今日の収穫、3行で。

HNのスレッドは小規模だが、元ツイートより Anthropic 公式の context engineering 解説記事を読むべきだという指摘が付いている。話題の中心は「プロンプトを削ったこと」ではなく「削っても劣化しないほどモデル側が強くなった」点にある。

コスト面では素直な朗報だが、システムプロンプトの大幅削減は諸刃でもある。明示的な指示が減れば、モデルの既定の振る舞いに依存する部分が増え、細かく制御していたユーザーほど挙動の変化を受けやすい。実測記事が示す「根拠の正確さは動かなかった」という結果も、世代交代がすべてを解決するわけではないことを示している。

Q. 「$10/$50 per Mtok」とは何の値段か。
A. 100万トークンあたりの入力$10・出力$50という単価。出力が入力の5倍高いのはLLM APIの一般的な構造で、長い回答を生成させるほどコストが効いてくる。

Q. システムプロンプトを削ると何が良いのか。
A. システムプロンプトは毎ターン送られるため、削れば固定費としての入力トークンが減り、かつモデルが本来の判断を邪魔されにくくなる。コンテキストウィンドウの空きも増える。

検証ループは万能ではない。敵対的検証の実測記事が「検出4件・見逃し3件」と正直に報告している通り、見逃し率は半分近く残る。検証AIを足すぶんトークンと時間のコストも増えるため、どの成果物にループを掛けるかの取捨選択が実運用の勘所になる。

Q. 「検証ループ」と単なるテスト実行はどう違うのか。
A. テスト実行は結果を人間に返して終わりだが、検証ループは失敗をエージェント自身の入力に戻して修正させる。合格するまで自律的に回る点が違う。

Q. なぜ書く側と検収する側でAIを分けるのか。
A. 同じ文脈を持ったまま自分の出力を採点すると、生成時の思い込みをそのまま引き継いで見逃しやすい。文脈を切って別セッションに判定させると、独立した観点が入る。

スキルやツールの選択は、モデルにとっては description の類似度比較に近い。候補が増えるほど「どれも当てはまりそう」な状態になり、精度が落ちる。検索システムで候補を絞ってから並べ替える二段構成（recall→rerank）を取るのと同じ理屈で、索引を一段挟むのが効く。

Q. 入力トークンは会話が長くなると増えるのか。
A. 増える。多くの実装は毎ターン履歴全体を送り直すため、ターン数に対して累積的に効いてくる。プロンプトキャッシュが効けば単価は下がるが、送るトークン量そのものは減らない。

Q. 5時間制限と週次制限は何が違うのか。
A. 5時間制限は直近のスパイクを抑える短期の窓、週次制限は総量の上限。短期窓が回復しても週次を使い切っていれば動かないため、両方を見る必要がある。

deny リストは書いた本人には自明でも、エージェントから見れば「なぜ失敗したか分からないコマンド」になる。禁止するより、読める場所・書ける場所を許可制で定義するほうが、失敗時の挙動が予測しやすい。一方で許可制は初期設定の手間が大きく、小さなプロジェクトでは deny のほうが早く立ち上がるというトレードオフがある。

ツールの description は人間向けのドキュメントではなく、モデルにとっては選択の判断材料そのものになる。「何をするか」だけを書いて「いつ使わないか」を書かないと、似た用途のツールが並んだ瞬間に区別がつかなくなる。

入口をチャットに広げると起動は楽になるが、レビューされない変更が増える危険も同時に上がる。Draft PR で止めて人間のマージ判断を必ず挟む構成は、その折り合いの付け方として妥当な線に見える。

並列度を上げるほど得られるのは速度だが、失われるのは「今どれが何をしているか」の把握。tmuxのようなペイン分割は見た目の一覧性を与える一方、ログの追跡性は落ちる。bash 1本＋worktree分離は地味だが、後から状態を再構成できる点で運用に耐えやすい。

Context / Harness / Loop という切り分けは、それぞれ「モデルに何を見せるか」「モデルの周りに何を置くか」「間違えたときどう戻すか」に対応する。プロンプトエンジニアリングという言葉が担っていた範囲が、この3つに分解されて引き取られた形になっている。

賛成側は「オープンウェイトが推論コストの基準線を与えるおかげで、各社の値付けの上下動に振り回されずに済む」「Kimi K3ではなくK2を使い続けられる予測可能性が大きい」と実利を挙げる。反対側は「ソフトウェアのOSSと違い、フロンティアモデルの訓練には数十億ドルの資本が要る。ボランティア1人で続けられるOSSとは構造が違い、均衡として持続しない」と指摘した。規制論では「重みはただの数値であり、見ただけで国籍を判定できない以上、中国製だけを狙った禁止は技術的に成立しない」という反論が具体的で、規制するなら全オープンウェイトが対象になりDRM的な認証制度に行き着く、という帰結まで示されている。

「開かれていること」への評価が、そのまま地政学的な依存先の評価とねじれている点がこの議論の難しさ。ローカル実行の経済性についても、中国側がハードウェアを増産するまでは自前運用は割に合わないという冷静な指摘があり、当面は「価格圧力としての存在価値」が主という見方が優勢だった。

Q. 「オープンウェイト」はオープンソースと同じ意味か。
A. 違う。重み（学習済みパラメータ）は配布されるが、訓練データや訓練コードは公開されないことが多い。改変・再配布の自由もライセンス次第で、OSSより制約が強いことが普通。

`while :` は `while true` と同じ意味だが、`:` は外部コマンドを起動しない組み込みなので厳密には速い。また `: ${VAR:=default}` は、変数が未設定なら既定値を代入するだけの一行として使える。