AIエージェントのコンテキスト設計
AIエージェントに過去の情報を蓄積することで、「自分を知っているAI」として機能させる設計手法。
蓄積すべき情報
| 種類 | 内容 | 効果 |
|---|---|---|
| 意思決定ログ | なぜその選択をしたか | 判断基準の再現 |
| 失敗と学び | ハマったポイント | 同じ過ちを避ける |
| 価値観・原則 | 判断基準、優先順位 | 提案の質向上 |
| プロジェクト履歴 | 進め方の記録 | ワークフロー最適化 |
実装方法
1. ローカルナレッジベース
Obsidian入門などでvaultを構築し、.claude/CLAUDE.mdにルールを記述。Claude Codeがコンテキストとして読み込む。
vault/
├── .claude/CLAUDE.md # ルール定義
├── notes/ # 一般知識
├── moc/ # トピック入り口
└── _context/ # 意思決定ログなど
2. Claude Projects
Knowledge Baseとしてvaultをアップロード。Claude.aiから参照可能に。
3. MCP（Model Context Protocol）
Claude Desktopからローカルファイルシステムへのアクセスを提供。リアルタイムでvault参照。
活用例
- 開発スタイル学習 - 過去のコードレビューログから好みのスタイルを把握
- 技術選定支援 - 過去の意思決定理由を参照して一貫性を保つ
- デバッグ効率化 - 過去のトラブルシューティングログから解決策を提案