AIが壊れたら「貼り直す」、育てるなら「方針で教える」

長いやりとりの後半でAIが急に変なことを言い始める。そんな経験は、AIを日常的に使っている人なら一度は通ってきた道だと思います。

これは「AIが壊れた」のではなく、チャット履歴の積み重ねが原因で文脈が汚染された状態です。会話が長くなるにつれて、前半の矛盾した指示、途中で変えた方針、誤った情報に対するAIの応答——これらがすべてコンテキストとして参照され、後半の回答の質を引きずり下ろします。

実践者の間では「新しいチャットに貼り直すだけで論理が戻る」という知見が広まっています。仕組みとして当然のことで、新規チャットはコンテキストがゼロからリセットされるため、汚染のない状態でプロンプトを処理できます。「なんか変だな」と感じたら、同じプロンプトを別タブに貼って比較してみるのが最速の診断方法です。

チャットでAIを繰り返し使っていると、出力を調整するために「〜は避けて」「〜はやめて」と個別の禁止を積み上げていきがちです。ところがこのアプローチには構造的な問題があります。

X（旧Twitter）でAI活用の知見を共有している @id_1730657226 の指摘によると、Claudeに「hogehogeしないで」と個別にネガティブな指導を重ねると、モデルは「hogehogeしないこと」という項目をリストとして記憶・参照し続けます。禁止事項が増えるたびにトークンが消費され、コンテキストが埋まり、結果としてモデルのパフォーマンスが落ちていく——「人間みたいだ」という表現が的を射ています。

これはClaude固有の問題ではなく、LLM全般に共通する特性と考えて差し支えありません。コンテキストウィンドウは有限で、詰め込まれた情報の「質」が回答の質に直結します。禁止リストは量が増えるほど有害になる。この逆説を理解しておくことは、AIを継続利用するうえで重要な前提です。

Claudeは「深夜の壁打ち相手」になれるでも触れたように、Claudeを繰り返し使う場面では指示の設計が品質を左右します。その設計の核が、今回の「ネガティブ禁止からポジティブ方針へ」の切り替えです。

実践的な対策はシンプルです。「〜しないで」を「〜する」に変換する。ただし、単純な言い換えではなく、意図の抽象化が必要です。

例を挙げます。

禁止リスト型：

• 箇条書きにしないで
• 長くしないで
• 専門用語を使わないで
• まとめを最後に入れないで

方針文型：

• 文章は会話調の短文を連ねて構成する。ひとつの段落は3行以内を目安にする。読者が中学生でも理解できる語彙を使う。

禁止を重ねるのではなく、「どういう状態であってほしいか」を一段抽象化してポジティブな文章にまとめる。これがトークン効率と出力品質を同時に改善する方向です。

方針文を作るコツは、「なぜその禁止をしたかったのか」を考えることです。「箇条書きにしないで」の背景にあるのは「読みやすい流れる文章にしてほしい」という意図のはず。その意図を直接書けば、禁止事項を明示しなくても目的が達成されます。

「貼り直してリセット」と「方針文で設計」は、別の問題への解決策です。混同すると判断が鈍るので、整理しておきます。

チャットのリセットが有効な場面

• 長い会話の後半で出力が崩れてきたとき
• 途中で指示を大幅に変えた結果、矛盾が蓄積したとき
• 「なんか変」という直感が生まれたとき

指示設計の見直しが有効な場面

• 同じタスクを繰り返す定型業務のプロンプトを使っているとき
• カスタム指示やシステムプロンプトを育てている途中のとき
• 出力品質が徐々に落ちてきたとき

両者に共通するのは「コンテキストの質を意識する」という視点です。AIの出力品質は、与えた入力の構造に依存する。この原則を頭に置いておくと、「なぜうまくいかないのか」の診断が早くなります。AIは使い分けると理解が3倍速くなるで紹介した複数モデルの使い分け論とも組み合わせると、どのモデルにどんな指示を渡すかという設計の視野が広がります。