AIエージェントの回答精度が低いのはモデルか文脈設計か — recall 2.3/10の統制実験で切り分け

知識のインプット・アウトプット・つながりを担当する3つのエージェント（インボックス・アドバイザー・オントロジー）を Solar Pro4 と Claude で構築。散らばった点を線につなぎ、次に埋めるべき空白を可視化するシステムにより、積み上がった知識が互いに引き寄せ合い始める。

Claude等のAIを単なるチャット相手から自律的なプロジェクトパートナーへ引き上げるには、GitHubとMarkdownで状態管理する仕組みが必要。AGENTS.md、CURRENT_STATE.md、NEXT_ACTIONS.md等の役割別ファイルを配置し、AIが文脈を保持したまま判断・実行できる環境を構築する実践的なアーキテクチャを解説。

Claude Pro や ChatGPT Plus は月額据え置きながら性能が指数関数的に向上している。多くのユーザーが「対話モード」の手動トリガーにとどまっているが、トリガー層・処理層・出力層のアーキテクチャで自動化モードへ移行すれば、1つのテーマから複数プラットフォーム向けコンテンツを生成する作業を3～5時間から15～30分に短縮できる。先行者利益の窓は今後半年～1年で閉じるため、今が始めるべきタイミング。

X（Twitter）への毎日の投稿業務を自動化するため、Research Agentが収集したAI情報をもとにClaude Sonnet + Haikuで投稿案3本を生成し、Slackで承認・修正・スキップをワンクリック操作。承認されたものは自動でX APIで投稿される仕組みをAWS Step Functions + Lambda + DynamoDB + Slackで構築した事例。