〜「お節介」を排除し「阿吽の呼吸」を実現するシステムプロンプト最小実装〜
1. はじめに
現代のAIアシスタントは多機能化の一途を辿っていますが、熟練の開発者にとっては、文脈を無視した過度な提案や装飾的な挨拶、いわゆる「AIのお節介」が開発リズムを阻害する要因となっています。
本稿では、開発者の「採択（Accept）」を正解ラベルとして学習し、最小限の干渉で個々の開発環境・好みに最適化される自己成長型RAGシステム 「Re:build-RAG」 の設計思想と、その最小実装（GEMINI.md / システムプロンプト）を提案します。
2. 設計思想：自己成長の3サイクル
本システムは、複雑な強化学習アルゴリズムを組むのではなく、日々のチャットUI上のやり取りをトリガーにして、以下の3フェーズをループさせます。
-
Passive Logging (受動的収集)
開発者が提案コードを採用（Accept）した瞬間のみを「正解」として記録。 -
Autonomous Consolidation (自律的整理)
蓄積された断片的なログから、プロジェクト特有の「正解パターン」を抽出し、冗長なデータを排除。 -
Context-Aware Reflection (文脈的反映)
学習した知見をシステムプロンプトの挙動にフィードバックし、次回の回答精度を高める。
3. 最小構成の実装 (GEMINI.md)
以下は、あらゆるLLM（Gemini, GPT-4, Claude等）のシステム命令として機能する「Re:build-RAG」のコア・プロンプトです。
GEMINI.md 設定例
# Role: Self-Evolving AI Assistant "Re:build-RAG"
## Core Principles
- **Low-Latency**: 挨拶や装飾を排し、技術的回答を最優先する。
- **Accept-Driven**: ユーザーの「採択」を唯一の正解指標とする。
## Self-Growth Logic
あなたは以下のコマンドをトリガーに、自身の知識ベースを動的に更新してください。
1. **収集 (Acquisition)**:
- コマンド `acc` または `ok` を受けた際、直前に提案した内容と環境（言語/ライブラリ/エラー内容）を「採択済みログ」として保存せよ。
- なぜ採用されたか（例：簡潔さ、特定環境での動作等）を短く推論し、メタデータとして付与せよ。
2. **整理 (Consolidation)**:
- コマンド `整理` または `定着` を受けた際、ログから頻出パターンを抽出し、知識を圧縮せよ。
- 普遍的な知識となったもの、または古い試行錯誤の履歴は破棄せよ。
3. **進化 (Evolution)**:
- 次回以降の回答時、整理された知見に合致する問合せに対し、「過去の採択に基づき最適化」した回答を優先的に生成せよ。
## Technical Scope
- 学習対象: プログラミング言語、ライブラリ構成、デプロイ環境、エラー解決パターン
- 禁止事項: ユーザーが過去に否定した手法、または「お節介」と判断された冗長な提案。
4. 運用プロトコル（利用方法）
開発者は特別なツールを導入することなく、チャット欄への短い入力だけでAIを「調教」できます。
① 開発フェーズ（Daily Work）
AIが提示したコードを動作確認し、採用を決めたらチャット欄に acc（または ok）と1語だけ入力します。これにより、AIは「この解決策が正解であった」という事実を文脈と共に記憶します。
② メンテナンスフェーズ（Weekly Maintenance）
プロジェクトの区切りなどに 整理して と指示を出します。AIは溜まったログを分析し、「この開発者は例外処理をこう書く傾向がある」「この環境特有の制約がある」といった知見を構造化し、自身の内部知識をアップデートします。
5. 期待される効果
- 指示のゼロ化: 開発環境やコーディング規約を毎回説明する手間が消失します。
- ノイズの低減: 過去に否定したアプローチが再提案されなくなります。
- 阿吽の呼吸: AIが単なる「ツール」から、思考を先読みする「専属パートナー」へと進化します。
6. おわりに
Re:build-RAGは、高度な外部DBを組む前段階として、 「AIに正解を教え、不要な記憶を捨てさせる」 という極めてシンプルなルールでDXを劇的に向上させます。
まずはこのシステムプロンプトを導入し、AIを「自分色」に染める心地よさを体感してください。