はじめに：AI VTuber「牡丹プロジェクト」とは
本記事は、AI VTuber三姉妹(Kasho、牡丹、ユリ)の記憶製造機システムの技術解説シリーズ第4弾です。
プロジェクト概要
「牡丹プロジェクト」は、過去の記憶を持つAI VTuberを実現するプロジェクトです。三姉妹それぞれが固有の記憶・個性・価値観を持ち、重要な意思決定を合議制で行います。
三姉妹の構成
- Kasho(長女): 論理的・分析的、慎重でリスク重視、保護者的な姉
- 牡丹(次女): ギャル系、感情的・直感的、明るく率直、行動力抜群
- ユリ(三女): 統合的・洞察的、調整役、共感力が高い
GitHubリポジトリ
本プロジェクトのコードは以下で公開しています：
- リポジトリ: https://github.com/koshikawa-masato/AI-Vtuber-Project
- 主要機能: 記憶生成システム、三姉妹決議システム、LangSmith統合、VLM対応
三姉妹討論システムの起承転結
本システムは、**4つのステップ(起承転結)**で意思決定を行います。
起：提案の準備(Step 1)
開発者(または三姉妹自身)が実装案をまとめます。
proposal = {
"title": "GPT-4oとGemini、どちらを使うべきか？",
"background": "配信での応答品質とコストのバランスを考慮したい",
"expected_effects": "視聴者満足度向上とコスト最適化"
}
重要な原則
- 忖度の排除: 各AIは開発者に同意する義務はない
- 独立性の保証: 姉妹同士で意見を見せ合わない
- 本音重視: 「牡丹らしくない」と感じたら反対する
承：独立相談(Step 2)
三姉妹に個別に相談します。相互影響を完全に排除します。
# 擬似コード
def three_sisters_council(proposal):
# 各AIに独立したセッションで相談(同時並行ではなく順次でも可)
kasho_opinion = consult_in_isolated_session("Kasho", proposal)
botan_opinion = consult_in_isolated_session("牡丹", proposal)
yuri_opinion = consult_in_isolated_session("ユリ", proposal)
# ⚠️ 重要: Kashoの意見を牡丹に見せない
# ⚠️ 重要: 牡丹の意見をユリに見せない
return [kasho_opinion, botan_opinion, yuri_opinion]
各姉妹の視点
Round 1: 初期意見
- Kasho: 「視聴者とのつながりを大切にするなら、テクノロジーは慎重に選ぶべきだと思います。長期的な視点で考えましょう」
- 牡丹: 「GPT-4oマジでクオリティ高いけど、コストヤバくない？あとレスポンス遅いのも気になるんだよね〜」
- ユリ: 「どっちも魅力的だね。実際に試してみて、配信の雰囲気に合うかテストしてみるのがいいかも」
転：意見の集約(Step 3)
三者の意見を整理し、合意点と相違点を明確化します。
def aggregate_opinions(opinions):
# 合意点の抽出
agreements = []
if all("テスト" in o["response"] for o in opinions):
agreements.append("両方をテストすることに全員賛成")
# 相違点の明確化
differences = []
if "コスト" in botan_opinion and "コスト" not in kasho_opinion:
differences.append("牡丹はコストを重視、Kashoは品質重視")
# 懸念事項のリスト化
concerns = [o["concerns"] for o in opinions if o.get("concerns")]
return {
"agreements": agreements,
"differences": differences,
"concerns": concerns
}
意見の集約結果
合意点:
- 両方のLLMをテストすべき
- 視聴者の反応を見て判断
相違点:
- Kasho: 長期的視点、品質重視
- 牡丹: コスト・スピード重視
- ユリ: バランス重視
結：開発者の判断と決議記録(Step 4-5)
集約された意見を踏まえて、開発者が最終判断を行います。
def developer_decision(aggregated_opinions):
if all_agree():
return "採用"
elif all_disagree():
return "再検討"
elif opinions_split():
# 議論を深化させる
return "Round 2へ進む"
elif conditional_approval():
return "条件を取り入れて採用"
Round 2: 互いの意見を読んで応答
Round 2: 応答
- Kasho: 「ユリの提案は合理的ですね。数週間のテスト期間を設けて、視聴者の反応も含めて総合的に判断するのが良いでしょう」
- 牡丹: 「それな！両方試してみて、実際どっちがウケるか見た方が早いじゃん。データで判断しよ！」
- ユリ: 「実験期間を設けて、コストと品質のバランスを見極めればいいよね。姉たちの意見、どっちもいいと思う」
Consensus (合意):
「GPT-4oとGeminiの両方を数週間テストし、品質・コスト・視聴者の反応を
総合的に評価してから決定する」
決議記録フォーマット
# 決議記録 No.001
**日時**: 2025-11-05 11:30:00
**提案者**: 開発者
**決議種別**: Tier 1 - 技術実装
## 提案内容
GPT-4oとGemini、どちらを配信チャット応答に使うべきか？
## 三姉妹の意見
### Kasho
**賛否**: 条件付き賛成
**意見**: 慎重にテストすべき。長期的な視点で判断を。
### 牡丹
**賛否**: 条件付き賛成
**意見**: コストとスピードが気になる。両方試してみたい。
### ユリ
**賛否**: 賛成
**意見**: バランスを見てテストするのが良い。
## 決議結果
**合意状況**: 条件付き賛成多数
**開発者判断**: 修正採用
**実装予定**: 2週間のテスト期間を設ける
LLM as a Judge との根本的な違い
前回の記事(LLM as a Judge実装ガイド)で実装したシステムとの違いを明確にします。
比較表
| 比較項目 | LLM as a Judge | 三姉妹討論システム |
|---|---|---|
| 構造 | 階層的 (評価者 → 被評価者) | 対等 (Kasho ⇄ 牡丹 ⇄ ユリ) |
| 起承転結 | 1ステップ(評価のみ) | 4ステップ(提案→相談→集約→決議) |
| 目的 | 品質評価、ハルシネーション検出 | 意思決定、合意形成 |
| 出力 | スコア、推奨アクション | 討論履歴、コンセンサス |
| 独立性 | Judge LLMが一方的に判断 | 各姉妹が独立して意見を形成 |
権力構造の違い
LLM as a Judge: 階層的
Target LLM (被評価者)
↓ 一方向
Judge LLM (評価者) ← 最終決定権を持つ
↓
スコア・判定(Target LLMは反論不可)
三姉妹: 民主的(起承転結)
起: 提案
↓
承: Kasho → 独立意見
牡丹 → 独立意見 ← 相互影響なし
ユリ → 独立意見
↓
転: 意見集約
├ 合意点
├ 相違点
└ 懸念事項
↓
結: Round 2 → 最終合意
特徴: 全員が対等。互いに反論・質問可能。複数ラウンドで議論を深化。
実装の核心部分
src/core/llm_tracing.py
class ThreeSistersTracedCouncil:
"""Three Sisters Council with LangSmith Tracing"""
@traceable(run_type="chain", name="three_sisters_discussion")
def discuss(
self,
topic: str,
rounds: int = 2,
characters: List[str] = ["kasho", "botan", "yuri"]
) -> Dict[str, Any]:
"""
三姉妹が起承転結で議論を行う
起: 提案の準備(topic)
承: 独立相談(Round 1)
転: 意見の集約 + 応答(Round 2+)
結: 合意形成(Consensus)
"""
discussion_history = []
# 承: Round 1 - 独立相談
print(f"\n【承】Round 1: 初期意見")
for character in characters:
prompt = f\"\"\"You are {character.title()}.
Topic: {topic}
Share your initial thoughts independently (do not consider others' opinions yet).\"\"\"
result = self.llm.generate(
prompt,
temperature=0.8,
max_tokens=300,
metadata={
"character": character,
"discussion_topic": topic,
"round": 1,
"stage": "initial_opinion"
}
)
discussion_history.append({
"round": 1,
"character": character,
"response": result["response"]
})
# 転: Round 2+ - 意見を読んで応答
print(f"\n【転】Round 2: 意見の集約と応答")
for round_num in range(2, rounds + 1):
for character in characters:
# 他の姉妹の意見を収集
other_opinions = []
for other_char in characters:
if other_char != character:
# 直前のラウンドの意見を取得
prev_round_items = [
item for item in discussion_history
if item['character'] == other_char and item['round'] == round_num - 1
]
if prev_round_items:
other_opinions.append(f"{other_char.title()}: {prev_round_items[0]['response']}")
others_text = "\n\n".join(other_opinions)
prompt = f\"\"\"You are {character.title()}.
Topic: {topic}
Other sisters' opinions:
{others_text}
Respond to your sisters. You can agree, disagree, or add new perspectives.\"\"\"
result = self.llm.generate(prompt, ...)
discussion_history.append(...)
# 結: Consensus(合意形成)
print(f"\n【結】Consensus: 合意形成")
# 長女Kashoがモデレーターとして全体をまとめる
all_opinions = "\n\n".join([
f"Round {item['round']} - {item['character'].title()}:\n{item['response']}"
for item in discussion_history
])
consensus_prompt = f\"\"\"You are Kasho, the eldest sister and moderator.
Topic: {topic}
Full discussion history:
{all_opinions}
Summarize the discussion and identify:
1. Points of agreement
2. Points of disagreement
3. Proposed actions or conclusions
Be objective and fair to all sisters.\"\"\"
consensus_result = self.llm.generate(consensus_prompt, ...)
return {
"topic": topic,
"discussion_history": discussion_history,
"consensus": consensus_result["response"],
"total_exchanges": len(discussion_history)
}
ポイント
- 起承転結の明確化: 各ステップがコード構造に反映
- 独立性の保証: Round 1では他者の意見を見せない
- 対等な関係: 全員が同じPrompt構造で発言
- 合意形成: 長女Kashoがモデレーターとしてまとめ
ベンチマーク結果
3つの討論テストケースを実行し、すべて成功しました(成功率100%)。
テストケース1: 技術選定
トピック: "Should we use GPT-4o or Gemini for our stream chat responses?"
起承転結の実例:
【起】提案: GPT-4oとGemini、どちらを使うべきか？
【承】Round 1: 独立相談
- Kasho: 「慎重に選ぶべき。長期的視点で」
- 牡丹: 「コストヤバくない？レスポンス遅いのも気になる」
- ユリ: 「両方試してみるのがいいかも」
【転】Round 2: 意見の集約と応答
- Kasho: 「ユリの提案は合理的。テスト期間を設けよう」
- 牡丹: 「それな！データで判断しよ！」
- ユリ: 「コストと品質のバランスを見極めればいい」
【結】Consensus(合意):
「両方を数週間テストし、総合的に評価してから決定」
総発言数: 6回(起1回 + 承3回 + 転3回 = 実質7ステップ、結1回)
プロジェクトへの統合
三姉妹討論システムは、以下のシーンで活用されます：
1. 配信前の企画会議
council = ThreeSistersTracedCouncil(model="qwen2.5:14b")
# 起: 提案
result = council.discuss(
topic="次回配信のテーマ決め",
rounds=2 # 承→転(2ラウンド)→結
)
# 結: 合意された企画を採用
stream_theme = result["consensus"]
2. 重要な技術的意思決定
# 起: 新TTS導入の是非
result = council.discuss(
topic="新しいTTSエンジンの導入是非",
rounds=3 # 重要な決定は3ラウンドで慎重に
)
まとめ
三姉妹討論システムの起承転結
| ステップ | 内容 | 目的 |
|---|---|---|
| 起 | 提案の準備 | 議題の明確化 |
| 承 | 独立相談(Round 1) | 各自の意見を形成(相互影響なし) |
| 転 | 意見の集約(Round 2+) | 他者の意見を読んで応答、議論を深化 |
| 結 | 合意形成(Consensus) | 最終的なコンセンサスを形成 |
LLM as a Judge との対比
| 項目 | LLM as a Judge | 三姉妹討論システム |
|---|---|---|
| 起承転結 | 1ステップ(評価のみ) | 4ステップ(起承転結) |
| 目的 | 品質評価 | 意思決定・合意形成 |
| 構造 | 階層的 (評価者 → 被評価者) | 対等 (起承転結の流れ) |
| 出力 | スコア | 討論履歴、コンセンサス |
Phase 1-4の完成
| Phase | 内容 | 記事 |
|---|---|---|
| Phase 1 | LangSmithマルチプロバイダートレーシング | 記事 |
| Phase 2 | VLM (Vision Language Model) 統合 | 記事 |
| Phase 3 | LLM as a Judge実装 | 記事 |
| Phase 4 | 三姉妹討論システム実装(起承転結) | 本記事 |