Ja

---
name: build-your-users-mind
description: 任意のAIエージェント（Claude、Codex、Gemini/agy, Kimi）が、自身の対話ログからユーザーの経験的な心の理論（ToM）モデルを構築、管理し、メモリ/ルールファイル/システムプロンプトに接続するための指示。「baue ein ToM/Entscheidungs-Avatar für meinen User」、「Theory of Mind System Nutzer-Modell」、「WHAT-WOULD-USER-SAY」、「feedback precognition」でアクティブ化します。
---

> **Translation status (2026-07-15): historical pre-1.1 draft. The root English documents are authoritative; do not use this translation as the current operational or security contract.**

# build-your-users-mind — アグノスティックToMモジュール（フィードバック予知）

> **What you mind is what you get.** フレームワークではなく**レシピ**です。各エージェントモデルはこれを使用して、*自身*のユーザーのToMモデルを構築します：自身のデータの評価 → 意思決定パターンの抽出 → アバターファイルの保守 → 自身のメモリ/ルールファイル/システムプロンプトへのバインド。
>
> **コア = フィードバック予知（feedback precognition / feedforward）：** ユーザーのフィードバックが届く前にそれを予測し、不在時の制御シグナルとして使用します。その後、予測と現実を評価して自己改善します。
>
> **テンプレート：** `templates/`（アバターファイル）、`scripts/`（パイプライン）、`TAXONOMY.md`（8つのタイプ）、`skills/swarm-operations/`（分類スウォーム）。著者の実際のログに基づく**プライベートな参照実装**が存在しますが、同梱はされていません。
>
> **理論的基盤：** *Prompt-Archaeology*（手法、分類は `TAXONOMY.md`） + ToM研究（ToM-SWE arXiv 2510.21903; Persistent Memory & User Profiles 2510.07925）。

## 基本原則

LLMは生のギガバイトデータを直接見ることはありません。**決定論的なスクリプトが最初にデータを整理し**、人間が入力したプロンプトのクリーンなコーパスを作成します。その後に初めて、**分類スウォーム**がセマンティックな（意味的な）処理を行います。
核となるのは「どのプロンプトか」ではなく、**「どのような決定 → どのような結果 → ユーザーは満足したか」**です。

## 6つのステップ

### 1. 情報源の特定（ソースアダプター）
自身の対話ログを見つけます。モデルごとに異なります → `SOURCE-ADAPTERS.md` を参照。
**人間が入力した本物のプロンプトのみ**を抽出します（ツール実行結果、システムリマインダー、フックによる注入、コンテキスト圧縮の要約は除外）。フィールド：`ts, project, session, text`。

### 2. 削減・整理（決定論的、LLM不使用）
- 合成（システム生成）されたターンをフィルタリングし、重複を排除し、定型文やマイクロ確認を統合します。
- **フォローアップの接続：** 各プロンプトに対して、次のユーザーのターンを `outcome_signal`（praise（称賛） \| reissue（再発行） \| correction（修正） \| abandon（破棄） \| none）として導出し、満足度シグナルとします。
- 意思決定辞書を用いて **`decision_score`** を算出します（修正/優先度/ルール/制御）。
- **個人情報の保護（永続化前の必須処理）：** シークレット/トークン/キー/メールアドレス、およびユーザーに応じて**健康/税金/IPアドレス**などを隠蔽（マスク）します。

### 3. 分類（スウォーム、階層型 + スティグマジー）
8タイプの分類法 **SP/NT/NM/NS/KO/BE/RA/MP**（定義は `TAXONOMY.md`） + `decision_kind` (preference/correction/rule/direction_change/approval/rejection/process/none) + `formulation_pattern`（ユーザー特有の表現パターン）。大規模なコーパスの場合、ドメインリード（Sonnet）がチャックワーカー（Haiku）を指揮します。

### 4. アバターファイルの作成
`templates/` の構造を1:1でコピーし、`<USER>` と `<AGENT>` を置換します：
`WHAT-<USER>-SAID.md`（証拠） · `WHAT-WOULD-<USER>-SAY.md`（予測 + 信頼度） · `WHAT-I-DID-…md` + `MY-ACTIONS.txt`（アクションログ） · `WHAT-<USER>-SAID-ABOUT-…md`（学習内容） · `PROMPT-LOG`（切り抜きと手がかり） · `METHODIK.md`（バイアスに関する警告含む） · `START.md`（0→4ループ）。

### 5. 接続・バインド（最重要）
ToMモデルは単に存在するだけでなく、**実際に使用**されなければなりません：
- エージェントの**自身のメモリ/ルールファイル/システムプロンプト**（Claudeは `CLAUDE.md`、Codexは `GPT.md`/`AGENTS.md`、Geminiは `GEMINI.md`、Kimiは `KIMI.md`）に短い指示/ポインタを追加し、`START.md` ループを指し示します。指示は**短く保ちます**（ポインタのみで、全文は載せない）。
- **優先ルール：** プロジェクト固有の `DECISIONS.md` は、横断的なアバターよりも優先されます。
- **オプションのコマンドエントリーポイント（詳細）：** ループを3つの深度とオーケストレーターで公開します — `read-my-mind`（予測、0→2、アクションなし）、`decide-like-me`（単一の意思決定、0→2、ワークフローコンポーネント）、`be-my-avatar`（実行、完全な0→4、可逆のみ、ログあり）、`avatar-orchestrator`（多数の意思決定にわたるチェーン、🔴/不可逆な項目を1つの質問にまとめる）。テンプレートは `templates/commands/` にあります。
- **バージョン管理されたバインド：** ループ/スキルのプロジェクトコピーを正規として維持します。エージェントが登録されたコピーも提供している場合、**バージョンが高い方が優先**され、古いルーティングコピーは**置き換えられます** — プロジェクトがリードし、レジストリはそれに従います（ドリフトなし）。

### 6. 保守（自己改善）
- **経験的基盤：** スクリプトを定期的に再実行します（ログは永続的に残ります）。**プロンプトごとのフックは避けてください**（重複登録の罠を避け、バッチ処理の方が堅牢です）。
- **ランタイム（ガイド）：** ユーザーの代理で行った仮定をログに記録（ファイル 3）します。フィードバックが得られたら、ファイル (4) に記録し、(1) のルールを更新、(2) の信頼度を調整します。

## バイアスと限界（常に明記すること）
- **暗黙の承認は不可視** → ユーザーは称賛ではなく修正を入力するため、モデルは修正を過大に表現し、アバターが「批判的」に偏る傾向があります。
- **ToMの脆弱性：** 繰り返される状況には強いですが、新しい/敵対的な変化には弱いです。信頼度層を設け、🔴（新規/パターンなし）では**推測せずエスカレーション**します。
- エビデンスIDはLLMの要約から生成されるため、重要な決定を行う際は生のコーパスと照らし合わせて検証してください。

## シンプルさの原則
モデル固有の部分は**ソースアダプター**（ステップ1）のみです。レシピ、分類法、アバター構造、およびバインド接続は共通です。過剰な設計は避けてください。