AIを使って、どのように迅速に認知フレームワークを確立するか、30分で新しい分野を把握できますか？

元のタイトル："私が2年間使用している深堀りプロンプトを共有します。これにより、30分でどんな不慣れな分野でも理解できます。"

元の著者：デジタルライフ風

数日前、会議を終えた後、昨日の週末に友人と夕食をとっていました。私たちが話していると、彼は突然箸を置き、私を見て言いました。「おい、どうして君は何でも少し知っているように見えるの？」

私は「わからない」と言いました。

彼は言いました。「どうして君はハーネスやクロードコード、心理学、ヒットマン2、クトゥルフ神話について何でも話せるように感じるのに、ポケモンポパキアを遊ぶ時間もあるの？」本当に1日に何時間あるの？"

その瞬間、私は驚きました。

正直に言うと、大きなことを言うのは一つのことですが、私は本当にすべてを知っているとは感じていませんでした。私は多くのことに好奇心があり、知らないことに迅速に慣れる方法を持っています。

彼は再び尋ねました。「どんな方法？」

私は言いました。「私が自分で開発した研究フレームワークとAIを組み合わせたものです。私は30分で1,000から2,000語の研究報告書を作成でき、これにより迅速に始めることができます。"

彼は再び箸を置きました。

そして彼は言いました。「このことを文書にしてくれ。」

だから、今日この記事が生まれたのです...

それが皆にとって有用かどうかは分かりませんが、これは私が金融業界にいた三年前に使用した方法論であり、研究会社や業界で使われている方法論です。その後、AIが登場し、さまざまなタイプの深層研究が現れ、私はこの方法論を少し改良し、多くのAIの深層研究機能に使用されるプロンプトにパッケージ化しました。これは私の研究に適用できます。正直なところ、これは私が過去二年間で使用した中で最も便利なものの一つだと思います。

このものが生み出す研究がどれほど徹底的かは言えませんが、少なくとも私がかなり完全な認知フレームワークを迅速に確立し、そのフレームワーク内でさらに深く掘り下げるのを助けてくれます。

私はこの方法論を以前こう呼んでいました…

水平分析と垂直分析の方法。

まず、このものが何であるかを説明させてください。

実際には非常にシンプルで、ただ二つの軸があります。

最初の軸、垂直。それは、何かの完全な物語をタイムラインに沿って遡り、その誕生から現在までを追跡することです。それはどのようにして生まれたのですか？誰がそれを創造したのですか？その過程で何を経験したのですか？なぜ特定の時点で突然飛躍したり、突然方向転換したりしたのですか？このタイムラインを解きほぐすと、何かの歴史と因果関係を大まかに理解することができます。

二つ目の軸、水平。それは、現在の瞬間に同じ空間にある他のものと並べて比較することです。それは競合他社とどのように異なりますか？なぜユーザーは他のものよりもそれを選ぶのですか？それは全体の空間の中でどの位置にありますか？この側面を明確にすると、何かの位置と差別化を理解できるようになります。

次に最も重要なステップは、これらの二つの軸を交差させることです。

縦軸は今日に至るまでの経緯を示し、横軸は今日の立ち位置を示します。これら二つの軸が交差すると、どちらか一方の軸だけを見ていては見えなかったものが見えてきます。例えば、今日のある利点は、実際には三年前に行われた一見重要でない決定の結果であり、時間をかけて蓄積されたものです。また、今日のある弱点は、実際には最初に行われた合理的な選択の結果であり、それが負担に変わったものです。

縦軸に沿って深さを追跡し、横軸に沿って幅を測り、最後に交差点で判断を下します。

それが全てです。

これは、私が過去二年間で最も便利だと感じた方法でもあります。

この方法は、実際には社会科学や言語学におけるいくつかの古典的な研究視点から派生したものです。

言語学では、ソシュールによって提案された非常に古典的な分析次元があり、それは歴史的分析と同時的分析と呼ばれています。

何かを研究する際には、二つの次元から始めることができます。一つは時間の次元であり、過去から現在までどのように段階的に進化してきたかを観察し、もう一つは現在の次元であり、特定の時点でどのようなシステムと比較関係にあるかを検討します。

社会科学にも同様の研究視点が存在し、縦断的研究と横断的研究と呼ばれています。縦断的研究は、対象の変化の軌跡を追跡することを含み、横断的研究は特定の時点でのスナップショットを観察し、横の比較を行うことを含みます。

私は、これらの長年使用されてきた研究視点を学術界から抽出し、いくつかのビジネスや競争戦略分析の思考と組み合わせて、AIによって運営される一般的な研究フレームワークに変えました。

現在、プロンプトバージョンとスキルバージョンがあります。

それらはすべて私のGithubリポジトリでオープンソース化されています：

https://github.com/KKKKhazix/khazix-skills

プロンプトバージョンは、ChatGPTのDeepResearch、Claudeの詳細な研究、Beanの専門モード、DeepSeekの専門モードなど、深い研究を伴うAI機能と特に相性が良いです。また、Kha'Zixのライティングスキルを活用して、執筆スタイルを意図的に最適化しました。このレポートが作成されると、難解な書物のようではなく、実際に読み通せるようにするためです。

ここにプロンプトを置いておきましたので、必要な方はコピーするか、Githubリポジトリに行って取得できます。

使用方法は非常に簡単です。その研究対象の方程式の後にあるフレーズを、希望する研究対象に置き換えるだけです。

例えば、最近人気のあるハーネスエージェント、Harness、CLI、AnthropicがSaaS株に与える影響などです。

あるいは、「ロックワールドの王国」、「王者の栄光の世界」、イラン・アメリカの対立、トランプの予測不可能性などを研究したいかもしれません。

何でも可能です。

最近人気のあるHarness+Claudeの詳細な研究を使って例を挙げましょう。

そのプロンプトを少し調整し、方程式内の内容をハーネスに置き換え、Claudeの詳細な研究モードを起動しました。

すぐに送信しました。

その後、Claudeがハーネスが何であるかを確認するように求めてきたので、いくつかの追加情報を提供しました。

そして、私たちは直接進みました。

13分後、ハーネスに関する研究報告が完成しました。

その効果を見てみることができます。縦の分析はよく書かれていると思います。歴史は非常に明確に示されており、いつ誕生し、いつ勃発し、どのような重要なマイルストーンがあるかを示しています。

なぜこの特定の時期に勃発したのかについても非常に合理的な説明があります。

横の研究については、プロンプトエンジニアリング、コンテキストエンジニアリング、エージェントエンジニアリングの比較です。

エージェントを理解している人は、比較におけるその専門性を疑問視しないと信じています。いくつかの類似の概念と比較することで、違いを非常に迅速に明確にすることができます。

そして最後に、未来の進化の方向性。

このレポート全体は約一万語の長さです。信じてください、もしあなたがHarnessに興味があり、それについてできるだけ早く包括的に理解したいのであれば、この研究レポートはあなたが見たほとんどの要約記事よりも優れています。

包括的で読みやすい。

研究対象は、Cursor、Claude Code、Hermes Agentなどの製品である可能性があります。それは、AnthropicやByteDanceなどの会社である可能性があります。それは、MCPプロトコルやRAGなどの技術的概念である可能性があります。それは、業界の重要人物などの人である可能性さえあります。

Promptは、研究対象の種類に基づいて縦の分析と横の分析の強調を自動的に調整します。製品の研究ではバージョンの反復と機能の比較に焦点を当て、会社の研究では資金調達プロセスとビジネスモデルに焦点を当て、個人の研究ではキャリアパスと同じ分野の他の人物との比較に焦点を当てます。

もしあなたが普段Cowork、Claude Code、Codexなどを使うのが好きなら、私はこの方法論をhv-analysisというスキルに変え、私のGitHubリポジトリでオープンソースにしました。

インストール後、エージェントに「xxxの研究を手伝って」と直接伝えることができ、縦の分析と横の分析のフレームワークに従います。

さらに、このスキルバージョンは、学術的な質問を研究しているときに、論文を自律的に調べるためにarXiv APIを含む情報を自動的にウェブで検索します。その後、より読みやすい形式の整ったPDF研究レポートを生成し、Promptバージョンよりも多用途になります。

もちろん、この方法の限界について正直でなければなりません。

これは万能の解決策ではありません。

それは、かなり包括的な認知フレームワークを迅速に構築するのに役立ちますが、真に深い、直接的な研究に取って代わることはできません。

さらに、AIによって収集された情報は現在非常に正確ですが、誤りの可能性は依然としてあります。

したがって、AI生成のレポートを直接的な結論として受け取ることはできません。それはこの分野での研究の出発点のようなものであり、物事を迅速にマッピングして、あなたがこのマップに基づいてさらに探求できるように助けます。

もう一つの問題は、AI生成のレポートの質が使用するモデルとツールに大きく依存することです。DeepResearchや詳細な探索をサポートするツールは、実際にオンラインで多くの情報を検索し検証するため、通常はより良い結果をもたらします。そして、各タスクは通常10分以上かかります。

しかし、基本的なウェブ検索をサポートするAIツールしか使用できない場合、タスクごとに1分未満で済むため、効果が大幅に低下する可能性があります。

私のアプローチは、報告書を受け取った後、迅速に目を通して枠組みを確立し、質問があるポイントや特に興味があるポイントについてさらに深く掘り下げることです。

したがって、これはクロス分析法を使用して生成されたAIレポートと私自身のさらなる調査の組み合わせであり、ゼロから始めるよりもはるかに効率的です。

結局のところ、AIがすでに利用可能なこの時代において、自分で苦労して掘り下げる必要は本当にありません。それは不必要に厳しいことです。

時々、私はこの研究の時代において、本当に不足しているのは情報ではなく、むしろ世界に対するあなたの好奇心だと思います。

実際、私が本当に博識であるか専門的であるかと尋ねられたら、確かにそうではありません。私はただ世界に対して少し大きな好奇心を持っているだけです。

それは、いつでもどこでもあなたの心に浮かぶ一連の質問です。

この物はどこから来たのですか？なぜ今現れているのですか？それはあの他の物とどのような関係がありますか？人々はこのことをする前に何をしていましたか？これらの質問は、思考の瞬間に答えがないと、本当に不快にさせます。皆さんがこの感覚を持っているかどうかわかりませんが、今この瞬間に、すぐに答えを得る必要があるという感覚です。

情報はすでに洪水のようになり、AIは情報へのアクセスコストをゼロに近づけています。

しかし、どのような質問をするか、どの視点から見るか、散らばった情報を意味のある判断に整理する方法—これらはAIが助けてくれないことです。むしろ、AIはあなたが方向性を提供した後にのみ支援できますが、その方向性自体はあなたが設定しなければなりません。

縦横分析法は、実際には私が自分自身のために設定した質問の枠組みです。毎回、何か未知のものに直面するたびに、どの視点から理解すべきかを一時的に考える必要はありません。この枠組みがすでにそれを解決してくれています。

時間を縦にたどり、空間を横にたどり、最終的に収束して判断を形成します。三つのステップが完了し、認知フレームワークが確立されました。

これにより、数年前のように情報を集めるのに三日もかける必要がなくなりました; 今では、フレームワークを半時間で組み立てることができ<1>、残りの時間を本当に興味深い部分、つまりこの情報がゆっくりと一つの全体像を形成するのを見守り、突然「なるほど、そういうことか」と気づく瞬間に費やすことができます。

その瞬間は本当にクールです。

正直なところ、この方法が全ての人に適しているかどうかはわかりません。

しかし、もしあなたが心の中に多くの質問が浮かぶタイプの人で、情報収集が遅すぎると感じるのであれば、試してみる価値があります。

古代ギリシャ人は「哲学は驚きから始まる」と言いました。

私は、研究も何かに本当に好奇心を持ったときに始まり、方法や道具は後からついてくると思います; 好奇心が道を切り開くのです。

好奇心がなければ、どんなに優れた方法論があっても、それはただの飾りに過ぎません。

好奇心があれば、たとえ方法が少し不器用でも、必ず答えを見つけることができます。

ただ、今は答えを見つけるのが確かに以前よりもずっと早いです。

あなたがもっと多くのことに深く関わることができるほど速いです。

好奇心を持ち続けてください。

オリジナル投稿リンク