Recursive Self-Improvement Loop
概要
1回生成して終わりではなく、生成 → 自己採点 → 診断 → 改善 → 再採点を全基準合格まで反復するスキル。
ループプロトコル
code
GENERATE(初回生成)
↓
EVALUATE(スコアリング基準で採点)
↓
全基準合格? → Yes → ADVERSARIAL TEST → 合格 → SHIP
↓ No ↓ No
DIAGNOSE(不合格理由を特定) DIAGNOSE に戻る
↓
IMPROVE(弱点を修正した新版を生成)
↓
RE-EVALUATE(再採点)→ ループ先頭に戻る
停止条件
| 条件 | アクション |
|---|---|
| 全基準が閾値以上 + 敵対テスト合格 | SHIP(最終版を出力) |
| 5イテレーション到達 | 最高スコア版を出力 + 残課題をテーブルで報告 |
出力形式(各イテレーション)
各イテレーションで以下のテーブルを出力する:
code
## Iteration N ### 生成物 [コピー/テキスト本文] ### スコアカード | # | 基準 | スコア | 閾値 | 判定 | 診断 | |---|------|--------|------|------|------| | 1 | Thumb-Stop Power | 7/10 | 9 | FAIL | 冒頭が抽象的。具体的な数字で始める | | 2 | Curiosity Gap | 9/10 | 9 | PASS | - | | ... | ... | ... | ... | ... | ... | ### 総合: FAIL(7/10 合格) → IMPROVE へ
プリセット
タスクに応じて scoring-presets.md のプリセットを使用する。参照: references/scoring-presets.md
プリセット選択
| ユーザーの依頼 | 使用するプリセット |
|---|---|
| TikTok広告/動画フック | tiktok-hook |
| 静止画広告/イメージ広告 | image-ad |
| App Store説明文/ASO | aso-description |
| Paywall/課金画面テキスト | paywall |
| Nudge/通知テキスト | nudge |
| LP/ランディングページ | landing-page |
| メールシーケンス | email-sequence |
| SNS投稿(X/Twitter) | social-post |
プリセットにないタスクの場合、ユーザーの依頼内容から適切なスコアリング基準を動的に構築する。
敵対テスト(最終ゲート)
全基準合格後、3つのペルソナで攻撃する:
| ペルソナ | 攻撃内容 | Anicca特化 |
|---|---|---|
| 懐疑的ターゲット | 「また同じ広告でしょ」「嘘っぽい」 | 6-7年失敗し続けた25-35歳。習慣アプリ10個挫折済み |
| 競合のCMO | 「うちでも同じこと言える」「差別化ゼロ」 | Habitica/Streaks/Calm等のマーケ担当 |
| 3秒スクロール | 「何これ?→スルー」 | TikTok/Instagramでスクロール中の状態 |
敵対テスト出力形式
code
### 敵対テスト | ペルソナ | 反応 | 生存 | |---------|------|------| | 懐疑的ターゲット | 「6年って…私のことだ」 | PASS | | 競合CMO | 「AIコーチは差別化になるが、苦しみへの共感は真似できない」 | PASS | | 3秒スクロール | 数字で止まるが、次の行が弱い | FAIL → 2行目を強化 |
1つでもFAIL → DIAGNOSE に戻る。
Anicca ペルソナ適合チェック(全プリセット共通)
全てのマーケ出力で、以下を追加チェックする:
| チェック | 基準 |
|---|---|
| 押しつけていないか | ehipassiko(来て、見て、自分で確かめて) |
| 共感があるか | karuṇā(責めない、寄り添う) |
| 嘘をついていないか | 「簡単に」「すぐに」は禁止 |
| ペルソナの言葉か | 25-35歳、6-7年の自己嫌悪ループの語彙 |
使い方
code
/recursive-improver TikTokの広告フックを作って。テーマ: 「習慣アプリ全部挫折した人」
code
/recursive-improver Paywallのヘッドラインを改善して。現在: 「あなたの変化を始めよう」
code
/recursive-improver このLPコピーを磨いて: [テキスト]
既存出力の改善も、ゼロからの生成もどちらも対応する。既存出力がある場合はそれをIteration 0として採点から開始する。
最終更新: 2026年2月9日