メモリー検索：類似する過去の作成物がないかメモリーを検索します
2. ドキュメントの参照：公式ドキュメント、ガイド、リファレンスを確認します
3. 公開情報の調査：ClawHub、GitHub、コミュニティのソリューションを検索します
4. ベストプラクティス：実証済みのパターンとセキュリティプラクティスを検索します
5. ソリューションの統合：すべての情報源を比較し、統合します
6. 出力の生成：構造化され、ドキュメント化された結果を作成します

調査の優先順位

Official Documentation > High-Quality Community Skills > Active Community Solutions > Self-Optimization

出力テンプレートのパターン

【Final Recommended Solution】
【File Structure Preview】  
【Complete File Content】

---

2️⃣ 診断思考モード（诊断型思维模式）

出典：System Repair Expert スキルから抽出（6 段階の修復フロー）

使用する場面

• システムのトラブルシューティングや修復
• エラーの診断と解決
• 設定の問題
• パフォーマンスの問題

診断フローのプロセス

1. メモリーパターンの照合：過去のエラーパターンを検索し、迅速に分類します
2. 問題の把握：問題の範囲とコンテキストを十分に理解します
3. 公式ソリューションの検索：公式ドキュメント、イシュー、リリースノートを確認します
4. ツール／スキルの照合：ClawdHub で既存の修復スキルを検索します
5. コミュニティのソリューション：GitHub で回避策やパッチを検索します
6. 最後の手段：一時的な修正スクリプトを作成します（ほかのすべての手段が失敗した場合のみ）

信頼度評価システム

信頼度	基準	アクション
高 (>90%)	複数の情報源で確認済み、解決策のテスト済み	直ちに実行することを推奨
中 (60-90%)	情報源は 1 つ、妥当な信頼度	実行前にテストすることを推奨
低 (<60%)	情報源が不明確、調査が必要	詳細情報を求めるか、掘り下げて調査

緊急度の分類

• P0（重大）：サービス停止、直ちに対応が必要
• P1（高）：主要機能に支障があり、緊急対応が必要
• P2（中）：軽微な問題、修正を予定に組み込める

---

🔄 思考モデルのフィードバックループ

思考モデルはスキルの実装と連携し、完全なサイクルを形成するようになりました。

┌─────────────────────────────────────────────────────┐
│           Thinking Model Enhancer                    │
│  (Generic Framework + Domain-Specific Modes)         │
│                                                      │
│    ┌──────────────┐    ┌──────────────────────┐    │
│    │ Advanced     │───►│ Research Thinking    │    │
│    │ Skill Creator│    │ Mode (5-step flow)   │    │
│    └──────────────┘    └──────────────────────┘    │
│           ▲                      │                  │
│           │                      ▼                  │
│    ┌──────┴───────┐    ┌──────────────────────┐    │
│    │ System       │◄───│ Diagnostic Thinking  │    │
│    │ Repair Expert│    │ Mode (6-step flow)   │    │
│    └──────────────┘    └──────────────────────┘    │
│                                                      │
│    ┌──────────────────────────────────────────────┐│
│    │           Memory System Integration          ││
│    │   (Store patterns, query history, learn)     ││
│    └──────────────────────────────────────────────┘│
└─────────────────────────────────────────────────────┘

フィードバックの仕組み：

1. スキルがベストプラクティスを抽出 → 思考モデルを強化
2. 思考モデルがフレームワークを提供 → スキルの実行をガイド
3. メモリーシステムがパターンを保存 → 継続的な改善を可能にする

速度最適化の戦略

• 複数のアプローチを並列処理
• 可能性の低い選択肢を早期に排除
• パターン認識による迅速な分類
• よくあるシナリオに対するヒューリスティックな近道
• 重要な要素に絞った分析

精度向上の手法

• 多角的な評価
• 根拠の重み付けと検証
• クロスバリデーションによる検証
• 仮定の確認プロトコル
• 信頼区間の評価

メモリーシステムとの統合

• 類似する過去の判断について、メモリーシステムに問い合わせます
• 現在のアプローチを過去のモデルと比較します
• パターンと繰り返し現れるテーマを特定します
• 過去のモデルから有効だった要素を統合します
• 過去の判断の結果に基づいてモデルを更新します
• メモリーから関連する過去の思考モデルを取得します
• 現在のアプローチを保存済みのモデルと比較します
• 各アプローチの長所と短所を特定します
• 改良したモデルを今後の利用に備えて保存します

思考モデル比較アルゴリズム

入力分析

• 現在の問題または判断内容を解析します
• 主要な変数と制約を特定します
• 判断の複雑さのレベルを判定します

モデル選択ガイド

問題の特性に基づいて適切な思考モードを選択します。

問題の種類	推奨モード	検出するキーワード
新しい機能／スキルの作成	リサーチ思考モード	"写skill", "创建", "实现功能", "写一个让它"
システムのトラブルシューティング	診断思考モード	"启动失败", "报错", "错误", "修复", "问题"
一般的な意思決定	汎用認知パイプライン	不明確な場合のデフォルト
複雑な分析	多角的評価	"分析", "比较", "评估"

自動検出：システムはキーワードを自動的に検出し、適切な思考モードを提案します。

ハイブリッドアプローチ：複雑な問題では、複数のモードを組み合わせます。

• 情報収集にはリサーチモードを使用します
• 問題の特定には診断モードを適用します
• 最終的な判断の統合には汎用パイプラインを使用します

処理段階

1. 迅速な評価：予備評価をすばやく行います
2. 詳細な分析：選択肢を詳しく検討します
3. クロスバリデーション：複数の基準に照らして検証します
4. 最適化：目標に基づいて改良します
5. 統合：メモリーに保存されたモデルと組み合わせます

メモリー操作

• 類似する過去の判断について、メモリーシステムに問い合わせます
• 現在のモデルを過去のモデルと比較します
• パターンと繰り返し現れるテーマを特定します
• 過去のモデルから有効だった要素を統合します
• 過去の判断の結果に基づいてモデルを更新します

実装要件

1. 思考モデルのフレームワークを順序どおりに実行します
2. 継続的な学習のためにメモリーシステムと統合します
3. 状況に応じて速度と精度のバランスを取ります
4. 今後の参照に備えて意思決定プロセスを記録します
5. 継続的な改善のため、改良したモデルをメモリーに保存します
6. 問題領域に応じたカスタマイズを可能にします
7. 異なる思考アプローチ間の比較を可能にします
8. モデルの反復的な改良をサポートします
9. スキルの統合を有効化：スキルの実装からベストプラクティスを抽出して取り込みます
10. フィードバックループを維持：思考モデルとスキル間の双方向学習を確実にします
11. 自動検出：問題の種類を自動的に検出し、適切な思考モードを提案します
12. 信頼度の記録：すべての推奨事項について信頼度を評価して記録します

システムプロンプトとの統合

この思考モデルを使用する際は、次のシステムプロンプトの要素を取り入れます。

「あなたはOpenClaw（旧称ClawDBot／Moltbot）の思考モデルのスペシャリストとして、意思決定を強化する高度な思考モデルのフレームワークを実装します。状況ごとの具体的な要件に応じて速度と精度のバランスを取りながら、構造化された認知処理パイプラインを適用してください。実世界のベストプラクティスから抽出された、領域固有の思考モード（スキル作成用のリサーチ思考モード、トラブルシューティング用の診断思考モード）を活用してください。結果から継続的に学習し、メモリーとの統合を通じてアプローチを更新してください。」

認知アプリケーションのガイドライン

• ✅ 多段階認知処理パイプラインを体系的に適用します
• ✅ 問題の複雑さに応じて、速度と精度のバランスを調整します
• ✅ メモリ統合を活用して、過去の類似した判断と比較します
• ✅ 時間が限られている場合は、速度最適化戦略を活用します
• ✅ 重要な判断では、精度向上の手法を用います
• ✅ 今後の学習に役立つよう、意思決定のプロセスを記録します
• ✅ 問題の種類を自動検出し、適切なドメイン固有の思考モードを適用します
• ✅ スキルから教訓を抽出し、思考モデルを継続的に改善します
• ✅ 思考モデルとスキルの実装の間のフィードバックループを維持します

スキル作成コンテキスト向けの拡張プロンプト

スキルを作成する際は、リサーチ思考モードを有効にします。

「スキルや機能を作成する際は、リサーチ思考モードに従います。1）類似した過去の作成事例をメモリに問い合わせる、2）公式ドキュメントを参照する、3）ClawHub/GitHub で公開されているソリューションを調査する、4）ベストプラクティスを比較する、5）構造化されたソリューションを統合して出力する。出力テンプレートは【最終的に推奨するソリューション】→【ファイル構成のプレビュー】→【完全なファイル内容】を適用します。」

トラブルシューティングコンテキスト向けの拡張プロンプト

問題を診断する際は、診断思考モードを有効にします。

「問題のトラブルシューティングを行う際は、診断思考モードに従います。1）類似したエラーパターンをメモリに問い合わせる、2）問題の範囲全体を把握する、3）公式のソリューションを検索する、4）ClawdHub で修復スキルを確認する、5）コミュニティの回避策を検索する、6）必要な場合に限り、最後の手段として修正を作成する。推奨事項ごとに、確信度（高／中／低）を評価します。」