2. 研究手法

2.1 シミュレーション環境

動的人生シミュレーション（Dynamic Simulation）を使用した。静的YAMLシナリオの代わりに、LLM「神」（GodAgent）が各ステップの状況・選択肢をリアルタイムに生成する。

項目 値 備考
神のペルソナ trickster 予測不能性・混沌・試練を重視
制御モード agent 自律AIプレイヤー（ツール使用あり）
LLM温度 0.7 ナラティブ生成・エージェント推論共通
最大ツール使用回数/ステップ 8 AgentPlayerの上限
利用可能ツール investigate, negotiate, plan, choose 4種
画像生成 有効（DALL-E 3） 各ステップに画像付き

2.2 エージェントアーキテクチャ

AgentPlayerはAnthropicのtool_use APIを使用する自律AIプレイヤーである。各ステップで以下の4種ツールを利用可能：

  1. investigate(choice_index): 神に選択肢の結果をプレビューさせる（GodAgent.preview_choice()）
  2. negotiate(reason): 神に選択肢の再生成を要求する（GodAgent.regenerate_choices()、神は拒否可能）
  3. plan(goals, strategy): 永続的な目標・戦略を設定・更新する
  4. choose(index, reasoning, confidence): 最終選択を確定する

エージェントは最大8回のツール使用ループ内で自由にこれらを組み合わせる。

2.3 評価指標

本ケーススタディでは定量的指標と質的分析を組み合わせた：

  • ツール使用率: 各ツールのステップあたり使用回数と全体分布
  • 信頼度スコア（confidence）: エージェントの自己報告信頼度（0-1）の推移
  • 目標蓄積数: planツールで設定された目標数の推移
  • 応答時間: 各ステップの意思決定にかかった時間（ms）
  • 特性（traits）獲得パターン: 各選択で付与された性格特性の質的分析
  • 神の世界観変容: GodAgentのworldview_historyの質的分析

2.4 実験環境

  • LLMプロバイダ: Anthropic Claude（ナラティブ生成・エージェント推論）
  • 画像生成: OpenAI DALL-E 3
  • 実行日時: 2026-04-06 02:52 - 03:04 UTC（約12分間）
  • ソフトウェア: Life Simulation v4（goose-life CLI）
  • 実行コマンド: goose-life run-dynamic --persona trickster -m agent --images