AIクライアントのセッションログ群から「ユーザーが繰り返している指示」を検出する仕組みは、埋め込みクラスタリングやLLM要約から始めず、字面ベースの機械クラスタリングで初手を張るのが安くて十分効く。ユーザーは同じ指示をほぼ同文で打ち直すため、可変部を畳むだけで主要な再発が拾える。

設計

• 正規化: 数値・ファイルパス・URL・コードブロック・画像参照をプレースホルダに畳み、空白と大小文字を統一する。これで「PR 123 のコメント精査」と「PR 456 のコメント精査」が同一グループになる
• グループ化: 正規化文字列の完全一致で束ね、文字 n-gram の Jaccard 類似で句読点・軽微な言い回し違いをマージする。全組み合わせは計算しない — 転置索引で共有 n-gram が一定数以上の組だけ類似度を計算し、高頻度 n-gram は候補生成から除外して計算量を抑える
• 再発は「セッション横断」でのみ数える。単一セッション内の同文連打はリトライやループ由来のノイズであり、自動化価値のシグナルではない
• LLM の役割は上位クラスタの取捨とルーティング判断だけに縮小する。決定論的な前段が候補空間を数十件に絞るため、LLM の読解コストが履歴全体から数十行の表に落ちる

適用条件と実測

• 先頭メッセージのサンプリングでは大幅に取りこぼす。再発指示はセッション途中(コミット依頼・再レビュー依頼・PR 操作など作業の節目)に集中する。実測では約2,700セッションの履歴で、先頭のみの走査が18セッションと数えた指示が全メッセージ走査では62セッション、先頭からは全く見えなかった指示が183セッションで最多だった
• 委譲で生成されたエージェント駆動セッションのメッセージは数えない。委譲テンプレートは逐語で繰り返されるため、除外しないと偽クラスタが上位を占拠する(人間駆動/エージェント駆動の判別基準自体は別メモ「AIセッションログの人間駆動/エージェント駆動判別」を参照)
• 中断定型文・画像のみ・挨拶などのノイズは、注入マーカー照合と正規化後の実質文字数で先に落とす
• 字面が違う同型指示(意味的な言い換え)はこの方式では統合できない。それが実際に必要だと分かってから埋め込みクラスタリングや LLM 要約を足す — 初手から入れると効果検証の前にコストだけ払う

検証

先頭のみ走査と全メッセージ走査で同じ履歴を数え、上位クラスタの顔ぶれと件数差を比較する。差が大きければ全メッセージ収集が正当化される。クラスタ表の上位は人(または LLM)が読み、実際の反復指示か(挨拶・承認定型文でないか)を確認してから下流(スキル化提案・手順文書化など)に流す。