Context Engineeringを実装する — 「何を見せるか」をトークン制約の中で設計する

記事はContext Engineeringを実装するための具体策を五つにまとめている。恒久的なルールはCLAUDE.mdに置き、動的な情報はツールの結果として渡す。「念のため全部見せる」をやめ、タスクに関連する部分だけを抽出する。トークン予算を先に割り当て、削る優先順位を「タスクの指示、恒久ルール、関連コード、ツール結果、履歴」の順に決める。長い会話履歴は直近のやり取りを残して古い部分を要約し、ツールの結果も長すぎれば切り詰め、省略した事実を明示する。サンプルとして、システム規則500、タスク説明200、関連コード3000、ツール結果2000、履歴1000といったトークン配分も示されている。 AIの鬼の視点で面白いのは、「情報を増やすほど賢くなるわけではない」と言い切っている点だ。AIに資料を山ほど渡せば安心だという感覚は、書類を全部読ませてから仕事を頼む上司に似ている。読む側は重要な指示を読み飛ばし、肝心の出力が途中で切られる。記事が示す削る順番、つまり履歴を最初に削り、指示とルールは最後まで残すという判断は、人間のマネジメントにもそのまま使える。もう一つ光るのは、省略したことを隠さず明示する点だ。「ここから先は省いた。必要なら取りに行け」と書くことで、AIが自分の情報不足に気づける。隠して渡すより、欠けを見せる方が誠実で、結果も安定する。 中小企業の実務では、AIに頼む前に「この依頼に本当に要る資料は何か」を三つまでに絞る習慣が効く。社内ルールは一枚のメモに固定し、毎回貼り付けずに済むようにする。資料を丸ごと渡すのではなく、必要な章だけを渡す。これだけで回答のブレと手間は目に見えて減る。