AIの**「太字くずれのアスタリスク記号」**が完全に出なくなる3秒の設定

思考過程を偽装してLLMから誤った回答を引き出す攻撃手法について、対策が難しい理由を学べる。訓練による修正が効かない構造的な問題なので、AIシステム利用時にセキュリティリスクとして考慮する必要がある。

長文の参考資料をAIに渡すとき、出力結果の評価順位が4000字前後で変わる現象を確かめられる。資料量と生成品質の関係を見ることで、提案書の骨子を作る際にどの程度の資料を渡すべきか判断できる。

他の人がAIに送っている実際のプロンプトを共有・閲覧できるプラットフォームの設計が分かる。会話例を集めて公開する仕組みにより、AIの使い方の参考になる実例を探しやすくする。

CLAUDE.mdが200行を超えると指示が反映されにくくなるという説を、4リポジトリの比較で検証した結果が得られる。行数と指示の残りやすさの関係を確認し、設定ファイルを分割するときの目安にできる。

AIとの対話をファイル経由に切り替えると、指示の再利用と履歴管理がしやすくなる。会話形式よりファイルで渡す方が有効な場面と、ファイルに含めるべき指示の粒度を判断材料として把握できる。

AIコーディングの指示ファイルを削減するだけで応答品質が上がる場合があると分かる。大量の設定を維持するより、必要最小限のルールに絞る方がモデルに伝わる。ファイルを削るときは、残すべき重要な制約を別の場所に明記するといった