AIの作業記憶（コンテキスト）は有限で、雑に要約すると数字と日付が溶ける。長丁場でも情報を失わない設計、人間へ引き継ぐ判断、エラーの正しい流し方、出典の保全——「信頼できるシステム」の総仕上げドメイン。
rules/handoff-memory.md の「確証済み事実」セクション（逆引き検証済みの事実を恒久ブロックとして冒頭に置き、次セッションは再調査しない）が case facts ブロックの実装。CLAUDE.md の「/compact時の保持指示」（進行中タスク・部署テーブル・委譲ルールは要約後も必ず残す）は漸進的要約リスクへの直接の防御。
feedback-approval-points「自走AIの承認は『やり直せない瞬間』の境目に1点」と larc-approval-gate（CRITICAL操作は人間の承認で物理停止）が、エスカレーション設計の運用実物。「複数マッチで推測選択しない」は data-accuracy.md のID検証（キャンペーンID誤認事故）と同じ教訓。
rules/unattended-loop-ops.md「エスカレーションはSTATEに書くだけでなく直接通知」＝握りつぶし防止の無人ループ版。rules/statistical-rigor.md ⑦「データが欠けていたら宣言する（黙って薄くしない）」はカバレッジ注記の分析版。x-posting-worker（transientはローカル5分リトライで自己回復、連続失敗のみ調査）はローカル回復の設計実例。
/compact で圧縮ほぼ全部が日常装備：スクラッチパッドディレクトリ（セッション専用の作業領域）、Explore サブエージェント（冗長探索の隔離）、/checkpoint（状態保存）、memory/project-*.md（フェーズ間サマリー注入）、Workflow の journal.jsonl（クラッシュ回復用の実行記録＝マニフェスト）。
rules/statistical-rigor.md ③「全体平均で結論を出す前にセグメント分解（シンプソンのパラドックス）」が集計精度の罠と同一の統計原理。rules/skill-tier.md の「T2はランダム抜取で月5%をempirical評価」は層化サンプリング運用の実物。
rules/data-accuracy.md（参照先の明示・逆引き検証・原文照合）が claim-source mapping の運用版。rules/audit-independence.md §5「監査フェーズの矛盾は選ばない・併記する」は、矛盾ソースの扱いと同じ判断構造。rules/statistical-rigor.md ②のYoY（時点を揃えて比較）は temporal data 論点の分析版。
会話が長くなるたびに履歴を要約で置き換えていく方式。便利だが金額・日付・割合などの「硬い事実」が丸められて消えるリスクがある。
長い入力の冒頭と末尾は確実に処理されるが、中間の情報は取りこぼされやすいというLLMの性質。重要事項は冒頭サマリー＋明示的な見出しで対処。
取引の硬い事実（金額・日付・注文番号・ステータス）を要約の外に構造化して抜き出し、毎回のプロンプトに固定で入れる持ち回りブロック。うちの「確証済み事実」セクションと同型。
人間に上げる正当な条件：①顧客の明示的要求 ②ポリシーの例外・空白 ③進展不能。感情分析や自己申告確信度は代理指標として不適格、が試験の立場。
失敗の種類・試したクエリ・部分結果・代替案の4点セット。これを上げればコーディネーターが「再試行/別手/部分結果で続行」を選べる。
長いセッション中の重要な発見を外部ファイルに書き残し、後で参照する仕組み。コンテキスト劣化（具体名を忘れて一般論を語り出す）への対抗策。
各エージェントが状態を既知の場所にエクスポートし、再開時にコーディネーターが読み込む一覧。途中で落ちても積み上げが消えない設計。
セグメント（文書タイプ・確信度帯など）ごとに無作為抽出して精度を測る方法。「全体97%」の裏に隠れた弱点セグメントと新種エラーを見つける。
モデルの自己申告スコアを、正解ラベル付きデータと突き合わせて「スコアXなら実際の正答率Y」を確かめる作業。較正なしのスコアをレビュー振り分けに使うのは誤答。
主張↔出典の対応表を統合工程まで保全する設計と、「どこが裏付け十分でどこに穴があるか」の明示。要約で出典が溶けるのを防ぐ。