長い会話を続ければ、AIはだんだん仕事を理解していく。

資料を全部保存しておけば、必要なときに思い出せる。

Threadを分ければ、Contextは軽くなる。

どれも条件次第では正しいです。
ただし、長期運用ではこの三つをそのまま信じると、かなり簡単に壊れます。

よくあるのは、こんな状態です。

この問題を「AIが忘れた」で片づけると、改善できません。

本教材ではContextを、

会話に入っている文字列

ではなく、

現在の判断に必要な情報を、正本から選び、版を合わせ、必要な量だけActiveにし、作業後の差分を外部Stateへ戻す仕組み

として設計します。

目標は「AIに無限の記憶を持たせること」ではありません。

会話が切れても、Threadが変わっても、Modelが変わっても、必要な現在地を再構成できること。

これが長期AI運用で本当に必要な能力です。

まず30秒で診断する――「保存」「取得」「Active」を分ける

最初に覚えるのは、たった3つです。

Stored
どこかに保存されている

Readable
現在の環境から取得できる

Active
今回の判断のために実際に読み込まれている

仕様書がフォルダに存在していても、今回のAIが開いていなければ Stored であって Active ではありません。

逆に、古い仕様書を毎回全文読み込んでいれば Active ですが、それが Current とは限りません。

「前に説明したはずなのに」「ファイルにあるはずなのに」「別Threadではできたのに」

と思ったら、まず次を見ます。

これだけで、「記憶力の問題」に見えたものを、

保存 / 取得 / 読込 / Freshness / Contamination

へ分解できます。

Context不足と記憶不足は、同じ現象ではありません。

この教材で持ち帰るもの

対象は、単発チャットではなく、

長期案件、複数Thread、複数Model、AIエージェント、Knowledge Base、継続的な制作や調査

を壊れにくくしたい人です。