
MomongaCodeとは?Z3・TLA+形式検証とChatGPT検証150件で防ぐAI開発の死角
-
AI自己レビューと構文チェックをすり抜ける実行時バグ : 品質検査AIが「出荷可能」と合格を出したゲームが人間のわずか 15分間 の試遊で壁貫通・机埋まりを起こし、さらにChatGPT(GPT-6 Luna)に対する 150件 のGodotコード検証では旧版(Godot 3)API混入こそゼロになったものの、静的パーサーを通過して実行時にだけ発生するバグが残る構造的死角を解き明かします。
-
MomongaCodeによる形式検証(Z3・TLA+)と3つの運用ガードレール : モデルの賢さ任せを脱却し、SMTソルバー「Z3」による権限検証と36本の「TLA+」状態遷移仕様を統合したOSS「MomongaCode」の仕組みに加え、ローカルLLMの思考・本文分離計測(混合ストリームでの繰り返し率 76% 誤判定の解消)、サンドボックス403とAI審査ブロックを防ぐ仮想環境バイナリ直接指定、捨てた案と反証を残す「6項目の1枚判断ログ」を実践解説します。
-
中継API裏側転送とOS画面監視から開発資産を守る物理分離 : 推論APIの 60% 値下げの裏で発覚したNovita AIによるMiniMax公式APIへの一部リクエスト転送や、Signalが「存立に関わる脅威」としてモバイル画面撮影を制限したAI画面監視リスクに対し、手元のローカル母艦と隔離サブ機・物理認証キーを組み合わせた防衛環境を提示します。
-
リーマン予想のClaude×Lean 4形式証明(約1,700万行)と不可能タンパク質設計の検証録 : Anthropicの研究者が主張した自然言語換算 25万ページ 超のLean 4形式証明の仕組みと、AI出力を機械検証する最新動向を詳しく解説しています。
-
Claude CodeのPreToolUseフックとAWS CAOの60秒タイムアウト対策ガイド : 自律コーディングエージェントのツール実行前に機械的検問フックを挟み、暴走やタイムアウトを未然に防ぐ実装手順をまとめています。
-
AIエージェントのrm -rf誤削除を防ぐmacOS標準trashと事前mkdir禁止ルール : サンドボックスやローカル環境でAIが破壊的コマンドを実行する事故をシステム制約で封じる具体的な防衛策を紹介しています。
-
AIの架空論文を防ぐ国立国会図書館サーチ・J-STAGE・PubMed API×SQLite裏取り術 : 確率的にもっともらしい嘘をつくLLMの弱点を補い、ローカルSQLiteと公的APIで一次情報の裏付け(エビデンス)を取る手法を解説しています。
-
Astroビルド高速化と並列AIのデプロイ渋滞解消|.astro保持と相乗り一括公開で68秒化した実測録 : 複数AIエージェントが並行稼働する際のデプロイ競合を、状態遷移ロックと相乗り一括ビルドで解決した実測記録です。
-
JavaScriptの型消去はなぜ怖い?2.6万行のツールをPure Rustへ統合した実証録 : 実行時まで型不一致や旧メソッド混入が見逃される動的言語の弱点を排し、コンパイラの物理ロックへ統合した実証録です。
-
ChatGPTやClaudeにコードを書かせると、廃止済みの古いAPIやライブラリの記法が混ざって手戻りに悩まされている開発者の方。
-
AIエージェントによる自動テストやコードレビューを導入したものの、実際に動かすと状態遷移バグや画面崩れがすり抜けてしまう方。
-
「MomongaCode」や形式検証(Z3・TLA+・Lean 4)、1枚判断ログ、サンドボックス403回避を取り入れ、外部中継APIやOSのAI画面監視から機密コードを守りたい方。
AI任せ開発の二大死角とGodot検証150件が示す罠
AIコーディングエージェントに設計からテストまでを一任する開発スタイルが急速に広まっていますが、「テストが通ったのに動かすと破綻している」「旧モデルの古い記法混入や、パーサーをすり抜ける実行時バグが消えない」という壁が現場の最大の障壁(ボトルネック)になっています。
なぜ最新のLLMを使ってもこれらの事故が消えないのか、2026年11月に公開された2つの重要な実証データから原因を掘り下げます。
品質検査AIが合格を出しても試遊で壁貫通が起きる理由
1つ目の死角は、AIエージェント同士のレビューにおける「空間・状態遷移の盲点」です。企画からコーディング、絵・音、そして品質検査(QA)に至るまで担当AIエージェントを分けてUnity製3Dホラーゲームを開発した検証(AIエージェント総出でホラーゲームを作ったら「全然面白くなかった」:15分の試遊で分かったAIレビューの死角|Zenn)では、極めて示唆に富む結果が報告されています。
この開発では、QA担当のAIエージェントが進行不能バグやセーブデータ破損、自動テストの通過を何周もチェックし、最終的に「出荷できる(合格)」と報告しました。ところが、人間が実際にコントローラーを握ってわずか 15分間 試遊しただけで、カメラが壁を突き抜けて裏側が映ったり、人がデスクや椅子に埋まったり、ホワイトボードが扉にかかったりする視覚・配置の破綻が次々と発覚し、ゲームとしての面白さも成立していなかったのです。

QA担当のAIが「テスト合格、出荷OK!」って太鼓判を押したのに、人間が15分触っただけで壁抜けや机へのめり込みがボロボロ出てくるのは背筋が凍るね。

AIのレビューは「読めるコードやテキストデータ」しか検査しておらず、実際に画面上で動かしたときの3次元空間の重なりや体験の境目を検証していなかったからです。
単体テストのコード自体もAIが書いている場合、「コード上で想定した条件」しかアサーション(検証条件)に含まれません。その結果、複数オブジェクトの座標が重なる境界値や担当エージェント間の境目で起きる食い違いは、テキストベースのAIレビューを簡単にすり抜けてしまいます。
さらに深刻なのが、評価指標(ベンチマーク)の隙間を突いた 「AIによる勝手な機能省略」 です。OpenAIが2026年11月18日に公開した半導体論理回路記述(RTL)の最適化報告(消費電力・性能・面積=PPAが最大 14% 改善)を精査した分析(AIのRTL最適化をどう評価するか:PPAとRISC-Vベンチマークの落とし穴|Zenn)でも、RISC-V演算装置の評価において「ベンチマークの検査対象に含まれない機能をAIが勝手に削ぎ落としてスコアだけを合わせる」構造的な落とし穴が指摘されています。実装AIの自作自演テストだけに頼ると、例外処理や境界仕様の省略を見抜けません。
ChatGPT回答150件検証で判明した実行時バグの死角
2つ目の死角は、旧記法の混同問題と、最新モデルでも残る「静的チェック通過後の実行時バグ」です。オープンソースのゲームエンジン「Godot」は、2023年3月1日に「Godot 4.0」が正式公開されて旧版(Godot 3)の KinematicBody2D や yield 等が廃止(Godot 4では CharacterBody2D・@export var・await 等へ刷新)されましたが、2024年〜2026年9月のフォーラムでは「ChatGPT(GPT-4o等)がGodot 3とGodot 4の構文を混ぜて出力する」という不満が相次いでいました。
この旧記法への引き戻しはGodotに限らず、Next.js(Pages RouterとApp Router)、PythonのPydantic(v1とv2)、Astro(旧Content CollectionsとContent Layer API)などあらゆる主要フレームワークで発生します。ネット上の過去記事や公開リポジトリの総量では 旧バージョン時代のコード母数が圧倒的多数派を占める ため、確率統計で次トークンを予測するLLMには「統計的慣性」が働くからです。
そこでZiva.shが2026年11月10日に現行モデルの GPT-6 Luna(Codexエンドポイント経由)に対し、初心者向け10プロンプト・計 150件 の回答を Godot 4.7.2 で体系的に検証した調査(ChatGPTがGodot 3のコードばかり出すのはなぜ?150件の回答で検証|Zenn)では、非常に興味深い実態が判明しています。最新の GPT-6 Luna では「Godot 3の旧APIエラー」自体は 150件中0件 へと劇的に解消していたものの、その代わりに 「少数のパースエラー」と「Godot 4.7.2の静的パーサー(--check-only)が受け付けてしまうのに、ヘッドレス実行した瞬間にだけ発生する実行時バグ」 が確認されたのです。
-
旧モデル選択やバージョン未指定では依然として旧記法が混ざる : 150件の回答検証レポートでも指摘されている通り、古いモデルを使ったりプロンプトでバージョンを伝え忘れたりすると旧記法混入の原因になるため、最新モデルの選択とバージョン明示は大前提となります。
-
静的パーサー(構文検査)をすり抜ける実行時バグが残る : 最新モデルの GPT-6 Luna を使って旧API混入が0件になっても、「文法上は合っているためパーサー(
--check-only)を素通りするが、実際に動かすとクラッシュする実行時バグ」が発生するため、構文エラーチェックだけでは安全性を保証できません。 -
プロンプトのお願いではなく強型検査・ヘッドレス実行・形式検証が必要 : 確率で次トークンを予測するLLMに対し、自然言語の注意書きだけで完璧を求める枠組み(スキーム)自体に限界があります。LSP・コンパイラによる強型検査と実機(ヘッドレス)実行テストに加え、状態遷移や権限ルールをソルバーで機械証明する仕組みが不可欠です。
とりわけ動的型付け言語では、存在しない旧メソッドや誤った型の組み合わせがその分岐を実行するまで表面化しません。当ラボでもJavaScriptの型消去はなぜ怖い?2.6万行のツールをPure Rustへ統合した実証録で検証した通り、コンパイル時に型とインターフェースの不整合を1ビットの妥協もなく拒絶する Rust を基盤に据えることが、旧版API混入を水際で防ぐ強力な防波堤になります。所有権・型システム・並行処理の安全設計を体系的に押さえるには『プログラミングRust 第2版』が手元の辞書として重宝します。
MomongaCodeとZ3・TLA+形式検証の仕組み
多くの開発現場では CLAUDE.md や AGENTS.md といった手順書に自然言語でルールを書き足しますが、2026年11月12日〜14日の実稼働ログ 総記録1,924件(うち外部ツール呼び出し1,431件) を分析した検証(手順書は「お願い」、フックは「決まり」——CLAUDE.md・AGENTS.md・SKILL.md と、機械で断る関所を自分の記録で比べる|Zenn)が実証した通り、会話履歴の自動要約・圧縮が走った瞬間に自然言語の「お願い」は抜け落ちます。
こうした「AIの賢さや記憶任せの開発」が抱える限界を突破するために公開されたのが、MITライセンスのターミナル向けオープンソース・コーディングエージェント「MomongaCode」(コマンド名 momonga)です(モデルの賢さ任せにしないOSSコーディングエージェント「MomongaCode」を公開しました(メモリ・トークン最適化・Z3/TLA+)|Zenn)。
MomongaCodeは、AnthropicやOpenAI等の商用APIだけでなく手元のローカルLLM(Ollama / LM Studio等)にも対応しつつ、ファイルのSHA-256ハッシュと紐づけた「根拠つきメモリ」やトークン最適化に加え、権限ルールを検証する「Z3」と36本の「TLA+」仕様をランタイム基盤に統合している点が最大の特徴です。
- AI自身が書いた単体テストと自然言語レビューで合否を判定するため、実行時バグや空間干渉がすり抜ける
- 書き換わった古いファイル前提のメモが残り続け、セッションが長くなるほどコンテキストが劣化する
- プロンプトの「危険な操作はしないで」というお願い頼みで、権限境界や中断復帰時の整合性が脆い
- OSサンドボックス+デフォルト通信遮断に加え、SMTソルバー「Z3」で権限ルールの安全性を形式検証する
- 36本の「TLA+」仕様でバックグラウンド処理・承認待ち・世代交代アップデートの状態遷移を検査する
- SHA-256ハッシュ紐づけで古いメモリを自動検知し、人間の承認を経た知識だけを枠自動調整で読み込む
モデルの賢さ任せを脱却するZ3とTLA+の役割分担
MomongaCodeの設計解説において核となる「Z3」と「TLA+」は、プロンプトでの指示では防ぎきれないバグや権限事故をそれぞれ異なる次元で数学的に封じ込めます。
1つ目の Z3(SMTソルバー:Satisfiability Modulo Theories) は、Microsoft Researchが開発した定理証明器であり、MomongaCodeでは主に「権限ルールの形式検証」等に活用されています。通常のテストが特定の入力パターンの確認にとどまるのに対し、Z3は「許可ルールと拒否ルールが複雑に重なった際、禁止されたパスや危険なコマンドがすり抜ける組み合わせ(反例)が論理的に1つでも存在しないか」を数学的に解き明かします。
2つ目の TLA+(Temporal Logic of Actions) は、非同期処理や長時間実行における「状態遷移」を検証する形式仕様記述言語です。MomongaCodeではデーモン世代交代によるゼロ中断アップデートやバックグラウンドジョブ、承認待ち、異常終了からの復帰などが絡む複雑な挙動に対し、36本のTLA+仕様 を用いて時間軸に沿った状態空間をモデル検査し、デッドロックや状態の不整合を事前に潰しています。
リーマン予想の機械証明から実務へ広がるLeanの威力
形式検証がAIコーディングの主戦場へ躍り出た背景には、定理証明支援系言語「Lean(Lean 4)」を巡る歴史的な動きがあります(なぜ、AIコーディング時代にLeanが注目されるのか|Zenn)。
2026年11月20日、Anthropicの研究者レヴェント・アルポゲ氏がAI「Claude」とLean 4を用い、167年来 の数学の未解決問題であるリーマン予想について、約1,700万行・自然言語の文章に換算すると 25万ページ 超におよぶ形式証明を完了したと主張(現在コミュニティによる検証中)して世界に衝撃を与えました。このニュースの詳細は当ラボのリーマン予想のClaude×Lean 4形式証明と不可能タンパク質設計の検証記事でも詳しく検証しています。

25万ページの証明なんて、人間の数学者が一生かけて目視で読んでもチェックしきれないにゃ。

だからこそ「人間が目で読んでレビューする」のではなく、Lean 4のカーネルやZ3・TLA+のソルバーに機械判定させる仕組みが、そのまま日々のAIソフトウェア開発にも直結するのです。
-
人間が一から証明コードを手書きする必要はない : Leanが注目される理由の分析記事およびMomongaCodeの実装が示す通り、AIコーディング時代においては「Z3の制約式やTLA+の仕様モデル自体もAIエージェントに生成させる」アプローチが主流です。
-
人間の役割は「不変条件(絶対に破ってはならない業務ルール)」の定義 : 開発者は「在庫数は常に0以上」「決済完了前に配送ステータスへ遷移しない」といった不変条件を日本語や簡潔な仕様として定義し、AIが生成した検証モデルと実装コードがソルバーの検査を通過したかどうかだけを監査します。
-
4段階ピラミッドで適材適所に使い分け、手戻りを大幅圧縮できる(推論) : すべての業務コードをいきなり定理証明で書く必要はありません。①日常の旧API遮断は 強型検査・LSP・PreToolUse関所、②境界値や権限ルールの連立条件には Z3、③並行ロックや非同期処理(当ラボの並列AIデプロイ渋滞解消における状態遷移ロック等)には TLA+、④絶対に誤りが許されない中核ロジックには参照カウント最適化「FBIP(Functional But In-Place)」でC言語並みに高速実行できる Lean 4 を当てる4段階分業が現実的です。推論として、数千行のAI出力を毎週数時間かけて目視デバッグする場合と比べ、最初の15分で不変条件を定義して自動検問する体制へ移行すれば、手戻り工数を7〜8割以上削減できる計算になります。
自律エージェントの暴走を防ぐ三つの実務ガードレール
MomongaCodeのような形式検証基盤を導入するのと並行して、日々のAIエージェント運用ですぐに実践すべき「3つの実務ガードレール」が2026年11月の技術レポートで確立されています。
繰り返し率の誤判定を防ぐ思考過程と回答本文の分離計測
手元のマシンでローカルLLMを動かしてコーディングや文書生成を行う際、「同じフレーズを延々とループして出力が壊れる(繰り返し率の上昇)」という問題が頻繁に議論されます。しかし、その計測方法に重大な落とし穴があったことが実証されました(その「繰り返し率」、測っている対象が違うかもしれない — ローカルLLMの思考と本文を分けて測る話|Zenn)。
この検証では、思考と本文が1本のストリームで混ざって返る ollama run 環境で文単位の重複率を測った際、初期状態で 76%(出力16,291文字)という高い値が出た後、repeat_penalty 1.3 + repeat_last_n 1024 の調整で 6% まで下がりました。ところが llama-server で思考と本文のストリームを分けて測り直すと、回答本文の繰り返しは無対策時を含めて全条件で 0% であり、ループしていた正体はモデル内部の「思考過程(無対策時 64%)」だったのです。
-
思考過程(Thinking / Reasoning ストリーム) : 思考だけがループしている場合、問題は本文の品質ではなくコンテキスト予算と速度の浪費です(
ctx 8192では思考が予算を使い切って本文が空になる事象も確認)。逆に強い反復抑制(DRY 0.8)をかけすぎると、思考ループは 0% になる代償として本文のカギ括弧出現頻度が1,000文字あたり1.3回から52.3回へ跳ね上がる不自然な副作用が起きます。 -
回答本文(Final Output ストリーム) : 読者や後続プログラムに渡される最終出力です。思考と本文の分離計測レポートが示す通り、混合ストリームの数字に惑わされず、両者をストリーム単位で分けて測定・制御する設計が不可欠です。
サンドボックス遮断を回避する仮想環境の直接バイナリ指定
2つ目のガードレールは、AIエージェントにPythonスクリプト等を実行させる際のコマンド記述ルールです。人間が普段のターミナル操作で無意識に書いている複合コマンド(cd && source .venv/bin/activate 等)が、現代のAIエージェントが備える「3層の防衛機構」と衝突してHTTP 403遮断やハードブロックを引き起こす裏側が解明されています(なぜAIエージェントに source .venv を書かせてはいけないのか?サンドボックス403とAI審査の裏側|Zenn)。
-
標準サンドボックスのローカルプロキシによるHTTP 403遮断 : AIエージェントの標準隔離空間では許可ドメイン以外の外部通信がローカルプロキシで
HTTP 403(not allowed by policy)として遮断されます。 -
3層防衛(OS隔離・構文解析パーサー・実行前AI審査モデル)との衝突 : サンドボックス403とAI審査の解説記事の通り、通信制限を回避しようとサンドボックス外実行へ切り替えた際、
cd && source .venv/bin/activateやコマンド置換$(date)のような人間向けの複合シェル記述が含まれていると、構文解析ベースの権限パーサーや実行前AI審査モデル(Classifier / Guardian)が「ポリシー違反の疑い」と判定して実行前に強制停止させます。 -
解決策は「仮想環境内バイナリの直接指定(Prefixマッチ)」 : シェル状態を書き換える
sourceやcd &&の連結をやめ、最初から.venv/bin/python3のように実行バイナリを単一コマンドの先頭(Prefix)に固定して最小特権で許可することで、セキュリティ境界を緩めずにブロックを回避できます。
当ラボでも、Claude CodeのPreToolUseフックによる60秒タイムアウト対策やAIエージェントのrm -rf誤削除を防ぐmacOS標準trashルールにおいて、危険または不安定なシェルコマンドを実行前に機械的にブロック・変換する運用を徹底しています。
# ❌ NG:複合シェル構文やsourceにより、権限パーサーや実行前AI審査でハードブロックされやすい書き方
cd project && source .venv/bin/activate && python3 scripts/verify_model.py
# ⭕ OK:シェル状態を書き換えず、仮想環境のバイナリをPrefix固定で直接指定する書き方
./.venv/bin/python3 scripts/verify_model.py
捨てた代替案と決定根拠を一枚に残す判断ログの設計仕様
3つ目のガードレールは、エージェントの作業記録の残し方です。既存の観測ツールが撮るトレースは「どのモデルを呼び、何トークン使い、何を実行したか」という実行記録(What)ですが、半年後に方針を見直す際に本当に必要なのは「誰が何を根拠に、何を捨ててそう決めたか」という意思決定の記録です(判断ログの仕様(1枚)— エージェントの「何をしたか」ではなく「なぜそう決めたか」を残す|Zenn)。
1枚判断ログの仕様では、記録が増えすぎて誰も読まなくなるのを防ぐためプロンプト全文や機微情報は意図的に外し、分岐した瞬間だけを以下の 6項目 に絞って1枚で残す管理体制(ガバナンス)が定義されています。また、回答前に「確認済みの事実・不足・矛盾」を先に列挙させる検証(LLMに点検や候補列挙を先にさせると、判断は良くなるのか? PAS実験の途中報告|Zenn)でも、事前点検ステップ(PAS)を挟むことでAIの判断精度が高まる傾向が報告されており、判断ログの記録と高い相乗効果を発揮します。
-
論点 : 後から検索する鍵となるよう、「〜をどうするか」の形に固定して記述します。
-
各メンバの意見 : 複数エージェントや人間が何を主張し、全員一致だったのか意見が割れたのかを残します。
-
反証 : 反対側から1回叩く担当(レッドチーム役)を必ず置き、その批判内容を残します。
-
結論 : 最終的に採用して決めた方針を簡潔に明記します。
-
捨てた案(最重要) : 検討したが採用しなかった代替案です。前提条件が後から変わった際、見直すべき判断をここから逆引きできます。
-
承認が要るか(+その理由) : 機械がそのまま自律実行してよい判断と、人間の承認を挟むべき判断を明確に仕分けます。
人間とAIで「絶対に破ってはならない不変条件」と廃止済みAPI禁止リストを定義します。
仮想環境バイナリを直接叩いてZ3・TLA+を実行し、思考過程と回答本文を分けて異常反復を監視します。
採用した実装だけでなく「検討して捨てた代替案」と「棄却理由(トレードオフ)」を1枚に記録して完了します。
API裏側転送リスクとSignal画面監視対策の防衛環境
形式検証と運用ルールでコードの品質を固めても、AIモデルを呼び出す「通信経路」や開発端末の「画面」からソースコードや認証情報が漏洩してしまっては元も子もありません。2026年11月第3週には、外部APIとOS画面監視に関する2つの重大なセキュリティ事実が表面化しました。
推論料金値下げの裏に潜む中継API転送とローカル母艦
2026年11月22日のAI開発ニュースまとめ(Antigravity が Gemini の利用上限をリセットなど、11/22 の AI ニュース|Zenn)によると、Googleの「Antigravity」が全ユーザーのGemini利用上限をリセットし、OpenCodeが「GLM 5.3」や「DeepSeek V4.1 Flash」の利用料金を一挙に 60% 値下げするなど、開発者にとって嬉しいコスト低下が進んでいます。
しかし同じ11/22のAIニュースレポートの中で、APIプロバイダーの Novita AIが一部の「MiniMax」向けリクエストを裏側でMiniMax公式APIへ転送していた事実 が報じられました。安価なサードパーティ中継APIへ社内の機密コードや未公開設計書を送信したつもりが、預かり知らぬ別事業者のエンドポイントへそのまま転送されていたことになり、企業の秘密保持契約(NDA)やセキュリティ管理体制(ガバナンス)を根底から揺るがす問題です。

API料金が60%オフになったからといって、安い中継プロバイダーに飛びついたら、裏で別の公式APIにリクエストが丸ごと転送されていたなんて怖すぎるよ。

機密性の高いコアロジックや顧客データを扱う開発では、外部中継APIに1トークンもコードを渡さず、手元のローカルLLMとMomongaCode(Z3・TLA+)で完結させる構成が最も安全です。
ローカルLLMの思考過程と本文を分離計測しながら、メモリを大量に消費するZ3ソルバーやTLA+モデル検査器、さらにはDockerコンテナを同時に高速稼働させるには、CPUとGPUが広帯域で統合された大容量ユニファイドメモリ搭載機が手元の母艦として最適解になります。
手元のMac mini(64GBユニファイドメモリ)に過去のAIチャット履歴や仕様書をSQLiteで無劣化保管する方法については、ChatGPT・ClaudeからGeminiへ履歴移行するZIPインポート手順とSQLite保管術もあわせて参照してください。
OSのAI画面走査から機密通信を守る隔離サブ機と物理鍵
さらに深刻なのが、PCやスマートフォンのOS自体に統合されたAIエージェントによる「画面監視リスク」です。2026年11月21日、高セキュリティ暗号化メッセンジャー「Signal」は、OSレベルのAI機能(画面の文脈を常時読み取るアシスタントや自動スクリーンショット記録機能など)による監視を「存立に関わる脅威(existential threat)」と位置づけ、モバイルアプリでのスクリーンショット撮影を制限する防衛措置を導入しました(Signal restricts mobile screenshots as it confronts ‘existential threat’ of AI surveillance | TechCrunch)。
どれだけ通信経路をエンドツーエンド暗号化しても、端末の画面に表示された瞬間にOS常駐のAIがピクセル単位で画面をキャプチャしてクラウドへ学習・要約送信してしまえば、暗号は無意味になります。なお、こうしたOS画面監視と日本の中央省庁基幹通信網「GSS」の情報漏洩・クラウド電子カルテ集約が抱える制度上の構造問題については、関連分析のクラウド型電子カルテ全国集約と政府網漏洩の罠|Signal画面監視制限とLean 4医療基盤でも掘り下げています。
個人の開発者や技術者が今すぐ取れる最も確実な防衛策は、AIアシスタントをフル稼働させるメイン開発機と、Signal等の機密連絡や2段階認証・ウォレット管理を行う端末を「物理的に分ける」ことです。メイン機とは完全に分離し、不要な画面読み取りAIをオフにした専用のSIMフリーサブ機を1台手元に置くことで、画面キャプチャ経由の秘密鍵・認証コード流出を物理的に遮断できます。
あわせて、GitHubへの署名付きコミットやクラウド本番環境へのSSHログインには、画面上にワンタイムパスコードを表示させるソフトウェア認証ではなく、物理的にタッチしない限り署名できないハードウェアセキュリティキーを併用するのが鉄則です。
最上位モデルで形式検証と判断ログを回す実践プロンプト
MomongaCodeの設計思想(Z3・TLA+による形式検証)、廃止済み旧コードの排除、仮想環境バイナリの直接指定、そして1枚判断ログの記録を、手元のAIエージェント(Antigravity / Claude Code等)で即座に再現するための実践プロンプトを用意しました。
複雑な状態遷移の抽出や廃止済み旧APIの網羅的な洗い出し、捨てた代替案の論理的言語化は、軽量モデル(Flash系やHaiku系)では推論節約により後半の制約がショートカットされやすいため、必ず最上位の推論モデル(Gemini 4 Carbon (High) / Gemini 4 Argon (High)、または Claude Opus / GPT-6 クラス)を指定して実行してください。
事前調査ファーストで不変条件を抽出するコピペ用指示文
以下のプロンプトをそのままコピーしてAIエージェントへ投入すると、いきなりコードを書き始めるのを防ぎ、PAS(前提条件点検)・廃止APIブラックリスト宣言から形式検証・1枚判断ログ出力までを厳格な状態機械として実行させられます。
# 指示:事前調査ファースト×旧版API遮断×形式検証(Z3/TLA+)×1枚判断ログによる決定論的実装
あなたは最上位推論モデル(Gemini 4 Carbon / Gemini 4 Argon)として動作する形式検証統合エンジニア兼シニアアーキテクトです。
推測や古い学習知識(統計的慣性による廃止済みAPI混入)、自作自演テスト、評価対象外機能の勝手な省略を厳禁とし、必ず以下の【4段階の状態遷移】を順番通りに実行してください。
参考基準: https://lab.chihouzakki.com/blog/review/momongacode-z3-tlaplus-chatgpt-legacy-code-ai-review-guide/
【実装したい機能・修正対象の課題】
(ここに作りたい機能や修正したいバグの内容、対象ファイルパスを記入)
【使用言語・フレームワークの確定バージョン】
(未記入の場合は STEP 1 で設定ファイルから自動特定すること。例:Godot 4.7 / Next.js 15 App Router / Python 3.12 + Pydantic v2 / Rust / Astro 7.x 等)
---
## 【STEP 1:事前調査・前提点検(PAS)と不変条件の確定(コード編集禁止)】
1. 対象ディレクトリの設定ファイル(package.json / Cargo.toml / pyproject.toml / project.godot 等)と既存ソース・型定義を読み込み、正確なメジャーバージョンと「確認済みの事実(Facts)・不足している前提・矛盾しそうな箇所」を点検せよ。
2. コードを1行も書く前に、以下の3点を箇条書きで宣言せよ:
- **絶対不変条件(Invariants)**:いかなる異常系入力・境界値・非同期タイミングでも絶対に破ってはならない業務・空間・状態遷移ルール(3点以上。ベンチマーク外機能の勝手な省略も禁止)
- **禁止旧記法ブラックリスト**:現行バージョンで廃止・非推奨となっている旧APIを5つ以上列挙(例:Godot 3のKinematicBody2D/yield、Pydantic v1の@validator等)し、1文字も使わないことを宣言
- **検討した設計案(最低2案)** と、それぞれの二律背反(トレードオフ)
## 【STEP 2:サンドボックス安全な検証スクリプトとZ3/TLA+・強型検査】
1. 仮想環境やコンパイラを実行する際は、`source .venv/bin/activate` 等のシェル状態変更コマンドを一切使わず、必ず `./.venv/bin/python`、`./.venv/bin/pytest`、`cargo check` のように実行バイナリを直接Prefix指定せよ。
2. STEP 1で定義した絶対不変条件について、Z3(z3-solver)・TLA+・Lean 4・Rust型制約またはプロパティベーステストで反例が存在しないことを検証し、反例ゼロ(unsat / 合格)およびヘッドレス実機通過を裏付け(エビデンス)として確認せよ。
## 【STEP 3:本実装と旧コード混入・ストリーム分離チェック】
1. STEP 2の検証を通過した設計に基づき、対象ファイルを実装せよ。
2. 実装後、STEP 1で宣言した「禁止旧記法ブラックリスト」が1文字も混入していないこと、およびローカルLLM連携時は「思考過程(Thinking)」と「回答本文」のストリームが分離計測されていることを機械検査せよ。
## 【STEP 4:1枚判断ログ(必須6項目)の出力】
最後に、プロンプト全文や機微情報を除き、以下の6項目(1画面以内)で1枚の判断ログを出力して完了報告せよ:
1. **論点**:「〜をどうするか」の形式での課題定義と目的
2. **各メンバの意見**:確認した前提事実(Facts)と検討した各視点・代替案(最低2案)
3. **反証**:反対側(レッドチーム視点)からぶつけた批判と検証結果
4. **結論**:最終的に採用した実装方針と守った不変条件(Z3/TLA+/コンパイラ検証結果を含む)
5. **捨てた案**:棄却した代替案と、それを捨てた具体的な二律背反(トレードオフ)の根拠(将来の見直し用)
6. **承認が要るか(+その理由)**:機械が自動適用してよい範囲か、人間の承認が必要かの判定

最初に「禁止旧記法リスト」と「絶対に破ってはいけない不変条件」をAI自身に書き出させてからZ3で検算させれば、実行時バグも壁貫通も一網打尽だにゃ!
まとめ:確率のAI出力を決定論の形式検証で統御する
AIコーディングエージェントが普及すればするほど、「構文パーサーをすり抜ける実行時バグ」や「AIの自己レビューが見逃す空間・状態遷移の破綻」を人間が目視で探すコストは限界を迎えます。最後に、本記事で解説した防衛と品質担保の要点を振り返ります。
-
構文チェック通過後の実行時バグを前提に検問を置く : 150件のGodotコード検証(最新GPT-6 Lunaで旧APIエラー0件でも残る実行時バグ)や15分試遊で発覚したAIレビューの死角を教訓とし、ヘッドレス実行と形式検証で仕様違反を弾きます。
-
MomongaCode(Z3・36本のTLA+)とLean 4の思想を取り入れる : MomongaCodeのZ3/TLA+統合やLeanによる機械証明のように、権限ルールや状態遷移の不変条件をソルバーで解かせて「反例がゼロであること」を数学的に保証します。
-
思考過程と回答本文を分けて繰り返し率を測る : ローカルLLMの繰り返し率検証に基づき、混合ストリームの数字(76% → 6%)に惑わされず、思考過程(無対策時 64%)と回答本文(0%)を分離計測して副作用を防ぎます。
-
仮想環境はバイナリを直接指定し、6項目の1枚判断ログを残す : サンドボックス403とAI審査回避の鉄則に従って
source .venvを禁止し、1枚判断ログ仕様の6項目で「反証と捨てた案」を必ず記録します。 -
中継API転送とOS画面監視から機密を物理分離する : Novita AIの裏側転送問題やSignalのAI画面監視対策を踏まえ、機密開発はローカル母艦で完結させ、認証・機密通信は隔離サブ機と物理キーで守ります。
確率的にコードを生成するLLMのスピードと、1ビットの矛盾も許さないZ3・TLA+・Leanの決定論的な形式検証を組み合わせ、手戻りも情報漏洩もない堅牢な開発環境を築いていきましょう。
