このスキルは、AIの出力品質を反復的に改善するフィードバックループを自動化します。初期出力を評価し、問題点を特定して改善されたプロンプトを生成、再度AIに問い合わせることを繰り返し、最高品質の出力に収束させます。

• 反復的改善: 自動的に複数回のフィードバックループを実行
• 品質評価: 各出力を多角的に評価してスコアリング
• プロンプト最適化: 評価結果に基づいてプロンプトを改善
• 収束判定: 品質が十分高くなった時点で自動停止
• A/Bテスト: 複数のアプローチを並行試行
• 履歴追跡: 各イテレーションの改善履歴を記録
• ベスト出力選択: 全イテレーション中の最良の出力を選択
• パラメータ調整: temperature, top_p等の自動調整
• 改善戦略: 複数の改善戦略を適用
• 早期停止: 改善が頭打ちした時点で停止

基本サイクル

```

┌──────────────────────────────────────────┐

│ イテレーション N │

├──────────────────────────────────────────┤

│ │

│ 1. プロンプト生成/改善 │

│ ↓ │

│ 2. AIに問い合わせ │

│ ↓ │

│ 3. 出力を取得 │

│ ↓ │

│ 4. 品質評価（スコアリング） │

│ ↓ │

│ 5. 問題点の特定 │

│ ↓ │

│ 6. 改善戦略の決定 │

│ ↓ │

│ 7. 次のイテレーションへ │

│ または収束判定 │

│ │

└──────────────────────────────────────────┘

```

イテレーション例

#### イテレーション 1: 初期プロンプト

```

プロンプト:

「Reactについて説明してください。」

AI出力:

「Reactは人気のあるJavaScriptライブラリです。」

評価スコア: 35/100

問題点:

• 情報が不足（完全性: 30/100）
• 具体性に欠ける（具体性: 25/100）
• 例がない（実用性: 20/100）

改善戦略:

• 具体的な特徴を要求
• 使用例を含めるよう指示
• 構造化を要求

```

#### イテレーション 2: 改善されたプロンプト

```

プロンプト:

「Reactについて、以下の観点で説明してください:

1. Reactとは何か（概要）
2. 主な特徴（3つ以上）
3. 簡単なコード例
4. 使用される場面」

AI出力:

「# Reactとは

Reactは、Facebookが開発したUIを構築するためのJavaScriptライブラリです。

1. コンポーネントベース: 再利用可能なUIパーツ
2. 仮想DOM: 効率的な描画
3. 一方向データフロー: 予測可能な状態管理

```jsx

function Welcome() {

return

Hello, React!

}

```

• SPAの構築
• モバイルアプリ（React Native）
• 複雑なUIの管理」

評価スコア: 72/100

問題点:

• 詳細が不足（完全性: 70/100）
• コード例が簡潔すぎる（実用性: 65/100）

改善戦略:

• より実践的な例を要求
• 各特徴の詳細説明を追加

```

#### イテレーション 3: さらに改善

```

プロンプト:

「Reactについて、以下の観点で詳細に説明してください:

1. Reactとは何か（歴史も含めて）
2. 主な特徴を詳細に（仮想DOM、コンポーネント、Hooks等）
3. 実践的なコード例（useState, useEffect使用）
4. メリット・デメリット
5. 適した使用場面と不適な場面」

AI出力:

[詳細で包括的な説明]

評価スコア: 91/100

問題点:

• ほぼ完璧、わずかな改善の余地

収束判定: ✓ 目標スコア（90点）に到達

ベスト出力: イテレーション 3

```

多角的スコアリング

```javascript

評価項目:

{

正確性: 25点, // 事実の正確さ

完全性: 20点, // 情報の網羅性

明確性: 15点, // 分かりやすさ

具体性: 15点, // 具体例の有無

構造: 10点, // 論理的な構成

実用性: 10点, // 実際に使える情報

読みやすさ: 5点 // 文章の質

}

総合スコア: 0-100点

```

スコアリング例

```

AI出力の評価:

正確性: 23/25

• ✓ 事実誤認なし
• ✓ 引用が正確
• ✓ 技術的に正しい

完全性: 14/20

• ✓ 主要な情報を含む
• ✗ いくつかの重要な点が欠落
• ⚠️ エッジケースの説明なし

明確性: 13/15

• ✓ 分かりやすい表現
• ⚠️ 一部の専門用語に説明なし

具体性: 10/15

• ✓ コード例あり
• ✗ より実践的な例が必要

構造: 8/10

• ✓ 見出しで整理
• ⚠️ 深い階層化が不足

実用性: 7/10

• ⚠️ 実際のプロジェクトへの適用が不明確

読みやすさ: 4/5

• ✓ 流暢な文章

総合スコア: 79/100

```

戦略1: 詳細化

```

問題: 完全性スコアが低い（14/20）

改善アクション:

• プロンプトに「詳細に」「網羅的に」を追加
• 不足している項目を明示的に要求
• 例: 「エッジケースや制限事項も含めて説明」

```

戦略2: 構造化

```

問題: 構造スコアが低い（8/10）

改善アクション:

• 明確な見出し構造を要求
• 箇条書きの使用を指示
• 例: 「Markdownの見出し（#, ##, ###）を使用して構造化」

```

戦略3: 具体化

```

問題: 具体性スコアが低い（10/15）

改善アクション:

• より実践的な例を要求
• ユースケースの明示を指示
• 例: 「実際のプロジェクトで使用できるコード例を含めて」

```

戦略4: 簡潔化

```

問題: 冗長で読みにくい

改善アクション:

• 簡潔な説明を要求
• 重要なポイントのみに絞る
• 例: 「3-5文で簡潔に要約」

```

戦略5: Few-shot追加

```

問題: 期待する形式で出力されない

改善アクション:

• 望ましい出力例を追加
• 例: 「以下の形式で出力してください: [例]」

```

判定基準

```

収束条件（いずれかを満たす）:

1. 目標スコアに到達

- 総合スコア >= 90/100

1. 改善が頭打ち

- 3回連続でスコア改善が+2点未満

1. 最大イテレーション数

- 10回のイテレーションを完了

1. スコアの低下

- 前回より大幅にスコアが下がった（-5点以上）

- → 前回の出力を採用

```

収束判定例

```

イテレーション履歴:

1: スコア 35/100

2: スコア 72/100 (+37) ← 大幅改善、継続

3: スコア 91/100 (+19) ← 大幅改善、継続

4: スコア 93/100 (+2) ← 改善鈍化、継続

5: スコア 94/100 (+1) ← 改善鈍化、継続

6: スコア 94/100 (±0) ← 改善なし、収束判定

収束理由: 改善が頭打ち（3回連続で+2点未満）

ベスト出力: イテレーション 5-6（スコア 94/100）

```

複数アプローチの並行試行

```

初期プロンプト: 「Reactについて説明してください」

イテレーション 1:

アプローチA（詳細化）:

プロンプト: 「Reactについて、詳細に包括的に説明してください」

出力A: [詳細だが冗長]

スコア: 72/100

アプローチB（構造化）:

プロンプト: 「Reactについて、以下の項目で説明:

1. 概要
2. 特徴
3. 例
4. 使用場面」

出力B: [構造化されているが簡潔]

スコア: 78/100

選択: アプローチB（スコアが高い）

イテレーション 2:

アプローチBをベースにさらに改善...

```

自動パラメータ最適化

```

イテレーションごとにパラメータを調整:

イテレーション 1:

temperature: 0.7 # デフォルト

top_p: 0.9

→ 出力: やや曖昧

→ スコア: 68/100

イテレーション 2:

temperature: 0.3 # より決定論的に

top_p: 0.5

→ 出力: 明確で一貫性あり

→ スコア: 85/100

イテレーション 3:

temperature: 0.2 # さらに厳密に

top_p: 0.3

→ 出力: 非常に正確

→ スコア: 92/100

```

改善履歴の記録

```json

{

"task": "Reactの説明",

"startTime": "2024-11-22T10:00:00Z",

"endTime": "2024-11-22T10:05:30Z",

"totalIterations": 5,

"finalScore": 94,

"iterations": [

{

"iteration": 1,

"prompt": "Reactについて説明してください。",

"output": "Reactは人気のある...",

"score": 35,

"evaluation": {

"accuracy": 8,

"completeness": 6,

"clarity": 7,

...

},

"issues": [

"情報が不足",

"具体例がない"

],

"strategy": "詳細化"

},

{

"iteration": 2,

"prompt": "Reactについて、以下の観点で...",

"output": "# Reactとは...",

"score": 72,

"improvement": 37,

"evaluation": {...},

"issues": ["コード例が簡潔すぎる"],

"strategy": "具体化"

},

...

],

"bestIteration": 5,

"bestScore": 94,

"convergenceReason": "改善が頭打ち"

}

```

基本的な使い方

```

以下のタスクをフィードバックループで最適化してください：

タスク: 「TypeScriptの型システムを説明」

目標スコア: 90点

最大イテレーション: 5回

自動的に反復改善を実行し、ベストな出力を返してください。

```

詳細設定

```

フィードバックループ最適化を実行してください：

タスク: 「Dockerのベストプラクティスをまとめる」

設定:

• 目標スコア: 92点
• 最大イテレーション: 7回
• 早期停止: 改善が3回連続で+2点未満
• パラメータ調整: 自動
• A/Bテスト: 2つのアプローチを並行試行

評価重視項目:

• 実用性: 30%
• 完全性: 25%
• 具体性: 25%
• その他: 20%

出力:

• ベストな結果
• 改善履歴
• 各イテレーションのスコア推移

```

段階的改善の可視化

```

タスク: 「GraphQLの利点を説明」

各イテレーションの改善を可視化してください：

出力形式:

1. イテレーションごとのスコア推移グラフ（テキストベース）
2. 各イテレーションの主な改善点
3. 最終的なベスト出力
4. 改善プロセスのサマリー

```

カスタム評価基準

```

タスク: 「React vs Vueの比較」

カスタム評価基準:

• 公平性: 30点（どちらかに偏らない）
• 網羅性: 25点（重要な観点をカバー）
• 実用性: 20点（実際の選定に役立つ）
• 正確性: 15点（技術的に正しい）
• 構造: 10点（読みやすい構成）

目標スコア: 85点

最大イテレーション: 6回

```

マルチモーダル最適化

```

テキスト + コード + 図表の最適化:

タスク: 「REST APIの設計ガイド」

各イテレーションで改善:

• テキスト説明の明確性
• コード例の実用性
• 図表の分かりやすさ（ASCII artまたはMermaid）

総合評価でベストな組み合わせを選択

```

ドメイン特化最適化

```

技術ドキュメント向け:

• 評価基準: 正確性、完全性、例の質を重視
• 改善戦略: コード例の追加、APIリファレンスとの整合性

ブログ記事向け:

• 評価基準: 読みやすさ、関心度、SEOを重視
• 改善戦略: 見出しの最適化、キーワード配置

学術論文向け:

• 評価基準: 論理性、引用の正確性、形式を重視
• 改善戦略: 引用の追加、論理構造の強化

```

チーム評価統合

```

複数の評価者による並行評価:

イテレーションごとに:

1. 評価者A（正確性重視）: 82点
2. 評価者B（実用性重視）: 88点
3. 評価者C（読みやすさ重視）: 85点

平均スコア: 85点

評価者間の不一致が大きい場合:

→ 各評価者のフィードバックを統合して次のプロンプトを生成

```

1. 明確な目標設定: 何を最適化するか明確に
2. 適切な評価基準: タスクに合った評価項目の選択
3. 早期停止の活用: 無駄なイテレーションを避ける
4. 履歴の記録: 改善プロセスを分析可能に
5. A/Bテストの活用: 複数アプローチを試行
6. パラメータ調整: temperature等を動的に調整
7. 収束判定の妥当性: 目標スコアを現実的に設定

• コストの増加: 複数回のAPI呼び出しが必要
• 時間の増加: イテレーションに時間がかかる
• 収束の保証なし: 必ずしも改善するとは限らない
• 評価の主観性: 自動評価の精度には限界あり

• スキルバージョン: 1.0.0
• 最終更新: 2025-11-22

---

シンプルな最適化

```

タスク: 「Pythonの基礎を説明」

目標スコア: 85点

フィードバックループで最適化してください。

```

詳細設定での最適化

```

タスク: [複雑なタスク]

設定: [詳細な設定]

カスタム評価: [評価基準]

反復改善を実行し、ベスト出力と改善履歴を提供してください。

```

このスキルで、AI出力を反復的に改善し、最高品質の結果を得ましょう！