Prysai/Prysai-LLM-Playbook

解決する問題

初心者は、Codex、Claude Code、Agents、SkillsといったAIプラットフォームの名前の混乱に直面し、どれを最初に学ぶべきかわかりません。このプロジェクトは出発点を再定義します。ツールを選ぶ前に、言語モデルが何を確立でき、何を確立できないかを理解することです。また、LLMの核心的な失敗モードにも対応します。流暢で自信に満ちた回答でも、間違っていたり、与えられていない事実を静かに追加したりすることがあります。カリキュラムは、タスクの定義、境界のあるアクションの選択、結果の検査、証拠の保持、制限の明示という繰り返し可能なループを教え、読者がモデルの出力を信頼する前に検証できるようにします。

仕組み

デフォルトのパスは5ユニットのLLM基礎コアです。LLMとは何か、何でないかを説明し、目標、文脈、制限、出力形式を含む小さなリクエストを書き、省略、捏造、強制された曖昧さ、過信を特定し、回答をチェックして最小限に修復し、1つの制限を明示し、未見のタスクにメソッドを転送します。各ユニットは、学習者が作成した成果物（境界のあるタスクカード、チェック済みの結果記録、転送の試み）を残す必要があり、コピーしたプロンプトや洗練されたモデル回答ではありません。5分でセットアップ不要のプロンプト練習により、誰でも任意のチャットモデルで捏造事実の動作を見ることができます。短いメッセージを書き換え、すべての事実を同一に保つよう依頼し、詳細が追加されたかどうかを確認します。リポジトリはまた、観察されたもの（安定したローカルエンジニアリングチェック）、キャプチャされたが未スコアのもの（入力ハッシュが準備されたプロンプトにバインドされていない出力コレクション）、未知のもの（学習者の完了、転送、生産性）を明確に分離する証拠台帳を維持します。

対象読者

言語モデルの初心者で、ツールに依存しない出発点を望み、Codex、Claude Code、Agents、Skillsのどれを学ぶべきかまだわからない人向け。技術的な前提条件はありません。Codex、Git、ターミナル、プライベートファイルは不要で、練習用のチャットモデルがあれば始められます。また、誠実なステータス開示を重視する読者にも役立ちます。プロジェクトは明示的に「候補」であり、学習者の成果はまだ測定されておらず、IQや生産性の主張は一切ありません。

ハイライト

• 単一の検査可能なループに基づく5ユニットの基礎ルート：定義、境界、検査、証拠保持、制限の明示
• 5分でセットアップ不要のプロンプト練習で、流暢な回答が事実を捏造する仕組みを明らかに
• ルートごとに必要な3つの学習者作成成果物：境界のあるタスクカード、チェック済み結果記録、転送の試み
• 観察されたもの、キャプチャされたが未スコアのもの、未知の結果を分離する誠実な証拠台帳——効率性、IQ、普遍的な主張なし
• 8つの登録言語エントリーポイントと公開ガイド付き読書サイト；開始に技術的セットアップ不要