家系のアーカイブに怯えるのをやめて、Claude Codeに系図調査を委任した話

クローゼットには、必ずその箱があります。中には、色褪せた見知らぬ親戚の写真、聞き慣れない言語で書かれた出生証明書、そしてもしかする最前線からの手紙数通。「いつか全部整理しよう」と自分に約束しても、データ量の多さに圧倒されてしまいます。系譜学は木を描くだけでなく、アーカイブ検索、仮説検証、文書の矛盾との格闘という無限のサイクルです。

GitHubにautoresearch-genealogyというプロジェクトが登場し、家族史の分野に自律型エージェント手法をもたらしました。作成者のMatt Prusacは、プロンプトを単に公開しただけでなく、AIが6つの家系で9世代を復元し、100以上の詳細ファイルを作成した実際の研究経験を体系化しました。

リポジトリの中身

このプロジェクトは、Claude Codeまたは自律検索をサポートする任意のツール向けの готовый 手法です。主な価値はコードではなく、プロセスの構造にあります。

自律検索用プロンプト

フォルダprompts/には、/autoresearchコマンド用の12個のシナリオが含まれています。各プロンプトはAI用のミニプログラムで、目標、成功指標、検証プロトコル、ニューラルネットワークが幻觉を起こすのを防ぐ「制限」を指定しています。

例えば、プロンプト01-tree-expansionは、ウェブ検索を使用して各分支を体系的に「成長」させるようモデルに强制します。そして05-source-citation-auditは、厳格なニューヨーカーとして機能し、データベース内の各人物が少なくとも2つの独立した情報源を持っていることを検証します。

デジタルリポジトリテンプレート

作成者は、データベースとしてObsidian（または任意のマークダウンエディタ）の使用を提案しています。フォルダvault-template/には、将来のアーカイブの構造が含まれています：

• YAMLメタデータを含む人物カード。
• 研究ログと未解決 вопросов のレジストリ。
• 文書、手紙、さらにはDNA一致分析の転写用テンプレート。

アーカイブと方法論のガイド

これは最も実用的な部分かもしれません。リポジトリには、24の地域（米国、植民地記録、ポーランド、ウクライナ、ロシアのアーカイブなど）での検索手順が含まれています。犹太家系学や北欧の姓の詳細についても記載されています。

なぜこれが通常のAIチャットより効果的か

ChatGPTやClaudeをこのようなタスクに使用する際の主な問題は、モデルの「事実を埋める」傾向です。系譜学はこれを許しません。ある文書では人物が「Zachariah」と記録され、別の文書では「Sakkarias」と記録されている場合、AIは単に1つのバリアントを選択するのではなく、両方を記録し、エラーの確率を評価する必要があります。

Matt Prusacは、プロンプトに「機械的検証」という概念を埋め込みました。これはプログラミングにおけるコンパイラの仕事に似ていますが、構文をチェックする代わりに、関係のロジックを検証します。システムはAIに强制します：

1. 否定的な結果を記録する（何を検索し、見つからなかったか）。
2. 事実置信度に等级を付ける（強いシグナル/投機的）。
3. 各検索反復後に相互参照監査を実行する。

自分のデータで試す方法

Claude Codeがインストールされている場合、プロセスはかなり単純です。まず、リポジトリをクローンし、フォルダvault-template/の内容を作業ディレクトリに移動する必要があります。

次に、基本データをファイルFamily_Tree.mdに入力します—自分、両親、祖父母についてすでにわかっていることです。文書スキャンがある場合は、近くに置いておきます。その後、最初のサイクルを開始できます：ファイルprompts/01-tree-expansion.mdの内容をターミナルにコピーしてClaudeで起動し、エージェントがインターネットで手がかりを「掘り始める」のを見守ります。

誰が役立つか

ボタンを押しさえすれば「祖先についてすべてわかる」と思っている人には、このプロジェクトは向いていないでしょう。系譜学はまだ骨の折れる作業です。しかし、autoresearch-genealogyは次のような人にとって優れたリソースになります：

• 手動でテーブルを入力するのが面倒だが、自律型パイプラインのセットアップに興味があるテック好き。
• 「壁にぶつかり」利用可能なアーカイブの新しい視点が必要な研究者。
• 統一された標準に持ち込む必要がある散乱した大量のデータ所有者。

興味深いことに、作成者はClaude Codeへの使用を制限していません。ロジック全体を手動ワークフローまたは他のAIツールに簡単に移行できます。重要なのは置信度レベルシステムと検証プロトコルで、これにより系譜学が茶葉占いの読み取りから構造化された研究へと変わります。

あの写真の箱をまとまった家族の物語に変えたいと思っていたなら、このリポジトリが必要な一歩かもしれません。少なくとも、最新のLLMを学問的厳密さを失わずに複雑な人文科学の問題解決に活用する方法の優れた例です。