チートシートはちょっと受け身な感じもするので、戦略的に採用するパターンにたどり着くような立案のプロセスをChatGPT(o3-mini）に提案してもらいました。こっちの方がチートシートより簡潔にアプローチできるイメージがありました。ご参考、以下です。
1. ユーザー／環境コンテキストの取得
課題例: ユーザーが与える入力が不完全・曖昧で、追加情報が必要。
対話だけで十分 → Passive Goal Creator 対話インターフェース上での明示的なゴール抽出・補完を行う 。
周辺情報（画面キャプチャ・ジェスチャー等）が必要 → Proactive Goal Creator センサやスクリーンショット等を用い、ユーザー意図を能動的に補足。
2. プロンプト／レスポンスの標準化
課題例: 外部ツールや他エージェント連携時にフォーマットがバラバラ。
必須 → Prompt/Response Optimiser テンプレートに従いプロンプト・レスポンスを整形し、相互運用性と目標適合性を担保。
3. 知識補完の要否
課題例: ドメイン固有データをモデルが学習しておらず、外部知識が必要。
必要 → Retrieval Augmented Generation (RAG) ベクトルストア等から最新・機密データを取得し、モデル呼び出しに組み込む 。
不要 → スキップ
4. モデル呼び出し戦略
課題例: 低コストで全体計画を素早く立案したい vs. 詳細な検証が必要。
一回で全体計画生成 → One-Shot Model Querying コスト効率・シンプルさ重視。ただし詳細不足・説明性欠如に注意
。
ステップ毎に呼び出し → Incremental Model Querying 文脈ウィンドウ制限回避・説明性向上。ただし呼び出し回数増加によるオーバーヘッドに注意。
##5. 計画生成パターン
課題例: 明確な一連手順がある vs. ユーザー選択肢を含む多様なルートが必要。
単一路線の計画 → Single-Path Plan Generator CoT（Chain-of-Thought）等で効率的に直線的計画を生成 。
複数分岐の計画 → Multi-Path Plan Generator ユーザー確認を挟みつつ多様性・包括性を確保（Tree-of-Thoughts等） 。
6. 計画の検証・改善プロセス
課題例: 計画に誤り・抜け漏れがある可能性。
自己検証 → Self-Reflection 自己一貫性チェックで高速反復。ただし評価精度に限界あり citeturn1file0。
他エージェント検証 → Cross-Reflection 専門エージェントを利用し、より包括的に精度向上。ただし責任所在が複雑化。
人手検証 → Human Reflection ユーザー／専門家のフィードバックで調整。透明性・受容性向上 。
7. マルチエージェント協調方式
課題例: 複数エージェントで最適解を合意形成したい。
投票による合意 → Voting-based Cooperation 公平性・説明責任を確保しつつ集合知を活用 。
役割分担 → Role-based Cooperation プランナー／ディスパッチャー／ワーカーなど明確な役割でスケーラビリティ確保 。
議論型 → Debate-based Cooperation 反証・討論を経て批判的思考を促進。ただしオーバーヘッド大 。
8. セーフティ＆ガバナンス
課題例: 悪意ある入力や法規制対応が必要。
入出力監視 → Multimodal Guardrails ルール／AIベースで入出力を検査し、安全・適合性を担保。
9. 外部ツール・エージェント管理
課題例: 多数のプラグインやエージェントから最適なものを選びたい。
レジストリ → Tool/Agent Registry メタデータカタログで探索性・適切性を担保 。
インターフェース変換 → Agent Adapter 各ツールAPIをラッピングし、エージェント連携を容易化 。
10. パフォーマンス評価
課題例: エージェント品質を定量的に把握・改善したい。
評価モジュール → Agent Evaluator 機能適合性や適応性をテスト・ベンチマークし、運用前後で品質を維持 。
適用のポイント
非逐次的実装：各パターンは独立して適用可能。マイクロサービス的に組み合わせる。
トレードオフの把握：緑＝得られる効果、橙＝注意すべき副作用を常に意識。
反復的チューニング：初期段階ではシンプルなパターンから始め、運用データを元に徐々に複雑化。
この戦略モデルを参照しながら、自身のアプリケーション課題に合わせてパターンを選択・組み合わせることで、FMベースエージェントの設計と実装を効率的かつ効果的に進められます。