AIエージェントに文脈を持たせる——繰り返し入力が消える設計の本質
毎回同じ前提を貼り付けながらAIを動かしている——そのコスト、設計で取り除けます。
NotebookLM × Gem で実現する「指示ゼロAI」── 毎回のプロンプト入力から解放される設計術 では、ChatGPTやGeminiを使う際に「自分の役割」「プロジェクト背景」「出力フォーマット」を毎回コピペせざるを得ない問題を起点にしています。NotebookLM（知識ベース・RAG）とGem（振る舞い定義）を役割分担させることで、ユーザーの入力を「やりたいこと」だけに絞れる設計を示した記事です。
ツールの紹介に見えますが、本質は別のところにあります。「文脈の外部化」という設計原則です。
「知識」と「振る舞い」を混ぜると何が起きるか
AIが必要とする情報には、性質の違いがあります。
「サービス概要」「今期の優先課題」は事実であり、更新されます。これをシステムプロンプトに書き込むと、情報が変わるたびに全体を書き直す必要が生じます。一方、「丁寧語で答える」「結論ファースト」「絵文字は使わない」は振る舞いであり、長期間安定します。
この性質の違いを無視して一箇所に詰め込むと、可変と不変が混在した保守困難な塊ができあがります。元記事が「カスタム指示に事実データを書くのはアンチパターン」と指摘するのは、この構造的な理由からです。
分離の答えはシンプルです。RAGで知識を外部管理し、システムプロンプト（または軽量なファインチューニング）で振る舞いを固定する。この構成があれば、毎回渡していた前提条件は構造的にゼロになります。
AIコーディング環境への直接適用
コーディングの現場でこの設計を考えると、価値はさらに具体的になります。
リポジトリの規約、アーキテクチャの判断基準、命名規則——これらを毎回プロンプトで渡しているチームは少なくありません。「知識」として外部化し（.cursorrules、MCP経由のコンテキスト供給など）、「振る舞い」をシステム設定で固定すれば、開発者の入力コストは大きく下がります。
Cursor・Copilot・Clineが「プロジェクト設定の外部化」機能を強化している方向性は、この設計思想の延長です。ツールが先行しているのではなく、設計の問いに応える形で機能が増えています。
設計の判断を先に持つ
事前学習ベースのカスタマイズ（ファインチューニング）は強力な選択肢ですが、更新頻度とコストのバランスを考えると、多くの現場では「RAG＋システムプロンプト固定」の組み合わせが現実的な出発点になります。
「毎回のプロンプト入力」は習慣でも仕方ないことでもありません。設計の問題です。どのツールを使うかより先に、「知識」と「振る舞い」を分離して外部化するという設計判断を持てるかが問われています。その判断があれば、ツールが変わっても構造は生き続けます。
出典：NotebookLM × Gem で実現する「指示ゼロAI」── 毎回のプロンプト入力から解放される設計術（Zenn / ふみ_BENTEN WebWorks）
関連記事
- ChatGPT無料プランへの広告導入は、AIサービスの持続可能性のための必要な選択か？
- AI支援バグ検出は人間エンジニアによるコード品質維持と同等の価値を持つか？
- EMO: Pretraining mixture of experts for emergent modularity
参考文献
コメント