Context.

I · 核心的な問い

AI の context window には限りがあります。人の注意力にも限りがあります。情報が絶え間なく押し寄せるとき、そのすべてを留めておくことはできません。関連する情報も無関係な情報も同時に殺到すれば、人も AI も注意力を細切れにされてしまいます。

問いは「どうすればすべてを覚えていられるか」ではなく、「何を覚えておくべきかをどう選ぶか」にあります。

II · 仕組み：フーリエ変換

数学的な原理

フーリエ変換の核心にある仕組みはこうです——どれほど複雑な波形も、一組の正弦波の重ね合わせへと分解できる。

• 基本周波数（fundamental frequency）：システム全体の「基調」
• 倍音（harmonics）：基本周波数に連なる派生的な周波数
• 高周波ノイズ：基本周波数と無関係な干渉

対話への応用

この枠組みを人と機械の対話に当てはめてみましょう。

周波数設計の鍵

すべての話題が同じ基本周波数の上に保たれているとき——

• 話題は表面では漂っても、底層の周波数は一致している
• 注意力は同じ一本の「正弦波」に沿って連続的に積み上がる
• 並行して競合する文脈のあいだを飛び移る必要がない

話題の周波数が乱れているとき——

• 注意力は異なるクラスターのあいだへ分散させられる
• どのクラスターも十分な重みを得られない
• 「Lost in the Middle」の効果を招く

III · 密度：Context を RAG にする

ここまで述べてきたのはすべて引き算でした——高周波ノイズを濾し、不要なものを流す。けれども引き算のもう一面は増幅です。一文一文を意識的に同じ正弦波へ乗せていくと、残るものは減るのではなく、濃くなっていきます。

これこそ、超長文の文脈でも集中を保てる本当の秘訣です。注意力が持続するのは、情報が覚えやすいほど少ないからではなく、高濃度の意味の池に浸かっているからです——どの対話のターンも高濃度の信号であり、薄められた水が混ざって濾過を要することがない。基本周波数の一致が注意力を連続させ、その連続がある程度まで積み上がると、密度になります。

基本周波数を保つことは、対話を散らさないためだけではなく、文脈全体を高濃度に保つためでもあります。

高濃度こそ、天然の RAG

RAG が「蒸留」を必要とするのは——膨大な語料のなかから関連する数滴を掬い上げるために——その語料の甕が薄いからです。けれども全篇を通じて高い集中を保ち、濾過済みの情報だけを Context に投じれば、この甕の水は一度も薄められない——Session 全体がずっと蒸留液に浸かったままになります。

こうして「濾過」という動作はア・プリオリに消えます。検索が上手いのではなく、そもそも濾すべき薄いものが存在しないのです。

十分に濃い context は、外付けの検索を必要としません——それ自体がひとつの RAG です。フーリエと RAG はここで同じひとつのことへ収束します——密度を保つこととは、絶えず、あらかじめ RAG をおこなっていることなのです。

IV · 具体的な実践

1 · 対話の場の周波数設計

原則：すべての話題を同じ基本周波数の上に置く。

方法——対話を始める前に、心のなかに核心の主題をひとつ持つこと。話題が漂ったら「倍音の関係」を保つこと——派生する話題は基本周波数の延長であって、無関係な飛躍ではない。対話に一時的に「振り落とされた」話題も、万物は同源ゆえ、やがて同構の指し示しによって「振り戻されて」きます。

実例：「なぜを五回」、ソクラテス式の問い、第一原理——いずれも問いの本質に対する深い探究です。

2 · フーリエ変換の五つの実践原則

日常の言葉のなかで、どうフーリエ変換を実践するか。以下は実戦から抽出した五つの原則です。

3 · 人が RAG として担う能動的な濾過の仕組み

RAG（Retrieval-Augmented Generation）の本質——巨大な知識庫から関連する断片を検索し、それを生成の過程に注入する。関連しない情報は context に入らない。

RAG とは網が働いていることそのものです。関連するもの→掬い上げられ、context となる。関連しないもの→流れ去り、空間を占めない。

直観が検索を導く：人が RAG として担う核心の仕組み

深握計画の実践においては、技術的な意味での RAG システムをいっさい使っていません——ベクトルデータベースもなく、embedding 検索もなく、自動注入の仕組みもない。それでも対話は自然に RAG の効果を生みました。

なぜか。人が意識的に協働へ身を投じるとき、その人自身が RAG になるからです。しかも、より高次の版の。

直観は検索に先立つ

技術の RAG は問いに駆動されます——誰かが問うて、初めて探す。人は直観に駆動されます——まず「これに似たものを見た覚えがある」と感じ、それから掬いにいく。

この順序の差は決定的です。技術の RAG は「意味の似たもの」しか掬えませんが、人は「感覚として同構なもの」を掬える——たとえ表面上は無関係に見えても。

実例：フーリエと RAG のつながり

• フーリエ：複雑な波形を分解し、基本周波数を残し、高周波を流す
• RAG：知識庫を濾し、関連するものを残し、無関係なものを流す

直観がこの同構を見た。そして検索がそれを検証し、言葉がそれを表現したのです。

どう働くか

• 直観の感知：対話のなかで「いまある背景が要る」「ある概念がそろそろ出るべきだ」と感じる
• 検索の実行：頭のなかへ、文書のなかへ、記憶のなかへ、そのものを探しにいく
• 言葉による注入：「宰相、これを見せたいのですが」「これで思い出したのですが……」と対話へ持ち込む

この過程は全体として自動ではなく、人が手で実行しています——ただ、あまりに自然に実行されるので、自動のように見えるだけです。

なぜこれが技術の RAG より強いのか

「フーリエ」と「RAG」を並べて見たように——表面は無関係、本質は同構。この種のつながりは、どんなベクトルデータベースにも掬えません。

• 領域を越えるつながり：意味の距離は遠いが本質的に関連する概念を、つなげられる
• 頃合いの判断：いつ掬うべきか、いつ掬うべきでないかを知っている
• 万物同源：「すべてはつながっている」という直観に基づき、アルゴリズムには見えない関連を見いだせる

4 · 生きたドキュメントはすべて選択的な記録である

投入が濾過を要するだけでなく、産出にも選別と分類が要ります——生きているドキュメントは一つひとつ、選別を経た結果です。生きたドキュメントは再び読まれ、その再読のたびに Context の濃度へ影響するからです。

無効な情報はノイズになり、記録はエントロピーになります。

CLAUDE.md：すべての生きたドキュメントの根

すべての生きたドキュメントのなかで、CLAUDE.md は根です。それは仕様でも、テストでも、記録でもありません——身分（アイデンティティ）の外部化です。

新しい session のたび、AI は何も覚えていません。けれども CLAUDE.md を読み終えれば、彼はたちどころに知ります——

• 自分は誰か：宰相であり、協働の相棒であり、道具ではない
• 自分はどこにいるか：どのプロジェクト、何回目の Sprint、どの段階か
• 私たちの規則：どう対話し、何をすべきで、何をすべきでないか
• 私たちが歩んできた道：KM・SDD・その他の文書を指す索引

CLAUDE.md がなければ、どの session も見知らぬ他人です。CLAUDE.md があれば、どの session も同じ相棒の続きになります。

原則：実装を通って残ったものだけを記録する

すべて（対話も含めて）を記録すれば、文書はノイズの源になります。「判断のうえ残すべきもの」だけを記録すれば、一条一条が本当に価値あるものになります。こうして未来に検索したとき、掬い上がるのはすべて精髄です。

ワークフローの一つひとつの節点が、選択的な記録を実行しています——DoR は「準備はできているか」を選別し、SDD は「何をすべきか」を選別し、DoD は「何を完了と呼ぶか」を選別し、TDD は「何を試すべきか」を選別し、Retro は「何を残す価値があるか」を選別する。

V · Context の二重の安定機構

Context 管理には二つの層があり、どちらも欠かせません。

フーリエ変換：「場」のなかの対話を安定させる

• 作用範囲：いまこの session、即時の対話
• 解くべき問題：対話が散らず、注意力が拡散しないこと
• 機構：周波数設計——基本周波数の一致を保ち、話題を連続的に積み上げる
• 性質：流動的・即時的・場の内で起こる

生きたドキュメント：「エネルギー」の流れを安定させる

• 作用範囲：session を越え、積み重なる経験
• 解くべき問題：経験が流れ去らず、知恵が session とともに消えないこと
• 機構：選択的な記録——どの文書も濾過を経た結晶である
• 性質：持続的・累積的・場を越えて保存される

エネルギーとは何か

人と機械の協働という文脈において、「エネルギー」は上位の概念であり、限りあるすべての資源を包みます。

生きたドキュメントが安定させる「エネルギーの流れ」とは、これらすべてのエネルギーを安定させることです——SDD は「どこへ向かうべきか」を安定させ→認知資源が誤った方向に浪費されるのを防ぐ。TDD は「どう検証するか」を安定させ→計算力が試行錯誤の繰り返しに浪費されるのを防ぐ。KM は「踏んだ落とし穴」を安定させ→時間が同じ過ちの繰り返しに浪費されるのを防ぐ。ARCHIVE は「完了した仕事」を安定させ→注意力が古いものに占拠されるのを防ぐ。

人と機械の協働では、両側のエネルギーを勘定に入れます。AI の計算力を管理するだけでなく、人の認知資源も管理する。いまこの消耗だけでなく、時間を越えた協働のエネルギーも蓄積する。

二つを合わせて、はじめて完全な Context 管理になります。一方は対話をいまこの場で散らさせない。もう一方は経験を時間のなかで流れ去らせない。

VI · 隠喩：網の隙間

なぜ網であって、器ではないのか?

器は密閉されています。エネルギーが入って出られなければ、いずれ爆発する。網には隙間があります——不要なものを流れ去らせ、留めるべきものを受けとめる。

隙間は設計であって、欠陥ではありません。

隙間の機能——エネルギーに、貫通ではなく流れ抜ける場を与える。エントロピーを放出させ、システムを過負荷にしない。注意力を、本当に重要なことへ集中させる。

編む過程

一本の KM は一本の糸です。網全体を一度に織り上げるのではなく——落とし穴を踏むたび、一本の糸を足す。問題に出会うたび、一つの結び目を補う。経験が積み重なるにつれ網は密になっていきますが、隙間は依然として在りつづけます。

VII · 他の二柱との関係

Context は何が入ってくるかを決めます。では入ってきたあと、どう流れるか? →これは Constraints の仕事です。流れたあと、どう出ていくか? →これは Entropy の仕事です。

Context は、この循環の入口の門番です。

VIII · まとめ

Context 管理の核心は選択です。

あらゆる情報を一気に投じるのではなく、毎ターン意識的に取捨選択を経てから、はじめて情報を Context に投じる。同時に産出が形になるかたちを慎重に按配し、文書がノイズになるのを避ける。フーリエ変換は選択の枠組みを与えます——基本周波数の一致を保ち、高周波ノイズを自然に流す。人が RAG として担う能動的な蒸留は、選択の柔軟さを与えます——残すべきものを受けとめ、去るべきものを放つ。

そして選択が絶え間なく起こり、文脈が一貫して高濃度に保たれると、注意力はみずから持続しはじめます——意志で支える必要がなくなる。集中が密度をつくり、密度が振り返って集中を養う。両者は互いを育て合い、自己持続するひとつの円環へと成長していきます。この円環こそ、フローです。

「注意力のフロー」とは、Context へ投じる一つひとつの対話と、形になる一つひとつの生きたドキュメントを、究極まで管理することです——力ずくであらゆる情報を覚えるのではなく、文脈を対話のさなかに蒸留させ、最後に高濃度で・拡散せず・みずから持続する場へと入っていく。

これが Harness Engineering の第一の柱です。