AIKernel.NET
version: 0.0.2 / status: Refactor / edition: Draft / published: 2026-05-16 / updated: 2026-05-16

情報カテゴリ分離の原則

LLM に渡す情報は、単一のコンテキストに混在させてはならない。 これは AIKernel のアーキテクチャにおける最重要原則である。

アップロード文書にもある通り：

情報が混在すると、LLM の attention が表面構造に吸われ、 抽象推論が停止し、表面模写モードに陥る。 AIKernel はこの問題を構造的に防ぐため、情報カテゴリ分離を OS レベルで保証する。

1. 情報カテゴリ

LLM に渡す情報は、以下のカテゴリに分類される。 これらは 絶対に混在させてはならない。

  • purpose（目的）
  • constraints（制約）
  • structure（抽象構造）
  • history（履歴）
  • context（背景）
  • rag_material（RAG 素材）
  • expression（表現整形）
  • metadata（メタ情報）

これらはすべて、アップロード文書に記載されているカテゴリに基づく。

2. 理論的背景（Attention 汚染）

AIKernel の思想は、Attention 汚染理論に基づく。

アップロード文書より：

LLM の attention は有限であり、 抽象構造（structure）・目的（purpose）・制約（constraints）などの 推論に必要な情報に集中させる必要がある。

しかし、以下の情報が混ざると attention が汚染される：

  • 例（example / sample）
  • 文体指示
  • RAG の断片
  • 履歴
  • ノイズ

これらは 表面構造であり、attention を奪い、推論を破壊する。

3. Failure Mode（失敗モード）

情報カテゴリが混在すると、以下の failure mode が発生する。

3.1 表面模写モード（Surface Mode）

アップロード文書より：

特徴：

  • 文体だけ真似る
  • 推論しない
  • 構造を理解しない
  • 目的を見失う

3.2 推論停止

  • structure が attention に乗らず、目的を見失う
  • reasoning depth が浅くなる
  • chain-of-thought が崩壊する

3.3 ハルシネーション増加

  • context と rag_material が混ざると、

    • 「どこまでが事実か」を attention が判別できなくなる

3.4 deterministic replay の破壊

  • history と question が混ざると、

    • 再現性が失われ、同じ入力でも結果が変わる

4. 原則（AIKernel の公式ルール）

アップロード文書の原則を基に、AIKernel の OS 原則として再構成する。

4.1 例（example / sample）は推論カテゴリに入れない

例は attention を表面構造に引き寄せ、推論を停止させる。

4.2 RAG の結果は素材であり、推論に直接混ぜない

RAG は MaterialContext に隔離し、 推論（OrchestrationContext）に混ぜることは禁止。

4.3 history と question を混在させない

履歴は推論の焦点を奪うため、 必要な場合は要約し、カテゴリとして分離する。

4.4 structure（抽象構造）は最優先で attention に乗せる

抽象構造は推論の骨格であり、 attention の最優先対象である。

4.5 expression（表現）はアウトプット層でのみ使用する

文体・例・比喩は ExpressionContext に隔離する。

5. AIKernel における実装（Context Isolation）

AIKernel はカテゴリ分離を 仕様レベルで保証する。

アップロード文書より：

AIKernel の 3 層構造：

5.1 OrchestrationContext（推論）

  • 目的
  • 制約
  • 抽象構造
  • 思考パターン

5.2 ExpressionContext（表現）

  • 文体
  • 例
  • 説明
  • 比喩

5.3 MaterialContext（素材）

  • RAG の断片
  • 外部情報

この 3 層分離により、 カテゴリ混在が構造的に不可能になる。

6. 目的（Why）

情報カテゴリ分離の目的は以下の通り：

  • 推論の純度を最大化する
  • attention 汚染を防ぐ
  • 表面模写モードを回避する
  • LLM の抽象推論能力を最大限引き出す
  • deterministic replay を保証する
  • OS としての一貫性を保つ

7. 関連文書

変更履歴

  • v0.0.0 / v0.0.0.0: 初期ドラフト
  • v0.0.1 (2026-05-06): ドキュメント規約に基づくバージョン更新
Source: architecture/1.CATEGORY_SEPARATION_PRINCIPLES-jp.md