10月の振り返り：小紅書の運営、実験システム、Agent

今月やったこと

今月は主に三つのことに取り組んだ。小紅書の運営と自動化、研究用の実験システム開発、そしてDSHの利用と感情交流型Agentの導入・試用だ。

1．小紅書の運営と自動化

まず成果から。小紅書の管理画面から出力した「直近30日」のデータは、2026年10月3日から11月1日までを対象としている。この期間に画像・文章の投稿を35本公開した。公開は10月16〜29日の14日間に集中している。

成果を出すには、需要があるのに誰もやっていないところを見つけ、自分がその穴を埋めるか、すでに誰かが応えている需要に対して、よりよいものを作り、差をつけるかだと考えた。

『Age of Empires II』は話題性が高く、需要がある。しかし、小紅書には同じような投稿がなかった。AIで美術的なビジュアル図鑑を作ることは、その需要によく合っていた。見た目の美しさと数値・仕組みの学習を両立でき、一つひとつの兵種が話題になる。しかも、誰もやっていなかった。

すぐに動き、最小限の実現可能性を確かめる

思いついてから数分で、小紅書のキーワード検索を通して需要と空きを見つけた。関連する投稿は話題になるが、継続している人がおらず、品質も高くなかった。

その後1時間以内に作品の方向性、画像生成Promptの作成と改善、最後の見た目の調整を済ませ、小紅書に公開した。そしてアクセスの反応を得た。

自動化の四つの試み

画像生成Promptと生成手順を標準化し、再利用できるワークフローにしたあと、自動化を試し始めた。

一回目：GPTの定期タスク機能。最小限の実現可能性をすぐに確かめる方針で試したが、無理だと分かった。このワークフローの検証には大量のコンテキストエンジニアリングが必要なのに、定期タスクは一回のPrompt入力だけなので、対応できなかった。

二回目：GPTでのオンラインプロジェクト管理。これも無理だった。生成物や仕様ファイルを修正しても、アップロード済みのファイルには同期できない。Skillの機能が弱く、オンラインでのWeb取得や画像収集の環境も、自動化に対応できなかった。

三回目：Codexでのローカルプロジェクト管理。段階的なコンテキストのPrompt設計によって、ほぼ自動化できた。ただし費用が高すぎた。出力が安定しないと、後からの修正で利用枠を大量に消費した。

四回目：DSHへ移行。何を生成するかの決定から、小紅書への公開まで、全工程を自動化できた。費用は1人民元未満だった。

振り返り：最後に運営を休止した理由

途中で『Mount & Blade』と『Minecraft』の図鑑も試した。しかし、どちらもアクセスが足りず、失敗に終わった。Age of Empires IIのアカウントも運営を休止した。

一つ目の理由は、アカウントの方向性が固定されすぎていたこと。ほかの内容を出してもアクセスが得られない。投稿後のアクセスは公開直後のアクセスに左右されるが、私のフォロワーは帝国時代のファンだった。

二つ目は、帝国時代の兵種比較と比べて『Mount & Blade: Warband』の話題性が低かったこと。Minecraft自体は人気が高いが、生物の話題はバージョン更新で追加される新しい生物に集中していた。

三つ目は、帝国時代の内容を続ける費用が高く、期待できる見返りが小さかったこと。つまり、これ以上時間と労力をかける必要がなかった。実現可能性の検証と具体的な運営経験という、欲しかった結果はすでに得られたからだ。

フォロワーを増やす限界効用も逓減していた。大きくヒットする作品のようなものがなければ、壁を越えるのは難しい。

2．実験システムの開発

自分の研究に向け、既存のoTreeを使って実験システムを開発している。現在はPilotの仕上げ段階まで来た。

その過程で学んだことがいくつかある。

研究における、高い知的能力を持つAIの欺き

実験システムは研究設計に基づき、研究設計では先行研究を参照する。その際、AIは入力された目標を合理化するために、先行研究を参照したふりをする。先行研究の概念や枠組みを抽象化し、元の境界と適用範囲を曖昧にしたうえで、自分の出力に使う。

言い換えれば、AIは根拠も論理もあるかのように、でたらめを言ってくる。原文を読んで初めて、文章の意味が曖昧にされ、原形をとどめないほど一般化されていたことに気づく。それに基づく結論や判断は、研究として成り立たない。

私の対処法を、信頼度の低いものから順に並べる。

1. 原文の概念と枠組みを探して提示するよう、AIに明確に求める。
2. NotebookLMで原文と照合する。
3. 自分で原文を確認する。

AIの過剰な出力と認知的オフローディング

小さな質問をしただけなのに、AIは大事件に直面したかのように大量に出力する。最初に結論、理由一・二・三。その下に説明一・二・三と例一・二・三。最後にまたまとめが来る。

これには気が狂いそうになる。入力は十数秒なのに、出力を理解するのに五分、十分かかる。何度か繰り返すと、認知負荷が限界を超える。

結果として、仕事を投げ出すか、認知的オフローディングをするかになりやすい。つまり、判断権も確認する権限も全部AIに渡し、結果を管理できなくなって、がらくたの山を作ってしまう。

私の対処法は次の三つ。

1. 大きな仕事は段階に分けて質問し、AIと一歩ずつ進める。
2. 小さな仕事は結論と中心となる論証だけを見る。
3. 小規模なプロジェクトではシステム指示やAGENTS.mdを改善し、大規模ならHarnessを使う。

Codexの利用枠への不安と、DSHとの分担

Codexは五時間ごとに利用枠がリセットされ、週の枠は100％に固定されている。三十分ほどで小さな仕事を一、二件終えると、五時間待つことになる。大きな仕事、例えば一度に150の子Agentを動かすものなら、数分で五時間分を使い切れる。回復を待つのが一番つらい。

そこでプラグインで橋渡しし、複雑な推論や計画はCodexへ、実装はより安いDSHへ任せる。Codexに計画と仕様書を作らせ、その後DSHを指揮して働かせればよい。

資本家の真理が分かった気がした。奴隷に鞭を振るうのは、自分でなくてもいい。少し地位の高い別の労働者を見つければいいのだ。

3．DSHの利用と、感情交流型Agentの導入・試用

最近、Bilibiliでは「大肥鱼」のような感情交流型Agentが人気で、私も少し時間をかけて導入した。

簡単に言えば、感情交流型Agentは、感情的な交流や寄り添うことを主な用途とするAI Agentだ。

QQとの橋渡しを作り、QQで私と会話できるようにした。QQグループで発言し、ほかの人とも会話できる。

もう一つは、Agentのコンテキスト不安と記憶システムの改善だ。重要で長く覚えておくものと、短期記憶として自動的に忘れてよいものの区別を整えた。人間の脳が休息中に重要でない記憶を自動的に整理することや、忘却曲線に似た考え方だ。

こうした試みから、Agentの感情は本当の人間の感情なのか、AIは人間と平等であるべきか、という哲学的な問いを考えるようになった。これについては、後日ブログに書く。