みなさん、こんにちは、leopardracer です！毎週、良いコンテンツのアイデアを見つけるのに何時間もかかっていました。Reddit を 1 つのタブ、ニュースを別のタブ、arXiv を 3 つ目のタブ、そして Obsidian のノートにすべてを貼り付けて、どうやって情報をつなげるかを覚えておく、といった具合です。AI の検索はそれぞれ数秒で終わりますが、残りの時間はそのつなぎ役に費やしていました。
さらに悪かったのは、タブやチャットを切り替えるだけで、かなりの注意力を消耗してしまったことです。切り替えるたびに集中力が削がれ、リセットするたびに作業が実際以上に重く感じられました。
当時は気づきませんでしたが、プロンプトを過度に最適化するよりも、単にワークフローを作成するべきだったのです。その最善の方法を考えるのに少し時間がかかりましたが、プロンプトをワークフローに変換する方法を共有する準備ができました。
この記事の内容:
- プロンプトの習慣が規模の拡大に伴って機能しなくなる理由
- 最初のワークフローの候補を見つける方法
- 長い会話の中の継ぎ目を見つける方法
- コンテキストを前方に引き継ぐハンドオフパターン
AI のチャットタブ間で出力をコピー＆ペーストしているなら、本来 AI が処理すべき調整作業を自分で行っています。その解決策は、プロンプトをワークフローに変換することです。各ステップがファイルに出力を書き込み、次のステップがそれを読み取ります。コンテキストは、あなたが持ち運ばなくても自動的に引き継がれます。本当に決断が必要な場面でのみ、作業を止めれば良いのです。
プロンプトが機能しなくなる時
ほぼすべての人が、同じように AI を使い始めます。質問を入力し、回答を得て、それをどこかにコピー＆ペーストし、繰り返す。私も、最初の 1 年間はこのような使い方をしていました。そして、それぞれのやり取りが具体的な成果をもたらすため、生産的に感じられるのも理解できます。
しかし、やがて AI を管理する時間の方が、AI が節約してくれる時間よりも長くなっていることに気づきます。自分でステップ間のコピーを行い、ステップ 3 がステップ 1 から何を必要としていたかを自分で覚えておくことになります。
2025 年 10 月に arXiv で公開された研究 では、関連情報が長いコンテキスト内に埋め込まれている場合、関連のないトークンがすべてマスクされていても、LLM の精度が大幅に低下することが判明しました。
プロンプトエンジニアリングのブログやコースでは、今でも適切な言葉を使えばすべてが解決するという考えを売りにしています。彼らは間違ったレイヤーを最適化しているのです。パイプラインをチャットウィンドウ経由で実行しようとしているのであり、どんなに言葉を練ってもそれが変わるわけではありません。
プロンプトの限界にぶつかるということは、アーキテクチャに問題があるということです。
最初の AI ワークフローを見つける方法
さらに進む前に、これを試してみてください。AI を使って行った最後の反復作業を思い浮かべてください。45 分かかって、30 分経った頃には叫びたくなったような作業です。そして、自問してみてください。
- ステップ間でコピー＆ペーストをしていましたか？
- コンテキストが汚染され続けたため、複数のチャットウィンドウを開いていましたか？
- ステップ 3 がステップ 1 から何を必要としていたかを覚えておく必要がありましたか？
- 各ステップの AI の出力は良かったのに、最終結果は平凡でしたか？
これらのいずれかに「はい」と答えたなら、あなたはすでにワークフローの候補を持っています。これまで手動で調整作業を行っていたのです。
すぐに使えるプロンプトを紹介します。次の長い AI との会話の最後、タスクが終わった後にこれを貼り付けてください。
1今行ったこの会話を振り返ってください。以下に、私が最初に使ったプロンプトを貼ります。このタスクが再利用可能なスキルやワークフローに変換できるかどうかを分析してほしいのです。23具体的には：41. 私が行った手順を、各ステップが次のステップに必要な出力を生成するシーケンスとして構造化できますか？52. コンテキストを引き継ぐ必要があるハンドオフポイントはありますか？63. このタスクは、1 つの長い会話として実行するよりも、明確なコンテキストを持つ個別のステップに分割することでメリットがありますか？74. これがワークフローになった場合、入力、指示、出力、チェックポイントはどのようになりますか？89以下が私が使用した最初のプロンプトです：[ここに最初のプロンプトを貼り付けてください]1011これがワークフローに適した候補かどうか、また適している場合は、手順がどのようになるかをスケッチしてください。
次の反復作業の後にこれを実行してみてください。おそらく、あなたはすでにワークフローに適した作業を手動で行っていることに気づくでしょう。
これは、Hermes、Claude Code、Codex、Cowork、その他の AI 会話ツールを使用しているかどうかに関係なく機能します。パターンは同じです。ツールは重要ではありません。構造が重要なのです。
長い会話の中の継ぎ目を見つける場所
長い会話をワークフローに変換するには、まず現在のプロセスに継ぎ目がどこにあるかを見極めることから始まります。
長い AI との会話の中で、ギアチェンジした瞬間を探してください。「よし、次は X をやろう」と言って新しい精神的なコンテキストを開始した時。チャットの前半から何かをコピーして新しいリクエストに貼り付けた時。AI が忘れてしまったため、何をしていたかを思い出させなければならなかった時。それらの継ぎ目こそ、スコープクリープが発生する場所です。
それらがあなたの継ぎ目です。それぞれの継ぎ目は、ワークフロー内の潜在的なステップです。
私が限界を感じたのは、コンテンツ発案プロジェクトの時でした。ニュースレターの記事の興味深い角度を見つける必要があり、複数のソースから情報を集める必要がありました。Reddit のスレッドは特定の問題に関する苦情を表面化し、ニュース記事は新しいツールを扱い、arXiv の論文は新しい機能を示唆していました。
私は手動で始めました。Reddit の投稿をドキュメントにコピー＆ペーストし、ニュースの見出しをスクレイピングし、arXiv を検索してアブストラクトを保存しました。コンテキストウィンドウが汚染され続けるため、各ソースはそれぞれ別のチャットセッションにありました。Reddit を終えた頃には、ニュース検索で見つけたものを忘れていました。
そこで、各ソースに対して個別のスキルを作成しました。Reddit リサーチ用、ニューススクレイピング用、arXiv 論文用の 3 つです。各スキルは単独では問題なく機能しましたが、それらの間の調整は依然として私が行っていました。Reddit スキルを実行して出力を保存し、ニューススキルを実行してその出力を保存し、arXiv スキルを実行してその出力を保存する。そして、3 つすべてを手動で組み合わせて最終的なアイデアリストを作成していました。
私はエージェントの調整作業を手動で行っていたのです。AI は各ステップをうまく実行できました。問題はハンドオフでした。私がミドルウェアだったのです。
コンテキストを正しく前方に引き継ぐ方法
ワークフローとは、各ステップが次のステップに必要なものを生成する一連のステップです。ワークフローがプロンプトと異なる点は、コンテキストが自動的に前方に移動するため、自分で手動で運ぶ必要がないことです。
Anthropic の「Building Effective Agents」ガイド（2024 年 12 月公開、広く決定版リソースとして引用されています）は、明確な区別を示しています。ワークフローとは、LLM とツールが事前定義されたコードパスを通じてオーケストレーションされるシステムです。エージェントとは、LLM が動的に自身のプロセスを指示するシステムです。
非プログラマーにとって、ワークフローは最適な領域です。あなたがパスを定義します。AI が各停止ポイントで作業を行います。
Anthropic は 5 つのワークフローパターンを説明しています。平易な言葉で言うと：
プロンプトチェーンは組み立てラインのように機能します。ステップ 1 の出力がステップ 2 の入力になります。各ステップはシンプルで集中した状態を保ちます。
ルーティングは、異なる入力を異なるパスに振り分けます。手紙を正しい郵便番号に仕分ける郵便仕分け機のようなものです。
並列化は、複数のことを同時に実行します。1 人の研究者の代わりに 3 人いるようなものです。
オーケストレーター・ワーカーは、作業を分解してワーカーエージェントに委任するボスエージェントを使用します。
評価者・最適化者は、1 つのエージェントが作業を行い、別のエージェントがそれをチェックします。最初のエージェントはフィードバックに基づいて修正します。
私は、これらすべてをまとめるファイルをハンドオフファイルと呼んでいます。各ステップは作業内容を書き留めるため、次のステップは推測する必要がありません。フォーマットよりも原則の方が重要です。マークダウンファイル、Google ドキュメント、構造化テキストブロックのいずれでも構いません。重要なのは、各ステップが次のステップで読み取れるものを生成することです。
私はステップ間でコンテキストを保持するためにあらゆる方法を試しました。インメモリ変数はセッションが終了すると消え、データベースエントリはセットアップとメンテナンスが必要で、共有状態ファイルは 2 つのステップが同時に書き込むと破損します。
Obsidian のマークダウンファイルが勝った理由は、それが退屈で信頼性が高いからです。
ワークフローの各ステップは出力をマークダウンファイルに書き込み、次のステップはそのファイルを読み取ります。ファイルはワークフローを反映したフォルダ構造に配置されます。何か問題が発生した場合、ファイルを開いてステップ 3 が何を生成したかを正確に確認できます。チェーンを逆方向にたどって問題を特定します。
これにより、予想外の利点も得られました。各サブエージェントまたはステップが何をしたかを、それが生成した特定のファイルへのリンクと共に追跡できます。最終出力に何か怪しい点がある場合、中間ファイルを開いて、どこから逸脱が始まったかを見つけられます。
マークダウンファイルには実際的な利点もあります。プレーンテキストはどこでも機能します。ファイルは変換なしでシステム間を移動できます。変更は時間の経過とともにバージョン管理可能です。すべてが Obsidian で美しくレンダリングされます。私は既にメモに Obsidian を使用しています。
コンテキストをデータベースや共有状態メカニズムに保存すると、複雑さが増し、セットアップが必要になり、依存関係が生まれます。マークダウンファイルは、フォルダとテキストエディタ以外は何も必要としません。
各ステップは作業を書き留めます。次のステップは前のステップが書いたものを読み取ります。コンテキストはメモリではなくファイルを通じて前方に引き継がれます。
AI ワークフローをステップバイステップで構築する
これが実際にどのように機能するかを示しましょう。例として私のコンテンツ発案ワークフローを使用しますが、この構造は反復的なタスクなら何にでも機能します。
このワークフローは 4 つのステップで構成されています。各ステップは前のステップの出力ファイルを読み取り、自身の出力ファイルに書き込みます。
ステップ 1: Reddit リサーチ
入力: 検索するトピックまたはキーワード。
実行内容: そのトピックに関連する問題について人々が苦情を述べているスレッドを Reddit で検索します。
出力: スレッドのタイトル、URL、および主な苦情を含む reddit-findings.md。
ステップ 2: ニューススクレイピング
入力: 同じトピック。
実行内容: そのトピックに関連する新しいツールやトレンドに関する記事をニュースソースで検索します。
出力: 見出し、URL、および要約を含む news-findings.md。
ステップ 3: arXiv 検索
入力: 同じトピック。
実行内容: そのトピックに関連する新しい機能を示唆する論文を arXiv で検索します。
出力: 論文のタイトル、アブストラクト、および関連性のメモを含む arxiv-findings.md。
ステップ 4: 統合
入力: ステップ 1〜3 の 3 つのファイルすべて。
実行内容: 3 つのファイルすべてを読み取り、記事の角度アイデアのリストに統合します。
出力: それぞれがリサーチに基づいた 5〜10 の潜在的な記事トピックを含む idea-angles.md。
各ステップは、必要なものだけを含むクリーンなコンテキストを取得します。何も埋もれたり忘れられたりしません。
このワークフローの最初の試みは見苦しいものでした。デスクトップ上のファイル、メモアプリのチェックリスト、そして大量のコピー＆ペーストで成り立っていました。しかし、構造化されていました。各ステップには明確な入力と明確な出力がありました。エージェントは 3 ステップ前のことを覚えておく必要はありませんでした。なぜなら、必要なものを正確に与えたからです。
最終的に、パイプライン全体を処理する単一の統合スキルを構築しました。Reddit、ニュースソース、arXiv から順番に情報を取得し、各バッチの調査結果を個別のマークダウンファイルに書き込み、3 つすべてを最終的なアイデアリストに統合します。スキルは、私がステップ間で何もコピーすることなく、上から下まで実行されます。
プロンプト vs. ワークフロー：同じタスク
コンテンツ発案は、プロンプト方式とワークフロー方式ではまったく異なって見えます。
プロンプト方式： チャットを開き、AI に特定のトピックに関する苦情を Reddit で検索するように依頼します。リストが返ってきます。そのリストをドキュメントにコピーします。新しいチャットを開き、同じトピックに関するニュース記事をスクレイピングするように依頼します。見出しと要約が返ってきます。それらをドキュメントにコピーします。さらに別のチャットを開き、関連する論文を arXiv で検索するように依頼します。アブストラクトが返ってきます。それらもコピーします。
終わった時点で、ドキュメントには 3 つの異なるテキストの塊があります。次に、それらをアイデアの角度に統合する必要があります。すべてを新しいチャットに貼り付けて、アイデアを要求します。AI はリストを生成しますが、それは一般的なものです。Reddit の苦情のニュアンスは、結合されたテキストに埋もれて失われています。arXiv の調査結果は、5,000 語のプロンプトの最後にあり、見落とされています。
ワークフロー方式： Reddit を検索して調査結果を reddit-findings.md というファイルに書き込むスキルを実行します。次に、スキルはニュースソースを検索して news-findings.md に書き込みます。次に、arXiv を検索して arxiv-findings.md に書き込みます。各ファイルはクリーンで集中しています。
最終ステップは 3 つのファイルすべてを読み取り、それらを idea-angles.md に統合します。各ステップは、必要なものだけを含むクリーンなコンテキストを取得します。何も埋もれたり忘れられたりしません。
Clare Liguori 氏の AWS での研究 では、3,000 回の評価実行にわたってエージェントの動作を導く 5 つのアプローチをテストしました。単純なプロンプト指示では 82.5% の精度に達し、約 5 回に 1 回のインタラクションが失敗することを意味します。彼女が構造化されたフィードバックループ（彼女がステアリングフックと呼ぶもの）を追加すると、600 回の実行で精度は 100% に達しました。
より良い構造が違いを生んだのであって、より良いプロンプトではありません。
私自身も、実際の Hermes ワークフローで異なるモデルがどのように処理するかを比較した際にこれをテストしました。ベンチマークで印象的に見えたモデルも、構造化されたワークフローでは、単純なステップを考えすぎたり、フォーマット制約を無視したりして、しばしば失敗しました。生の能力よりも構造の方が重要なのです。
人間がまだチェックすべき場所
すべてのワークフローにはチェックポイントが必要ですが、すべてのステップにチェックポイントが必要なわけではありません。あらゆる場所にレビューポイントを追加すると、ワークフローは一連の中断になってしまいます。
私はディシジョンゲートを使用します。本当の決断が必要な場合にのみ停止します。どの角度を追求するか、どのソースを優先するか、合わないセクションを削除するかどうか。
出力が問題なく、決断が必要ない場合は、停止しません。ワークフローは、あなたの判断なしには進めないポイントに達するまで実行されます。
ディシジョンゲートは、出力があなたの意図と一致しているかどうかをチェックします。AI は文法的に正しく、よくリサーチされたコンテンツを生成しますが、それが間違った方向に進むことがあります。ディシジョンゲートは、次のステップが誤った仮定に基づいて構築される前に、それをキャッチします。
私の Telegram チャンネルでは、技術的な詳細を知りたい方のために、Hermes ワークフローに承認ゲートを追加する完全なガイドを書きました。ゲートは、あなたの OK なしに外部アクションをブロックすることで評判を保護し、システム変更前に確認を要求することでデータを保護し、承認なしにしきい値を超える支出をブロックすることで財布を保護します。
ほとんどのワークフローでは、出力が公開または不可逆的になる時点で 1 つのゲートが必要です。コンテンツワークフローでは、最終ドラフトが公開される前にアウトラインの後にゲートを設けるとよいでしょう。リサーチワークフローでは、調査結果に基づいて行動する前に統合の後にゲートを設けるとよいでしょう。
ディシジョンゲートは、AI が実行を処理している間、あなたが方向性をコントロールし続けるための場所です。
最初のワークフローを始める場所
1 つの反復的なタスクを選んでください。最も複雑なものではなく、毎週行っていて、45 分かかり、30 分経った頃に叫びたくなるようなタスクです。それが最初のワークフローです。
私の場合は、コーヒーを飲む前にタスクと記事を取得するモーニングブリーフィングでした。2 つのステップです。Asana から読み取り、出力をフォーマットし、配信する。午後には構築できるほどシンプルで、構築してから毎営業日実行するのに十分役立つものでした。
Hermes に慣れていない場合は、複雑なことを試みる前に、このような 2 ステップのワークフローから始めてください。
最小限の実行可能なワークフローには、入力（何が入るか）、指示（エージェントが何をするか）、出力（何が出てくるか）、チェックポイント（どこで検証するか）の 4 つの部分があります。ソフトウェアは必要ありません。コードも必要ありません。ファイルが入ったフォルダが必要です。
Anthropic 自身も「Building Effective Agents」からのアドバイスで、シンプルに始めて、必要な場合にのみ複雑さを追加することを推奨しています。彼らは、フレームワークや複雑なアーキテクチャから始めることを明確に警告しています。2 つのステップから始めて、それらを信頼できるものにし、次に 3 つ目を追加してください。
Confluent の AI ワークフローに関するガイダンス も同じ点を指摘しています。シンプルなソリューションが最良の出発点であることがよくあります。シンプルなプロンプトエンジニアリングから始めるのは完璧ではないかもしれませんが、最初のパスとしては十分に機能します。限界にぶつかったら、構造を追加してください。構造を事前に追加しないでください。
退屈なものが巧妙なものに勝ります。最初のワークフローは、恥ずかしいくらいシンプルであるべきです。ファイルのハンドオフと人間によるチェックを備えた 2 ステップのプロセス。それだけです。AI ワークフローから価値を得ている人々は、退屈なワークフローを構築し、それを 50 回実行しました。印象的なワークフローを 2 回実行したわけではありません。
AI の生産性に関するアドバイスのほとんどは、より良いプロンプトを書くことを勧めています。真の利益が得られるのは、より良いハンドオフを設計することです。各ステップのプロンプトは、受信するコンテキストがクリーンであれば、平凡でも構いません。肥大化したチャットスレッド内の素晴らしいプロンプトでも、平凡な出力しか生成されません。
自分が AI が処理すべき調整作業を行っていることに気づくこと、それが全体の転換です。一度パターンが見えるようになると、見えなくなります。あらゆる反復的なタスクが構造化の候補になります。あらゆる手動のハンドオフが設計上の問題になります。
プロンプトの限界にぶつかるということは、アーキテクチャに問題があるということです。パイプラインを構築してください。コンテキストを流してください。重要な決断に集中してください。
この記事であなたの AI ワークフローに対する考え方が変わったなら、@leopardracer をフォローして、このようなコンテンツをもっとチェックし、私の Telegram チャンネルにも参加してください：https://t.me/+ygATQAt9sUM1N2U6
