unslop-reasoning

unslop-reasoning

目的

通常の unslop スキルは文章を対象にします。思考の連鎖の出力には別の失敗パターンがあります。最終回答ではなく、推論に現れる AI らしい不自然な表現です。誰も思考のトレースを手作業で編集しないため、文章向けのカタログにはこれに相当するものがありません。docs/research/ の調査では、このギャップが「AI の推論パターンのカタログがない」（Cat 19）と明示されています。このスキルはその不足を補います。

ユーザーが推論のトレース（内部の思考の連鎖、エージェントによる問題の分解、または拡張思考の出力）を貼り付け、よりロボットらしくない文章にするよう求めた場合に適用します。

推論における不自然な表現の兆候

代表的なパターンを6つ、例と簡潔な書き換えとともに紹介します。

1. 質問を言い換える

AI：

ユーザーは認証ミドルウェアのバグを直す方法を尋ねています。根本原因を特定し、修正案を提示してほしいということです。

人間：

認証ミドルウェアのバグ。原因を特定して修正案を出す。

モデルは入力を自分に言い聞かせるように、一段落かけて言い換えることがよくあります。人間はそうしません。読んで、必要なら下線を引いて、先に進みます。

2. 計画に対する過剰な曖昧表現

AI：

この問題に取り組む際には、考慮すべき要素がいくつかあります。まず、対象範囲について考える必要があります。背景も考慮することが重要です。考えられるアプローチは数多くあります。

人間：

選択肢は3つ。A、B、C。Aが最速、Bが最も安全。問題がなさそうならAを選ぶ。

推論における曖昧表現は、問題を絞り込まずにトレースを膨らませます。実際の思考は早い段階で方向性を決め、その後に修正します。

3. 過剰な分解

AI（2行の修正の場合）：

ステップ1：ファイルを特定する。
ステップ2：関数を見つける。
ステップ3：関数を読む。
ステップ4：バグを特定する。
ステップ5：変更内容を考える。
ステップ6：変更を加える。
ステップ7：変更を検証する。

人間：

auth.py を開く。トークンの有効期限の判定が < になっているが、正しくは <=。42行目を修正する。

些細な問題を7つのステップに分解する必要はありません。儀式のように手順を踏むより、端的に「これが答えです」と示すほうが率直です。

4. 無限ループのような正当化

AI：

選択肢Aは有効かもしれませんが、欠点Xがあります。選択肢BならXを避けられますが、欠点Yがあります。Yも懸念事項だと考えれば、Aの欠点Xは許容できるかもしれません。しかし、Bの欠点Yは対処できる可能性があり……

人間：

AかB。AにはX、BにはYがある。Xは元に戻せるがYは元に戻せないので、Aを選ぶ。

同じ2つの選択肢が長所と短所を入れ替えながら何度も登場するなら、推論は前進せず堂々巡りしています。決断し、決め手を明示しましょう。

5. すべてを網羅しようとする演技

AI：

あらゆる可能性を検討してみましょう。ネットワークの問題かもしれません。DNS の問題かもしれません。ルーティングの問題かもしれません。ファイアウォールの問題かもしれません。権限の問題かもしれません。あるいは……

人間：

DNS かファイアウォールのようです。ログに名前解決エラーがあるので、まず DNS を確認します。

人間の推論は可能性を絞り込みます。列挙はしません。優先順位をつけずにあらゆる可能性を並べると、厳密に考えるのではなく、厳密さを演じている AI のように見えます。

6. 根拠のない自信からの撤回

AI：

バグはキャッシュ層にあると確信しています。待って、もう一度考えてみます。やはりミドルウェアかもしれません。とはいえ、よく考えると最初の考えが正しかったと思います。最も可能性が高い原因はキャッシュ層です。

人間：

おそらくキャッシュです。ミドルウェアの可能性もあります。どちらかに決める前にログを確認します。

一段落の中で「確信しています」と「もう一度考えてみます」を3回行き来するのは、思考ではありません。謙虚さを装っているだけです。

アプリケーション

ユーザーから推論トレースを整理するよう依頼された場合は、次の手順に従います。

1. トレースを一度読みます。
2. 6つのパターンのうち、どれが現れているかをマークします。
3. マークした各セクションを、方向性を明確に示す1文に書き換えます。 事実は残し、形式的な言い回しは削ります。
4. 具体的な詳細はすべて残します。ファイル名、行番号、エラーメッセージ、 具体的な数値などです。削るのはメタ推論だけです。
5. 整理したトレースが元の30%未満の場合は、次のように伝えます。「このトレースはほとんどが 過剰な留保でした。実際の内容はXです。」

境界

• これを最終回答に使ってはいけません。最終回答には、通常の /unslop スキルが扱う 独自の文体目標があります。これは、回答に先立つ可視化された思考に使うものです。
• 訂正を削ってはいけません。具体的な発見に基づいて実際に再考し、考えを変えた場合は、 その過程を残します。それは本物の推論であり、見せかけの謙虚さではありません。
• 過度に圧縮してはいけません。40行の思考トレースを1行に圧縮するのは、元のトレースと 同じくらい不自然です。人間の推論には広がりがあります。単語数を最小限にするのではなく、 人間が考えるときの形を目指します。
• コード、コマンド、エラーメッセージ、ファイルパス、数値は、正確に保持します。

調査の根拠

Cat 19（エージェント型自律思考）は、カタログに欠けている点を直接指摘しています。 「AIスロップな文章（定型句、過剰な迎合、留保の連発——Cat 01、16）には、 十分に文書化されたブラックリストがある。だが、AIスロップな推論パターンには同等の リストがない。過剰な説明、過剰な留保、過度な細分化、そしてエージェントの実行中に見られる 際限のない正当化ループだ。」 このスキルは、そのカタログへの最初の試みです。出発点であり、最終的な答えではありません。

Cat 06（Chain-of-Thought Reasoning）は、可視化された推論トレースは欠点ではなく、 機能であると論じています。ここでの目的は、推論を隠すことではありません。可視化された部分が、 思考を演じるモデルではなく、考えている人のように読めるようにすることです。