First Principles Framework は、厳密で監査可能な推論のための方法論であり、Context Engineering Kit はこれを Anatoly Levenchuk のものとしている。推論者がそのまま解決策へ進むことを許すのではなく、競合する仮説を生成し、それらを論理的に検査し、証拠に照らして検証したうえで、選択を人間に委ねることを求める。AI エージェントに適用した場合、この制約の意義はそれが後に残すものにある。キットはその効果を、エージェントの推論というブラックボックスを、透明で証拠に裏付けられた監査証跡へと変えるものだと説明している。
用法
中核となるサイクルは、3 つの推論様式を順に実行する。まずアブダクション（仮説形成）で、最初の思いつきに引きずられないよう競合する仮説を生成する。次にディダクション（演繹）で、各仮説を論理と制約に照らして検証する。そしてインダクション（帰納）で、テストや調査を通じて証拠を集め、それが現実に成り立つかどうかを確かめる。サイクルは、バイアスの監査、決定、そして根拠の永続的な記録で締めくくられる。
このサイクルの進め方は 4 つの原則に支配される。推論は透明であり、仮説から決定までの完全な監査証跡を伴う。仮説駆動であり、いずれかを評価する前に 3〜5 個の競合する代替案を生成する。証拠に基づいており、信頼スコアは見積もるのではなく計算される。そしてヒューマン・イン・ザ・ループを維持し、AI が選択肢を生成し人間が決定する。この役割分担をフレームワークは Transformer Mandate と呼んでいる。キットの実装では、このサイクルはワークフローとして実行される。作業ディレクトリを初期化し、仮説を生成し、ユーザーに自分の仮説を追加するよう促し、その後それらを並列に検証・妥当性確認・スコア付けしてから、比較結果を提示して決定を求める。
適用される場面
このフレームワークは、その根拠が後になって精査に耐えなければならない決定、つまり何が検討され何が退けられたかを示せることが答えそのものと同じくらい重要な場面に適している。本当に競合する代替案が生成できること、そして最終判断を下せる、また下す意思のある人間がいることを前提としている。Transformer Mandate は省略可能なステップではないため、完全に自律的なループに対してこのフレームワークが提供できるものはない。
そのコストは独特であり、キットはこれについて直接警告している。中核となる仕様は大きく、そのためプラグインはそれを長いコンテキストを持つモデル上のサブエージェントに読み込ませるが、キットはそのようなエージェントがトークン上限をすぐに使い切り得ると注意を促している。位置づけについて言えば、これはコンセンサスのあるプラクティスではなく一人の著者が公開した方法論であり、キットはそれをパッケージ化したものである。ソースはこのフレームワークがどう適用されるかを説明しているのであって、それが機能するかどうかを独立に評価したものではない。
関連用語
- LLM-as-a-Judge — モデルの最初の出力を信頼しないという同じ問題に対する別の答えであり、結果を生み出した推論を構造化するのではなく、結果そのものを評価する