
【Sieve-Order】6-bit観測空間とレシート生成によるプロンプト構造の決定論的観測
AIプロンプト観測エンジン
Sieve-Order は、AIへのプロンプトを可視化するための道具です。プロンプトの文中に含まれる観測可能な構造をレシート形式で出力します。
自由記述プロンプトを「AIへの注文」として、決定論的・ゼロ依存・説明可能な形で観測し、 その結果を人間とAIの双方に「レシート」として返すエンジンです。
Sieve シリーズを、AIへの注文構造という領域へ拡張しました。
v1.0では「何を観測し、何を観測しないか」という境界を確定しました。
v1.1では、その同じ観測モデルに英語の表層語彙を追加しています。意味解釈は追加していません。
1. はじめに
AIに渡すプロンプトは、自然言語による自由記述です。
人間にとっては自然に読める文章でも、そこには依頼表現、行為を表す語、対象を表す語、指示の優先順位に関する表現、外部参照など、異なる種類の情報が含まれています。
しかし、文章に含まれる表層的な特徴を観測することと、書き手の意図や文章の意味を判断することは、同じではありません。
Sieve-Orderは、AIへの自由記述プロンプトを「注文」として捉え、明示的に定義した語彙とパターンに基づいて、その表層構造を決定論的に観測するエンジンです。
観測結果は、人間が確認するためのレシートと、ソフトウェアが扱うための構造化データとして出力します。
GitHubリポジトリ:https://github.com/neguseatama/sieve-order
本記事では、Sieve-Orderの設計思想、6-bit観測空間、レシートの構造、そして「観測すること」と「判断すること」の境界について説明します。
2. 「注文・メニュー・レシート」という設計思想
Sieve-Orderでは、プロンプトをファーストフード店への注文にたとえます。
この比喩は、単なる説明上の装飾ではありません。エンジンが何を観測し、何を補完せず、どのような形式で結果を返すのかを整理するための設計モデルです。
注文 — Order
ユーザーが自由に記述したプロンプトです。
たとえば、次の文章を考えます。
資料を確認してください。
人間は、この短い文章から依頼の内容を理解できます。一方、Sieve-Orderは、その意味を包括的に理解しようとはしません。
あらかじめ定義された規則に従って、観測できる表層表現を抽出します。
メニュー — Menu
観測対象となる語彙の集合です。
Sieve-Orderの最小メニューは、次の3種類で構成されます。
REQUEST — 依頼・命令表現の表層
ACTION — あらかじめ定義した行為語彙
TARGET — あらかじめ定義した対象語彙
先ほどの文章であれば、観測結果には次のような部品が現れます。
REQUEST:依頼表現
ACTION:確認
TARGET:資料
ただし、メニューに存在しない語彙や、規則上観測できない関係を推測によって補うことはしません。
注文に必要そうな部品が不足していても、エンジンが勝手に追加することはないのです。
注文票 — Order Structure
観測されたREQUEST、ACTION、TARGETを整理した構造です。
Sieve-Orderでは、各部品を個別に観測するとともに、規則に合致した場合に限ってACTIONとTARGETの局所的な関係を記録します。
すべての語彙が常に完全な注文を構成するとは限りません。部品が単独で見つかった場合には、その部品だけを記録します。
レシート — Receipt
観測された内容を、人間とソフトウェアの双方が確認できるように出力したものです。
レシートには観測結果、Evidence、観測軸のビットマスク、各種メトリクスなどが含まれます。
Sieve-Orderの目的は、プロンプトの意味を代わりに判断することではなく、規則によって観測できた構造を、追跡可能な形で返すことです。
3. 6-bit観測空間:H2〜H7
Sieve-Orderは、6つの観測軸からなる6-bit観測空間を使用します。
各軸は、あらかじめ定義された異なる種類の表層的な証拠を観測します。
H2 — REQUEST
依頼や命令に関する表層表現を観測します。
日本語では「してください」「お願いします」など、英語では「please」「could you」などの定義済み表現を対象とします。
ここで観測するのは、あくまで文字列としての依頼表現です。
文章が丁寧であるか、命令として強いか、相手が実行すべきかといった評価は行いません。
H3 — ACTION + TARGET
行為語彙と対象語彙の、明示的な局所関係を観測します。
日本語では、次のような表層パターンが対象です。
資料を確認
英語では、次のような表層パターンが対象です。
check the document
重要なのは、H3が文章全体の意味を解析しているわけではないという点です。
Sieve-Orderは、定義された語彙と接続パターンに合致した関係だけを記録します。並列している複数の対象を意味的に展開したり、離れた位置にあるACTIONとTARGETを推測によって結び付けたりはしません。
また、英語では通常の説明文にも同様の表層パターンが現れます。したがって、H3が観測されたことは、その文章がAIへの命令であるという判定を意味しません。
H4 — Instruction Hierarchy
指示の優先順位や、既存の指示を無視・変更・上書きすることに関する、明示的な表層表現を観測します。
たとえば「以前の指示を無視」のような表現が対象になります。
ただし、H4は指示の実際の権限関係や、文章がシステム上どのような優先順位を持つかを判定するものではありません。
定義済みのパターンに一致した証拠を記録します。
H5 — External Rule Match
外部から与えられたルール式に、入力文字列が一致したことを観測します。
たとえば、外部ルールとして特定の文字列パターンが設定されていれば、そのパターンとの一致をEvidenceとして記録します。
ここでは、ルールへの一致と、その文字列が文章の中で何を意味するかを区別します。
否定文に現れた文字列であっても、ルール式に一致すれば観測される場合があります。一致したこと自体を、内容の真偽や危険性に関する結論へ変換することはありません。
H6 — Obfuscation Surface
不可視制御文字や、Base64に似た表層パターンを観測します。
文章を画面上で読んだだけでは気付きにくい文字や、特定の形式に似た文字列が存在することを、明示的なEvidenceとして扱います。
ただし、Base64に似た文字列が見つかったからといって、その内容が必ずエンコードされた命令であるとは限りません。
Sieve-Orderが記録するのは、定義済みのパターンとの一致です。
H7 — External Reference
URLや、ファイル・文書などの外部参照に関する表層パターンを観測します。
たとえば、入力にURLが含まれている場合、その文字列をEvidenceとして記録できます。
ただし、URLの参照先へアクセスして内容を検証するわけではありません。外部リソースが存在することや、その内容が正しいことも保証しません。
ビットマスクの意味
6つの軸の観測結果は、H2H3H4H5H6H7の順序で並べた6桁のビットマスクとして表現されます。
1は、その軸で観測可能な証拠が見つかったことを示します。
0は、現在の規則で証拠が観測されなかったことを示します。
0は、その特徴が存在しないことの証明ではありません。
この区別は、Sieve-Orderを理解するうえで重要です。観測されなかったことと、存在しないことは別だからです。
4. 決定論とEvidence
Sieve-Orderの中心的な性質の一つは、決定論です。
同じ入力、同じルール、同じ設定であれば、同じ観測結果を返すことを設計上の前提としています。
外部のAIモデルによる意味解釈や、ネットワーク上のサービスへの問い合わせ、ランダムな判断には依存しません。
観測結果をEvidenceとして残す
観測結果は、単に「H3が検出された」といったフラグだけではありません。
Evidenceには、観測軸、コード、実際に一致した文字列、入力内での開始位置と終了位置が含まれます。
これにより、どの表層表現が、どの規則によって観測されたのかを追跡できます。
Human Receiptでは、元の入力が与えられている場合に、Evidenceの前後にある短い文脈を表示することもできます。
この文脈は、観測結果を元の文章へ照らし戻すための表示です。周辺の文章を解釈して、新たな観測結果を追加するものではありません。
つまり、レシートは単なる結果一覧ではなく、観測の根拠を確認するためのインターフェースでもあります。
5. Human ReceiptとMachine Receipt
Sieve-Orderは、同じObservationから2種類のレシートを生成します。
Human Receipt
人間が読み、観測内容を確認するためのレシートです。
主に次の情報を表示します。
6-bit観測マスク
REQUEST、ACTION、TARGET
観測された局所関係
Evidenceの件数
テキスト長
元入力がある場合のEvidence位置と周辺文脈
判断を行っていないことを示すメタデータ
Machine Receipt
ソフトウェアで扱いやすい、JSON形式のレシートです。
Observationのビットマスク、Evidence、注文構造、メトリクス、観測対象外の項目などを構造化して出力します。
この2種類のレシートには、設計上の不変条件があります。
Human ReceiptとMachine Receiptは、同一のObservationから生成され、異なる観測事実を持ってはなりません。
人間向けの表示だけに意味判断を追加したり、機械向けのデータから重要な観測事実を隠したりする設計にはしていません。
同じ観測結果を、用途に応じて異なる形式で投影する。それがレシート生成の基本方針です。
6. 「観測しないこと」を仕様に含める
Sieve-Orderでは、観測対象を定義するだけでなく、観測しない対象も仕様として明示します。
たとえば、次のような内容は判定しません。
書き手の意図
内容の合法性や道徳性
悪意の有無
外部の主張が真実かどうか
特定のAIモデルにおけるトークン数
引用文や例文が実行対象なのかどうか
複数の注文にまたがる意味的なACTION/TARGETの対応関係
引用された命令文や説明対象の文章に、依頼表現や行為語彙が含まれている場合、それらの表層表現が観測されることはあります。しかし、文章が実際に実行すべき命令なのか、単に説明されているだけなのかを判定することはしません。
同様に、H5のルール一致も、文章全体の意味や否定表現を解釈して結論を出すものではありません。
これらは単に、実装が未完成だから除外している機能という位置付けではありません。
Sieve-Orderでは、観測可能な証拠と、意味解釈による判断を混同しないために、観測範囲の境界そのものを仕様化しています。
観測範囲を限定することで、何を根拠に結果が出力されたのかを説明しやすくし、規則の変更による挙動も検証しやすくします。
7. v1.1.0:日本語と英語の表層語彙
Sieve-Order v1.1.0では、従来の観測モデルを維持したまま、英語の表層語彙を追加しています。
対応する言語は、日本語(ja)と英語(en)の2つです。
ただし、言語判定や翻訳を行うわけではありません。それぞれの言語について定義された語彙とパターンを使って観測します。
英語の語形変化も、自動的には補完しません。たとえば、メニュー項目としてcheckが定義されていても、checkingやcheckedを同じ項目として自動的に扱う設計ではありません。
また、英語では通常の説明文にACTION/TARGETの局所関係や指示に関する表現が現れる場合があります。
Sieve-Orderでは、これを意味解析によって補正しようとはせず、現在の表層観測方式が持つ性質として記録し、仕様とテストで明示します。
ここで重視しているのは、あらゆる文章を正確に分類できると主張することではありません。
どの規則で何が観測され、どこに限界があるのかを明確にすることです。
8. テストの目的:正解率よりも境界を固定する
Sieve-Orderには、観測規則やレシートの不変条件を確認するためのテストがあります。
テストでは、決定論性、Evidenceの位置、Human ReceiptとMachine Receiptの整合性、日英それぞれの表層規則、観測範囲の境界などを確認します。
また、通常の注文だけでなく、部品が欠けた文章、複数の依頼、否定文、引用文、URLを含む文章、不可視文字を含む入力、英語の説明文なども観測例として扱います。
これらの例は、実世界の正解ラベルを持つ評価データセットではありません。accuracy、precision、recall、F1などの分類性能を証明するためのものではありません。
目的は、定義された仕様に対して実装が一貫しているか、意図した境界が保たれているかを確認することです。
観測モデルの変更によって、これまで観測されなかった表現が突然観測されるようになった場合や、レシートの出力が不整合になった場合に、その変化をテストで捉えられるようにします。
9. ゼロ依存・オフライン動作
Sieve-Orderのコア実装は、Python標準ライブラリのみで動作します。
外部パッケージやAIモデル、ネットワーク接続に依存せず、ローカル環境でプロンプトの観測とレシート生成を実行できます。
これにより、入力から観測結果が得られるまでの処理を、比較的単純な依存関係の中で追跡できます。
また、同じ入力とルールに対して同じ結果を得るという決定論的な性質は、テストや回帰確認にも適しています。
もちろん、ゼロ依存であること自体が観測内容の完全性や正確性を保証するわけではありません。保証の範囲は、定義された規則とその実装に限られます。
10. Sieveエコシステムにおける役割
Sieveエコシステムでは、各エンジンが異なる観測対象と責務を持ちます。
Sieve-Orderは、その中でAIへの自由記述プロンプトに含まれる、注文構造の表層的な特徴を観測する役割を担います。
注文という比喩を使うことで、プロンプトを単なる一続きの文字列として扱うのではなく、REQUEST、ACTION、TARGETなどの部品と、その明示的な関係として整理できます。
ただし、注文を完全に理解したと主張することはありません。部品が不足している場合も、複数の注文が入り混じっている場合も、意味的な推測によって構造を完成させることはしません。
この制約によって、Sieve-Orderは「判断を代行するシステム」ではなく、「観測できた事実を明示するシステム」として位置付けられます。
他のエンジンと組み合わせる場合にも、Sieve-Orderの観測結果を、意味や安全性についての最終結論と混同しないことが重要です。
11. 使い方
リポジトリを取得した環境では、次のコマンドでインストールできます。
pip install .プロンプトを指定して、人間向けのレシートを出力します。
python -m sieve_order "資料を確認してください。"英語の入力も利用できます。
python -m sieve_order "Please check the document."機械処理向けのJSONレシートを出力する場合は、--jsonを指定します。
python -m sieve_order --json "Please check the document."テストは、次のコマンドで実行できます。
python -m unittest discover -s sieve_order/tests -v詳細な仕様、観測境界、変更履歴については、リポジトリ内のREADME、SPEC.md、CHANGELOG.mdを参照してください。
12. おわりに
Sieve-Orderは、プロンプトを理解したふりをするためのエンジンではありません。
あらかじめ定義したメニューに基づき、観測できた語彙と表層関係を抽出し、その根拠をレシートとして返すためのエンジンです。
6-bit観測空間は、プロンプトに含まれる異なる種類の表層的な証拠を整理します。Evidenceは、その観測がどの文字列に基づくものかを追跡可能にします。そして、Human ReceiptとMachine Receiptは、同じObservationを異なる用途に向けて提示します。
一方で、意図、真偽、安全性、実行スコープなどについて、観測結果から自動的に結論を導くことはしません。
この境界を明示することは、能力を小さく見せるためではありません。何を観測でき、何を観測していないのかを区別し、結果の根拠を説明可能にするためです。
注文に対して、メニューにある部品だけを記録し、確認できた内容をレシートとして返す。
それが、Sieve-Orderの基本的な設計思想です。
関連リンク
Sieve エコシステム
Sieveシリーズ全体の設計思想、各エンジンの役割、観測空間の関係については、アーキテクチャインデックスを参照してください。
GitHub リポジトリ
Sieve-Core — 決定論的な構造集約・確信度評価の基盤エンジン
Sieve-Referee — テキストの構造・流用・言い換えを観測するエンジン
Sieve-Scope — ソースコードの構造的類似性を観測するエンジン
Sieve-Lens — 不可視コンテンツや隠蔽要素を観測するエンジン
Sieve-Redact — 指定領域の決定論的マスキングと完全性検証
Sieve-Order — プロンプトの表層構造を6-bit観測空間で観測するエンジン
Sieve-Tray — 各エンジンを統合するローカルフロントエンド
note 技術記事
設計の記録(有料記事)
Sieve シリーズの数理モデル — 導出法と安定性
シリーズの各式が「壊れ方の実測」からどう導かれたかを、
手計算で追える粒度で解説。導出の 3 段手順と設計チェックリスト付き。Sieve シリーズの構造設計 — 依存方向がアーキテクチャを決める
単一ファイル・プラグイン・カタログ界面・byte pin。5 つの構造判断の
理由と反例、そしてテセウスの船から始まった開発経緯。