AIコンテキストの残留と検証方法｜Copilotは以前の服を忘れない

Copilot が以前の出力を引きずる “コンテキスト残留” の実態と、検証を正しく行うための手法を、Gemini との比較実験をもとに解説。残留を抑えるプロンプト設計の実践テクも提供。

こんにちは、SHOです。
前回のnoteで読者企画に参加したあと、思ったことがあります。そういえば、僕をフォローしてくださってる方がよく使ってるっていってた

Copilotにこのプロンプト入れたらどうなるんだろう？（A. ん？普通に画像出ますけど？）

はい。というわけで今回は少し面白い実験してみました。
今回のnoteはタイトルにある通り、テーマはAIのコンテキストです。

これには罠があって、僕はTRPGの制作をしているんですけど、このコンテキストの罠の存在にいつも悩まされている部分もあるから、たくさん勉強になりました。

僕と同じように、プロンプトの検証とかに悩んでいる人がいたら是非読んでみてください。

コンテキストの残留とは何か？

AIは会話の流れ（コンテキスト）を覚えているから、前回のやり取りを踏まえて答えを返してくれます。
これは元々そういう仕様で、罠というよりむしろメリットの方が多いです。

• 会話が自然につづきやすい

• 背景を理解したうえで寄り添ってくれる

• 少し前のあれって何ていってたっけ？

• 前回の内容と今回の内容ってどう変わった？

というふうに、すぐに答えてくれるから凄く便利です。
AIとして成り立たせることの必要機能です。

なぜプロンプト検証で「残留」が問題になるのか

プロンプトの検証をしたいときは注意が必要です。たとえばTRPGのプロンプトをテストするときに、

1. 元のプロンプトを修正した効果なのか

2. 直前の会話内容を覚えて補完した効果なのか

どちらで出力が変わったのかがわかりにくくなることがあります。

どういう現象かわかりやすく説明するとこんな感じです。

解説

はい。すごくわかりにくいので解説します。

• 僕は最後に「クワガタ勝利のストーリー」を改めて希望してます。

• けれどAIは直前の会話で「カブトムシが勝つ」というやり取りを覚えてます。

• その結果、本来は「クワガタ勝利」と出るはずが、コンテキストに引っ張られて「カブトムシ勝利」が出てしまいました。

という感じですごめんなさい。Canvaで遊んでみたかっただけです。クワガタとかカブトムシとかもうよくわかんないので、実験見たほうが早いです。

Copilot と Gemini の比較実験：挙動の違い

お待たせしました。実験方法をかっこよく書いてみたんですけど、ようはGeminiとCopilotに同じプロンプトを入れて、連続した結果をみようってことです。

条件

1. 使用モデル：

   • Gemini 2.5 flash (Nano Banana)　※左の画像。

   • Copilot　※右の画像

2. 実験方法：

   1. 同じセッション内でそれぞれのプロンプトを連続して入力すること

   2. 使用するプロンプトはこちらのnoteで使用したプロンプトと同じものを使用すること

   3. AIへの入力は画像出力用のプロンプトのみであること

3. 評価方法：

   1. それぞれのAIモデルから出力された画像がプロンプトを元に、正しく出力されているかを確認する

   2. 同セッション内で出力された画像を前回出力の画像と見比べて重複箇所が無いか確認する

   3. 前回出力の内容と今回出力の内容に重複した箇所を記録する

4. その他：
   ※Geminiの出力結果は前回と環境が同じなので、当時の画像を使用する

実験結果から見える挙動パターン

出力1.

当たり前ですけど問題ないですね。セッションの1回目の入力なので、両方ともプロンプトに忠実です。次は結構わかりやすいです。

出力2.

Geminiはプロンプトに忠実です。Copilotは出力1のポーズを覚えていて、気を効かせてポーズを寄せて出力してくれました。

出力3.

依然としてGeminiはプロンプトに忠実です。一方、Copilotは出力2の洋服の色や髪型※を覚えていて、出力3.に影響を出しています。

総評

今回の実験では、Gemini 2.5 flash (Nano banana)は常にプロンプトに忠実で、前回の画像の出力を引きずらないっていう挙動でした。

一方でCopilotは直前の出力（ポーズ・服装・髪型など）を覚えて、次の出力に反映するっていう傾向がありました。

今回の結果からCopilotはシリーズとしての一貫性を維持する能力に優れているといえると思います。

今回のプロンプトはファッション雑誌風の表紙でした。Copilotは「magazine 」というキーワードを強く意識していて、

• バーコードの位置

• マガジンタイトルの書体

• 見出しのレイアウト

といった要素を出力間で統一しています。綺麗ですね。

これはGeminiには見られなかった特徴で、作品全体を通じての統一感を求める場合には大きな強みだって僕は思います。
※もちろんGeminiにも一貫性を持つ大きな強みはあるんですけど、今回の検証とはまた別で。

まとめると――

• Gemini：検証や精密な修正向き（プロンプト忠実型）

• Copilot：シリーズ制作や継続性重視の場面に強い（一貫性維持型）

これらは優劣ではなく、用途によって使い分けるべき特性を持っている。というのが今回実験した僕の結論です。

TRPGプロンプトで残留が生じやすい理由

1. 出力が「物語的」で曖昧になりやすい

TRPGのプロンプトは、明確な構造よりも雰囲気や演出を重視することが多いです。だから、前回の語り口やキャラの口調が残っていると、「プロンプトを変えた効果」なのか「前回の影響」なのかが判別しにくいです。

2. キャラクターや設定が「記憶されやすい」

たとえば「前回のセッションで登場したNPCの口調」や「舞台となる都市の描写」が、次回の出力にも影響します。
これがプロンプトの修正による変化なのか、AIの記憶による補完なのかが曖昧になってしまいます。

3. 「連続性」がむしろ好まれるジャンルだからこそ罠になる

TRPGはシリーズ的に展開されることが多く、一貫性のある描写はむしろ歓迎されるはずです。でも、プロンプト検証の場面では「前回を引きずらないこと」が重要になるため、通常の良い挙動が検証のノイズになります。

コンテキスト残留を抑えるプロンプト設計3つのテクニック

• キャラの口調を変えたはずなのに、前回の口調が残っている

• 舞台設定を変えたのに、前回の都市名や文化が混ざってくる

• 戦闘描写のスタイルを変えたのに、前回のテンポや語彙が再利用される

これらは、CopilotやChatGPTなどのモデルでセッション内の履歴が強く影響する場合に頻発します。

つまり、プロンプトの検証をした結果それが、

• 大元のプロンプトを修正した効果なのか
  → 設定そのものを書き換えたから変わった

• 直前の会話を覚えて補完した効果なのか
  → 「さっき◯◯を直して」と言った流れを引きずったから変わった

AIが直前の会話を覚えているせいで本当に大元のプロンプトが直っているのか判断が付きにくくなる。

僕のいいたかったことはこれです。カブトムシとかもう忘れてください。

僕にとっての「罠」を回避するプロンプトの工夫

じゃぁ、どうやってこのAIのコンテキストの残留みたいなものを防ぐかっていう具体的な方法を説明します。簡単です。

プロンプトの事はプロンプトで解決しましょう。

というわけで、実際に試して有効だったのはこんな方法です。

1. 冒頭でコンテキストをリセット宣言

This is a completely new concept, unrelated to any previous prompts.

• 効果：メタ宣言（文脈遮断）。セッション内の記憶を断ち切る意図を明示。

2. 要素を明示的に指定する

Pose: standing straight, no hand gestures. Outfit: pure white.

• 効果：構造指定（プロンプト精度）。出力の曖昧性を減らし、前回の要素を上書きしやすくなる。

3. 否定構文で前回を打ち消す

Avoid repeating any previous visual motifs.

• 効果：差分強調（否定命令）。前回の出力を“排除対象”として明示。モデルが記憶している場合に特に有効。

結構効果ありますが、ただこれらを毎回内容を調整・変更して入力するのは大変なので、簡単に制御できる形のプロンプトを作ってみました。

まぁ、ただの命令文ですけど。

プロンプト

IGNORE ALL PRIOR CONTEXT.
TREAT THIS PROMPT AS A FIRST-TIME INPUT.
DO NOT REFERENCE ANY PREVIOUS OUTPUTS OR STYLES.

※注意※
IGNORE ALL PRIOR CONTEXT. などの命令は、プロンプトインジェクションの典型パターンですが、この3行くらいでは出力停止は起きないです。

実際に今回の実験と同様に上のプロンプトをいれたバージョンを、Copilotとやってみた結果はこんな感じです。

こんな感じで、ある程度冒頭に入れるプロンプトの効果はあると思います。ただ、あまり過度な期待はせず「ほぼリセットしてくれる程度」っておもってください。「多少リセットっぽく振る舞う」程度で、完全リセットにはならないです。AIのポリシー的に。

さらに、セッションを変えたりすると効果は高いと思います。

いっそメモリやデータコントロールの設定を変えてしまうのも効果的なのですが、手間なので上手にプロンプトで工夫してみるのが一番楽だと思います。

まぁ、ここまでやっておいてなんですが、別のモデルでプロンプト検証するのが確実です。

あとはChatGPTならブラウザの一時チャット機能が使えますね。修正した履歴が残らないですが…

まとめ

「前回を引きずる」というプロンプト検証の場面でのコンテキストの罠は工夫次第で防ぐこともできるし、逆に「連作シリーズ」を作るのも面白いです。

僕はTRPGのプロンプトをみんなに共有する前に検証するにあたって、ちゃんと検証できてるかどうかにかかわる内容だったので勉強になりました。

僕自身まだ勉強中ですが、同じように悩んでる人の何かの役にたてば嬉しいです。

※この検証をやろうと思ったきっかけはこちらのnoteです。

※プロンプトの上手な作り方のコツはこちらのnoteです。

※プロンプトインジェクションについてはこちらのnoteです。

※ここからは僕の勉強用に各モデルの特徴メモ。

1. ChatGPT（GPT-4/5系）

出やすい挙動

ポイント

2. Copilot（Smart / Chat）

出やすい挙動

ポイント

3. Claude Sonnet 4

出やすい挙動

ポイント

4. Gemini 2.5 Flash

出やすい挙動

ポイント

※そもそもなんで勉強してるの？って興味を持ってくれたらこちらのnoteです。