AI への指示には「丁寧なお願い」と「物理的な強制」がある

Claude などの LLM に「禁止」「良い例」「資料」を与えても、期待通りに動かない。個人 Bot 開発の 6 ヶ月運用ログから、whack-a-mole（回避の繰り返し）、few-shot overfitting（実例への過学習）、model collapse、context rot など 4 つの既知現象を日本語で実測データ付きで解説。ホワイトリスト方式への切り替えや意味レベルの検知が対策になる。

CLAUDE.md に20項目を超える指示を1枚に詰め込むと、無視される指示が出たり別プロジェクトを汚染したり原因特定できなくなる。これは「書き方」の問題ではなく「置き場所」の問題。グローバル（~/.claude/CLAUDE.md）にはプロジェクト横断的な好み、プロジェクト直下には個別の手順を分離する3層構成により、指示が安定して通るようになる。筆者の実運用ファイルを実例公開。

システムプロンプトがユーザー入力より優先されるのは、AI のアーキテクチャに組み込まれた機能ではなく、訓練によって後付けされた不完全な振る舞いである。system・user・assistant はすべて同じ処理経路を通る1本の文字列として扱われており、優先順位は「信頼できる立場が書いたか」という社会的ルールに基づいて明示的に教え込まれているに過ぎない。

AIに問題調査を依頼する際、仮説や推測を先に伝えると、AI はそれに引っ張られて本当の原因を見落とす可能性がある。医療の問診に倣い、事実だけを詳しく伝える第1段階と、観測結果から絞り込む第2段階に分けることで、バイアスのない調査が実現する。