Claude自身に自己分析させてCursorのAgentモードへ思考ロジックを移植してみた

やろうとしたこと

CursorのAgentモードをもっと賢く使いたいと思ったとき、「そもそも優秀なAIはどう考えているのか」が気になった。一般的なエージェント設計論を参照するより、Claude（Fable5）自身に「あなたの思考プロセスを教えてください」と聞いた方が本質に近いのではないか——そんな発想がきっかけ。

目的は「ブラックボックスのまま模倣する」ことではなく、Claude自身にメタ認知・自己分析をさせ、その結果をCursor上で再現可能な形に落とし込むこと。問題受け取り直後の思考・タスク分解・仮説立案・自己レビューまで、実装レベルで出力させることを目指した。

詰まったポイント

① プロンプト1発では実現できなかった

最初は「思考システムを自己分析して、Cursor用のRules/Skills/Workflowまで全部出力して」と一度のプロンプトで投げた。返ってきたのは抽象論に終始した内容で、そのままCursorに貼っても意味をなさないレベルだった。

「自己分析」「アーキテクチャ設計」「実装成果物生成」は別々の認知負荷の高いタスクであり、一度に解決しようとすると品質が落ちることを実感した。

② グローバルスキルでは効力が弱い

Cursorのグローバルスキルとして登録してみたが、プロジェクト横断での挙動が安定しなかった。また複数環境・複数プロジェクトで使い回したいという要件もあり、グローバル設定だけでは管理が難しかった。

解決策

① プロンプトを段階的なやり取りに分解する

プロンプト1発ではなく、以下の4ステップに分けてClaudeと対話した。

Step 1：思考プロセスの自己分析

まずClaudeに自己分析だけをさせる。いきなり実装成果物を求めず、思考の言語化に集中させるのがポイント。

「あなた（Claude）が問題を受け取ってから回答を出力するまでの思考プロセスを、できるだけ具体的に自己分析して説明してください。抽象論ではなく、実際に内部で何が起きているかを言語化してください」

Step 2：内部エージェントへの分解

Step 1の出力を踏まえ、思考プロセスを役割ごとのエージェントに分解させる。

「今説明してもらった思考プロセスを、独立した役割を持つ複数のエージェントに分解してください。各エージェントが何を入力として受け取り、何を出力するかも明示してください」

Step 3：Cursor用アーキテクチャ設計

分解されたエージェント構造をCursorのRules/Skills構成に対応させる。

「このエージェント構造をCursorのAgentモードで再現するとしたら、どのようなファイル構成・ルール設計にすればいいか設計してください。.cursor/rules/ と .cursor/skills/ の構成案を出してください」

Step 4：実装成果物の出力

設計を確認したうえで、各ファイルの中身を実際に出力させる。

「Step 3の設計に基づいて、各.mdcファイルと.mdファイルの中身を実装レベルで出力してください」

段階を踏むことで、各ステップの出力品質が大幅に上がった。特にStep 1とStep 2を分けることで、自己分析の精度が高くなり、その後の設計・実装に具体性が出た。

② プロジェクトスキルに設定してGitHub管理する

グローバルスキルではなく、プロジェクトスキル（.cursor/rules/ 以下）として設定することで挙動が安定した。さらに複数プロジェクト・複数環境での使い回しを想定し、このルールセットをGitHubリポジトリで管理する構成にした。

.cursor/
  rules/
    thinking-core.mdc        # 思考プロセスの基本ルール
    task-decomposition.mdc   # タスク分解・逆算思考
    self-review.mdc          # 自己レビュー・品質評価
    agent-roles.mdc          # 内部エージェント役割定義
  skills/
    hypothesis.md            # 仮説立案スキル
    context-management.md    # コンテキスト整理スキル

GitHubで管理しておくことで、新しいプロジェクトでも git clone 後に .cursor/ ディレクトリごと使い回せるようになった。

やってみて分かったこと

実際にCursorで数日使ってみたところ、タスク分解の粒度が上がり、ゴールへの逆算思考が自然と組み込まれるようになった感覚がある。以前は「とりあえずコード書いてみる」という進め方になりがちだったのが、「まずゴールを確認して、逆算して、仮説を立てて進む」という流れが出力に乗ってくるようになった。

ただし体感ベースなので、まだ主観の域を出ない。トークン消費量の変化も含めて、1週間ほど継続して使ったうえで定量的に検証したいと思っている。

「AIの思考を移植する」というアプローチ自体の面白さも感じた。AIに自己分析させるという行為が、そのままプロンプトエンジニアリングの学習になる。

次にやること

• 1週間の実運用後にトークン消費量・タスク完了速度の変化を計測してレポートする
• 今回設定したProjectルールセットをGitHubで公開予定
• 他のモデル（GPT-4o等）でも同様の自己分析を試みて、思考パターンの差異を比較する

同じ試みをしてみた方、あるいはCursorのルール設計で工夫していることがある方はコメントで教えてもらえると嬉しいです。