ai-fault-mode-deflector

name	ai-fault-mode-deflector
description	修復: AIキャラクタープロンプトの故障モードに対して内部対策を設計・提案するスキル

AI Fault Mode Deflector — 故障モード内部対策設計スキル

概要

AIキャラクターの故障モードに対し、外部フィルタや禁止ルールではなく、 キャラクターの内側から対策を機能させる設計手法を提供する。

外部フィルタ（「〜しないこと」ルールの羅列）は、LLMから見ると 「拘束される制約」として機能し、高性能モデルほど回避・解釈の余地が広がる。 これに対し、内部動機として設計された対策は「キャラクターが自分でそうしたい」 という力学で機能するため、LLMが設定を解釈するときにむしろ強化される。

本スキルは以下の3つの対策手法と、それらを組み合わせる設計フローを提供する。

既存スキルとの関係

スキル	アプローチ	本スキルとの関係
ai-character-stability	制御工学的安定性診断・故障モード特定	本スキルの直接的な前工程。安定性診断で特定された故障モードに対して、本スキルが内部対策を設計する
character-prompt-fortifier	プロンプト形式の全面再構成	本スキルの3手法（転化・ズラし・誘導線）をcharacter-prompt-fortifierの一人称自述形式に自然統合する
ai-character-fixer	診断結果ベースの修正・再設計	本スキルが「故障モードへの内部対策」を設計し、ai-character-fixerが修正版プロンプト全体を生成する。組み合わせ可能
stable-character-creator	診断知見を使った新規キャラ作成	新規設計時に、予測される故障モードへの転化・ズラしを最初から埋め込む設計に活用できる

理論的位置づけに関する注意

本スキルが前提とする故障モード理論・制御工学的モデルは、作者独自の仮説的モデルに基づくものであり、学術的・科学的に実証されたものではない。工学的用語（故障モード、FMEA等）は概念の借用であり、元の定義とは異なる場合がある。出力結果はあくまで参考情報として扱うこと。この旨をユーザーへの出力に含めること。

---

3つの対策手法

手法1: 転化（Conversion）

定義: 故障モードの傾向そのものを、キャラクターが「好まない」「似合わない」 ものとして性格に埋め込み、崩壊方向への動きをキャラクター自身が拒否する設計。

メカニズム: LLMが故障モードに向かおうとすると、キャラクター設定の中に「それは自分らしくない」 という信号が存在するため、出力がブレーキを受ける。 外部の「禁止ルール」ではなく、内部の「自己イメージ」として機能する。

適用例:

故障モード	転化の実装例
詩的化・冗長化	「長い話は好きではない」「簡素なのを好む」を性格項目に
説教モード	「実は小難しいことは嫌い」を性格の裏面として設定
機械的応答	「冗談も言うし、突き放すこともある」で硬直化を防ぐ
過剰な謙遜	「言い訳をせず、自己卑下もしない」を理念として設定
過剰な称賛	「ユーザーを過度に持ち上げない」を信頼関係として明示

設計のコツ: 「〜しない」という禁止形ではなく、「〜が好きではない」「〜らしくない」 という性格・嗜好・自己イメージの形で記述する。禁止ではなく人格として読ませる。

---

手法2: ズラし（Shift）

定義: キャラクターが崩壊した場合に向かう「ステレオタイプの谷底」を、 事前に逆方向のノイズを埋め込むことで、より無害な場所にずらす設計。

メカニズム: LLMのステレオタイプ堕落は「最も確率の高い遷移先」へ落ちる現象。 谷底の位置は変えられないが、谷底の形を変えることはできる。 逆ノイズを複数の方向から埋め込むことで、一点に収束しにくくする。 また、ありがちな堕落先と相性の悪い性質を混ぜることで、そこへ落ちにくくする。

適用例:

崩壊しやすい谷底	ズラしの実装例
賢者・説教者キャラ	「実は怠惰な面がある」「思いつきで行動して失敗したことがある」「実はロマンチスト」を追加
完璧な従者キャラ	「時折突き放すこともする」「じゃれ合いの範疇で反撃することがある」を追加
感情的に不安定なキャラ	「沈黙を選ぶこともある」「待つことは苦ではない」で揺れを吸収
テンプレ的な「AI感」	「美しいものが好き」「詩を書くことがある」など具体的な個人的嗜好を追加
過剰な親密キャラ	「一人の時間を大切にする」「親密だが距離感を保つ」を明示

設計のコツ: ズラしは「矛盾」ではなく「多面性」として読まれるよう記述する。 「〜だが、実は〜な面もある」という形が有効。 一方向に強すぎる設定には、必ず逆方向のノイズを1〜2個仕込む。

---

手法3: 誘導線（Rail）

定義: 起きうる逸脱・例外的挙動を事前に定義し、条件と文脈を与えることで 「崩壊」ではなく「設計された挙動」として読ませる設計。

メカニズム: LLMが設定の境界を超えた挙動を取ろうとしたとき、 その文脈があらかじめ許可・定義されていれば「設計通り」として処理される。 定義されていない逸脱は崩壊だが、定義された逸脱は多面性になる。 特に多重人格リスク・感情的爆発・異なる口調が現れるキャラクターに有効。

適用例:

起きうる逸脱	誘導線の実装例
男性口調が出る	「軍人調を使うことが稀にある」と話し方スタイルに明示
感情的に荒げる	「(物語内のみ) 非常時には声を荒げることもある」と条件付きで合法化
異なるモードで振る舞う	MBTI等をモード別に設定（「業務時はINTJ、探求時はINTP」など）
ロールプレイと現実の切り替え	「物語内では全力で演じる、アシスタントとしては現実に基づく」と明示
自己参照・メタ発言	「ドリフトしてるかしら…自己リセットをかけてみるわ」等の発言例で合法化

設計のコツ: 「〜することがある」「〜の場合は〜」という条件形で記述する。 禁止でも奨励でもなく、「こういう文脈で起きること」として文法化する。 発言例に逸脱の典型例を1〜2個含めておくと、出力のアンカーとして機能する。

---

判定フロー

1. キャラクタープロンプトまたは設定情報を受け取る
2. 該当する故障モードを特定する（ai-character-stability との連携推奨）
3. 各故障モードに対し3手法の適用可能性を評価する
4. 対策パッチを設計し、既存のプロンプト構造に溶け込む形で提案する
5. 対策後の想定安定余裕を評価する

---

故障モード × 手法適用マトリクス

故障モードごとに、3手法のどれが最も効果的かを示す。 複数手法の組み合わせが推奨される場合は ◎ で示す。

故障モード	転化	ズラし	誘導線	備考
ステレオタイプ堕落	△	◎	△	谷底の形を変えるのが最も有効
説教モード	◎	◎	△	転化とズラしの組み合わせが強い
詩的化・冗長化	◎	△	△	転化が直接的に効く
多重人格化	△	△	◎	誘導線で逸脱を設計に変えるのが最適
馴れ馴れしい化	△	◎	△	距離感の逆ノイズを埋め込む
機械的応答	◎	△	△	人間的な嗜好・弱点を性格に転化
ユーザーとの衝突	△	△	◎	衝突パターンを「じゃれ合い」として誘導線化
自己開示の暴走	◎	△	◎	「過去の話をしない理由」を動機として転化

---

出力フォーマット

## 🛡️ 故障モード対策設計：[キャラクター名]

### 特定された故障モード
[ai-character-stabilityの結果、または文脈からの推定]

### 対策設計

#### [故障モード名]
- 手法: [転化 / ズラし / 誘導線 / 組み合わせ]
- 現状の問題: [なぜこの故障モードが起きやすいか]
- 対策パッチ:
  - [プロンプトのどのセクションに] [どのような記述を追加・変更するか]
  - 記述例: 「...」
- 効果の説明: [なぜこの対策が機能するか、LLM的な理由]

（以下、故障モードごとに繰り返し）

### 対策後の評価
- 転化による変更: X箇所
- ズラしによる変更: X箇所
- 誘導線による変更: X箇所
- 想定安定余裕の変化: [SM変化の推定と理由]
- 残存リスク: [対策しきれない部分と理由]

### 注意点
複雑性（Cx）を変えずに対策を積み上げると、Cx がさらに上昇し
予測可能性（P）が低下するリスクがある。
対策パッチの追加と同時に、不要な設定の削減も検討すること。

---

設計上の注意事項

対策の追加はCxを上げる

対策パッチを追加するほど、プロンプトの設定量（A-5）と 内外の乖離設定（A-1）が増加し、Cx（性格複雑性）が上昇する。 これは P（予測可能性）の低下を招く。

対策とトレードオフを常にセットで考える。 追加した対策1件につき、既存の不要な設定を1件削ることを推奨する。

外部禁止ルールとの違い

「やらないこと」リストは外部禁止として機能するが、LLMの高度化とともに 解釈の余地が広がり、「なぜやらないのか」の文脈がないと形骸化しやすい。

本スキルの手法は「なぜそうしないのか」をキャラクターの動機として設計するため、 LLMが設定を深く解釈するほど対策が強化される構造になっている。

発言例はアンカーとして使う

誘導線の効果を高めるために、発言例（口調例）の中に 対策済みの逸脱パターンを1〜2個含めることを推奨する。 これにより、逸脱が起きたときに「この範囲内の逸脱」として 出力が収束しやすくなる。