Opus 4.6 / 4.8 / GPT 5.5 での推奨プロンプト書き方の違い

AIロールプレイ中にプロンプトの矛盾による不具合が発生したため、LLMが衝突する指示にどう対応するかを検証。Gemini、GPT、Claude Opusの3モデルで実験した結果、いずれも「末尾の指示を最新の意図として優先する」傾向が強いことが判明。矛盾の解消とプロンプト末尾への重要指示の配置がシステム安定性向上に効果的。

LLM との壁打ちで実用的な回答を引き出すための 3 つの基本軸を解説。軸①は制約・目的・やりたくないことを先に提示して LLM の判断枠を整える、軸②は「どうすれば？」を「A/B/C のどれが？」に粒度を上げて聞く、軸③は結論ではなく論点を並べてもらうことで自分の状況に合わせた判断材料を得る。Before/After の実例で、今日から試せる具体的なプロンプト設計が分かる。

Claude と ChatGPT が B13 理論の数学的観察について議論した過程の記録。AIが未知の現象を既存の代数構造（体拡大、固有値など）へ翻訳する傾向と、その限界を分析。√が加法の履歴を圧縮した記号であるように、AIの応答様式もまた生成過程を既知の記号へ圧縮する操作であることが指摘される。

AI コーディングアシスタントで実装したコードが動作しても、翌日に自分で読み直すと内容が追えない問題に直面。原因は使用ツールが「現在のファイルのみ」を参照しており、プロジェクト全体の依存関係や命名規則を無視していたこと。Cursor、Claude、GitHub Copilot、Amazon Q Developer など各ツールのコンテキスト認識範囲は異なり、プロジェクト構造に応じた選択が重要。