Overseas AI Insight
AIの「ルール縛り」はもう古い？
Anthropicエンジニアが明かす、次世代Claudeを活かす「6つの新ルール」
AIへの指示（プロンプト）は多ければ多いほど良いと思っていませんか？
AnthropicのリードエンジニアTariq氏の投稿が話題を呼んだ「コンテキスト設計の6つの新常識」を、日本の個人開発者・小規模事業者が今日から実践できる形に噛み砕いて解説します。
Source: Jay E | RoboNuggets / YouTube
この記事の参考動画
本記事は、YouTubeチャンネル「Jay E | RoboNuggets」で公開された動画『Claude Code Just Changed Forever (6 NEW Rules by Anthropic Engineers)』を参考に、コンテキスト設計の新常識を日本向けに整理したものです。
この記事の重要ポイント
-
「過剰なルール」から「AIの判断」への移行
最新モデルは指示でガチガチに縛るより、AI自身の状況判断に任せる方が高品質な成果物を生み出します。 -
「例示」ではなく「デザインシステム」の提示
具体的な出力例を大量に与えるのは創造性を狭めるため、枠組み（トーンやルール）を定義した共通インターフェースを用意します。 -
漸進的開示（Progressive Disclosure）の採用
すべての前提を最初に読み込ませるプロンプトを止め、必要な瞬間にファイルを読み込ませる「ルーター型」ツリー構造を設計します。 -
シンプルなツール説明と自動メモリの活用
二重の重複説明を排除し、セッション末尾のカリブレートでユーザーの好みを自律学習させます。 -
Markdownから「HTMLアーティファクト」への転換
AIにも人間にも視覚的に理解しやすいHTMLファイルを最強の共通リファレンスとして活用します。
指示を詰め込む時代は終了：コンテキスト設計へのシフト
AIの知能向上は、私たちが長年続けてきた「プロンプトに指示を詰め込む」という従来のアプローチを大きく変えつつあります。
Anthropic社のエンジニアが実践するスリム化と環境構築の知恵から、これからのAI活用の本質を学びましょう。
1進化するAI：なぜ今「コンテキスト設計」の常識を疑うべきなのか
AIの知能は、この1年で目覚ましい発展を遂げました。
評価機関「Artificial Analysis」のベンチマークにおいて、1年前の旧モデル（Opus 4）のスコアはわずか31%でしたが、最新世代の「Opus 5」や「Fable 5」は60%という倍近いスコアを記録しています。
旧世代モデル (Opus 4)
ベンチマークスコア: 31%
細かいルールの指定や重複指示が必要だった時代。
次世代モデル (Opus 5 / Fable 5)
ベンチマークスコア: 60%
状況判断力が飛躍し、過剰なルールが手足を縛る時代へ。
Anthropic内部の実証
システムプロンプト指示を80%以上削減しても、コーディングパフォーマンスの低下は一切ゼロ。
つまり、指示を細かく書いてAIをコントロールしようとする努力はもはや不要。
コンテキスト（文脈や参照ファイル）をいかに最適に設計するかという「コンテキスト・エンジニアリング」が、これからの成果を左右する鍵となります。
2新ルール1＆2：AIの「判断力」を活かし、「デザインインターフェース」で導く
かつてはAIが暴走しないよう「コメントは書くな」といったガチガチのルールを敷いていましたが、現代ではAIの判断力を促す「周囲のコードに馴染むように書け」というシンプルな指示へ変更されています。
-
AIをクリエイティブパートナーとして信頼する
大まかな方針だけを伝え、AI独自の美的センスを解き放つ「/surprise me」のようなアプローチが成果を生みます。 -
「例示（Examples）」を止め「枠組み」を渡す
具体的な出力例を過剰に与えるとAIがその枠内に閉じこもります。カラーやフォントを定めた「HTMLブランドブック」のようなインターフェースを与えて一貫性を保ちます。
実践の要点：出力例のテンプレートを大量に覚え込ませるのではなく、自社の「らしさ」を定義した1枚の基本設計書（枠組み）を作って読み込ませます。
3新ルール3：すべての前提を冒頭に詰め込まない「漸進的開示」
共通指示書（claude.md等）に自社の全ルールや業務知識を詰め込む「厚いプロンプト」は、1回のチャット開始時から大量のトークンを消費し、利用制限や高コストの原因になります。
これを解決するのが、必要な情報が必要な瞬間にだけ読み込まれる「漸進的開示（Progressive Disclosure）」の技術です。
ルーター構造の設計例：中心となる `claude.md` は案内役（ルーター）として機能させ、コンテンツ制作時には `content.md` のみを自動読み込み。余計な業務ルールを読み込ませないことで、劇的なトークン削減を実現します。
4新ルール4＆5：重複説明を排除し、セッション後の「自動カリブレート」を習慣化
最新モデルではコンテキスト後半の指示忘れ（コンテキスト劣化）が解消されたため、ツール説明文とプロンプトで同じ指示を二重に書く必要はありません。説明文はシンプルに保ちます。
また、セッションの最後に「/calibrate（調整）」コマンドを打つことで、会話から学んだ教訓やユーザーの好みを設定ファイルへ自動追記させる「自動メモリ（Automatic Memory）」の活用が推奨されています。
重複説明の排除
ツールの説明文とプロンプトで二重に書いていた指示を削除し、トークン消費を最小化。
自動カリブレート
チャット終了時に「今回の会話から好みを抽出して設定を更新して」と指示し、AIを自動学習。
5新ルール6＆環境診断：Markdownから「HTML」への進化と自動診断
リファレンス資料として、従来のMarkdownから「HTML」ファイルへの移行が進んでいます。裏側はプレーンテキストのためAIにとって読みやすく、ブラウザで開けば人間にとっても直感的なインフォグラフィックとして表示されるためです。
さらに、Claude Code標準搭載の `/doctor` や、カスタム拡張スキル `/doctor plus` を使うことで、プロンプトの肥大化や不要な設定（デッドウェイト）を自律的に診断・スリム化できます。
日本の個人・小規模事業者が今日から始める5ステップ
Anthropicエンジニアの知恵を、自身の業務環境へ落とし込むための実践ロードマップです。
-
ステップ1：カスタム指示（プロンプト）の贅肉を削る
「〜は絶対禁止」といった細かすぎるルールを削除し、AI自身の判断を促すシンプルな指示へ変更します。 -
ステップ2：情報をジャンルごとに別ファイルへ切り出す（ルーター型設計）
1つの指示書にまとめず、『about_us.md』『products.md』に分割し、必要に応じて読み込ませます。 -
ステップ3：自社の「デザイン・トーン」の共通枠組みファイルを作る
大量の回答例を与える代わりに、自社のブランドカラーや語調を整理した「スタイル・インターフェース」を作成します。 -
ステップ4：セッション終わりの「振り返り・調整」を習慣化する
良いやり取りができたチャットの最後に「今回の会話から私の好みを抽出し、設定ファイルをアップデートする内容をまとめて」と指示します。 -
ステップ5：解説や手順はHTML化して視覚的に管理する
複雑なノウハウをまとめる際は「HTML形式で図解付き要約して」と頼み、ブラウザで閲覧可能なインフォグラフィックを作成します。
実践前に押さえたい注意点
-
前提となるAIモデルの知能レベル
指示を削りAIに判断を委ねる手法は、Opus 5 / Fable 5など、現在の高性能モデルを前提とした考え方です。旧世代・軽量モデルでは、より具体的な指示が必要になる場合があります。 -
初期のフォルダ・ファイル設計コスト
情報を分割するルーター型設計は、最初にディレクトリ構造やファイルの役割を整理する時間が必要です。 -
カスタムツールの連携制限
動画内の `/calibrate` や `/doctor plus` は独自環境向けです。標準ブラウザ版では手動のプロンプト指示やファイル管理で代替します。
まとめ：プロンプトを削り、AIのポテンシャルを解放する
これからのAI活用は「いかに少ないルールでAIのポテンシャルを解放できるか」が勝負です。
システムプロンプトの贅肉を削り、ルーター型のファイルツリー構造へ移行することで、トークン消費を最小限に抑えつつ劇的なアウトプットの向上を実現できます。
現在使用しているカスタムプロンプトから
「〜は書かない」「〜は絶対に守る」といった制限ルールを3つ削除してみる。
コメント