マルチエージェント並列深層調査方法論

[!info] TL;DR
複雑な跨領域テーマに対して世界レベルの深層調査を行う際には、階層並列マルチエージェント + EXTEND（REPEAT ではない）が最適なモデルとなる。概観（3 agent）→ サブ領域深掘り（9 agent）→ 跨切断面拡張（複数 agent）を経て、累計約 12-15 agent、約 700 ツール呼び出し、1.2M+ 文字の産出を達成し、ウォール時間はわずか約 1.5 時間である。

核心原則：

1. 階層的であってフラットではない:本段階でまず認知座標系（概観）を構築し、本段階で事実層（深掘り）を埋め、本段階でエッジ（地域 / forensics）を拡張する。これによって「局所の細部が全体フレームワークを埋没させる」事態を回避する。
2. エージェントは EXTEND であって REPEAT ではない:各 エージェントはを繰り返さないことを明示的に約束する必要がある。prompt で強制する形を取る（「概観 を一切繰り返さず、より深い領域のみを掘り下げる」）。さもなくば重複コンテンツが返されることになる。
3. 情報隔離と並列実行:並列エージェントは相互に通信しない構成とする。これによって confirmation bias を低減すると同時にカバレッジを最大化する。
4. ディスクへの書き込みと簡潔な返却:各エージェントは完全な産出をディスクに書き込み、300 字以下の要約のみを返却する。これによってメインエージェントのコンテキストウィンドウを保護する。
5. 品質ゲート:各エージェントに対して字数 30K 中国語文字以上、引用ソース 35 個以上、実コード / tx hash / SEC 文書引用を強制する。これによって抽象論を防止する。

典型的な階層構造（3 つの調査対象 × 3-5 のサブ領域に基づく）：

v3: 3-5 agent（跨切断面 / 地域 / オンチェーンデータ）→ 35-50K 文字 / 切断面
合成層：2 agent（主調査員 + 統合層）           → 15-25K 文字

重要な prompt 要素（各エージェント）：

• コンテキスト（既存ファイルパスと、繰り返し禁止の明示）
• 出力ファイルパスと字数要件（最低値）
• サブ領域リスト（各々の最低字数）
• 引用タイプリスト（コードパスと行番号、tx hash、SEC 文書、X 投稿、podcast URL 等）
• 作業方法（WebSearch の最低回数、Bash による repos/ 上でのコード調査）
• 返却内容の制限（300 字以下）

避けるべき落とし穴：

• ❌ 全コンテンツを単一エージェントに詰め込む（深さは長さに非ず、品質崩壊を招く）
• ❌ エージェントに EXTEND を要求しない（デフォルトでは 概観コンテンツを繰り返す）
• ❌ 返却字数を制限しない（メインエージェントのコンテキストウィンドウが爆発する）
• ❌ 実引用を要求しない（エージェントによる捏造の可能性が残る）
• ❌ 階層化しない（同時に 15 エージェントを起動し、概観座標系を欠くとフォーカスを失う）

コスト見積もり（Opus 4.7）：

• 各エージェントごとに、入力約 600K tokens + 出力約 100K tokens = $30-50
• 12 agents = 完全調査あたり $360-600
• 人間の専門家との比較:同等深度で $5000-15000
• 比率:約 1/20 ~ 1/40

典型的な応用シーン：

• 商業デューデリジェンス（DD）
• 投資対象研究（企業 / 業界 / 地域）
• 規制と立法のトラッキング（マルチ jurisdiction 並列）
• 競合分析（複数社 / 複数次元並列）
• 学術文献レビュー（複数テーマ / 多言語並列）

評価：調査効率 9/10、深度 8.5/10、統合調整 8/10（メインエージェントによる master README および跨切断面統合の人手合成は依然として必要）

出典: projects/blockchain-research-2026-05/CROSS-STRATEGIC-SYNTHESIS.md（メタ方法論の振り返り）

Related

• Wiki Index
• 翰林院ディベート workflow
• 5 層意図分解
• 反復的事実修訂アーカイブ