良いプロンプトの基本原則

Prompt Engineering (プロンプト工学) とは、 LLM に望ましい応答をさせるための入力テキストを設計する技術です。 コードを書くようにプロンプトも 設計・テスト・改善 していきます。

5 つの原則

1. 明確さ (Clarity): 曖昧さを排除し、具体的に指示する。
2. 文脈 (Context): タスクの背景・対象読者・出力形式を伝える。
3. 構造化 (Structure): 役割・指示・入力・出力を分けて記述する。
4. 例示 (Examples): 良い出力例を見せる (Few-shot)。
5. 段階分解 (Decomposition): 複雑なタスクは小さなステップに分ける。

悪い例 vs 良い例

❌ 悪い例:

「文章を要約して」

✅ 良い例:

「次の議事録を、エンジニア向けに 3 つの bullet point で 100 字以内にまとめてください。 議事録: ...」

良い例には 対象読者, 形式, 長さ, 対象データ が明示されています。

Be the Manager

Anthropic 公式ガイドの言葉に "Treat Claude like a brilliant new employee who has amnesia" があります。 - 優秀だが社内事情を知らない新人 だと思って指示する。 - 推測させるより、必要な情報を 先に明示 する。 - 結果が悪ければ「指示が足りなかった可能性」をまず疑う。

Token (トークン) とコスト感覚

LLM はテキストを token という単位で処理します (英語で約 1 単語、日本語で約 1 文字 ≒ 1 トークン)。 プロンプトが長いと コスト・レイテンシ が増えます。冗長な説明は避けましょう。

プロンプトの 5 部構造 (テンプレ)

[1] 役割 / 人格 (system 推奨)
[2] タスクの説明
[3] 入力データ (XML タグで囲む)
[4] 制約・出力形式
[5] 例 (Few-shot, 必要なら)

実際にやってみましょう。次のプロンプトは「役割」「形式」「制約」が明確なため、出力が安定します。

何を最初に伝えるかが鍵

最初の数百トークン は LLM の応答に最も強く影響します。重要なルールは 冒頭に書く のが鉄則。 逆に「重要」と何度も繰り返すと、ノイズが増えるだけです。

次の 悪いプロンプト を、5 原則に沿って改善してください。

「Pythonの本おすすめ書いて」

改善のヒント: - 対象読者は? - 何冊?ジャンル? - 出力形式は? - 制約は? (発売年・初心者向け、など)

悪いプロンプト と 改善版 を Playground で実行し、応答を比較してください。

比較ポイント: 長さ・構造・実用性・トークン消費。