RinDig/Interpretable-Context-Methodology

何を解決するか

解釈可能なコンテキスト手法（ICM）は、マルチエージェントフレームワークの複雑さと不透明性に対処します。CrewAIやLangChainのようなコード重視のオーケストレーションを使用してマルチステップAIワークフローを管理するのではなく、ICMは構造化されたファイルシステムを使用します。これにより、ワークフローの順序を変更したり、プロンプトを交換したり、ステージを追加したりするための複雑な開発作業が不要になり、システムはデフォルトで観測可能かつポータブルになります。

動作方法

ICMはフレームワークレベルのオーケストレーションをフォルダ階層に置き換えます。単一のAIエージェントが、5層構造のコンテキスト読み込みシステムに基づいて、特定のタイミングで特定のファイルを読み取ります：

• レイヤー0 (CLAUDE.md): グローバルなアイデンティティと位置情報。
• レイヤー1 (CONTEXT.md): タスクルーティング。
• レイヤー2 (Stage CONTEXT.md): 特定のタスク指示（「契約書」）。
• レイヤー3 (参照資料): ブランドガイドラインやデザインシステムなど、実行間で安定した知識。
• レイヤー4 (作業アーティファクト): 前のステージからの動的入出力。

ステージは番号付きフォルダ（例：01-research, 02-script）で、順次実行順序を強制します。各ステージの出力はプレーンテキストファイルであり、次のステージが始まる前に人間がレビューおよび編集できるため、「ガラスボックス」ワークフローが実現されます。

対象ユーザー

各ステップで人間によるレビューが必要な、順次的で繰り返し可能なマルチステップワークフローを持つ実務家向けです。コンテンツ制作、リサーチ分析、レポート作成プロセスなどが該当します。

特徴

• ファイルシステムをアーキテクチャとして利用: コードではなく、フォルダの番号付けと階層構造で状態と順序を管理します。
• 人間が関与するワークフロー: 中間出力はすべて編集可能なテキストファイルであり、人間による簡単な調整が可能になります。
• レイヤードコンテキスト: 現在のステージに必要なコンテキストのみを読み込むことで、モデルのパフォーマンス低下を防ぎます。
• 観測可能性: 特別なログツールは不要。システム状態は単にディスク上のファイルで表されます。
• ワークスペースビルダー: 任意のドメイン向けにICM準拠の新しいワークフローをスケルトン化するための専用ワークスペースを提供します。