【シュンスケ式】ゴールシークプロンプト（2年越し）芸術的なプロンプトだったので解説
このプロンプトは芸術だ！
感動しました！
完全解説ゴールシークプロンプト2年越し完全版後半 https://t.co/KSPEtM5LSI
— ハヤシシュンスケ (@Shunsuke__H__) February 17, 2025
【シュンスケ式】ゴールシークプロンプト（2年越し）とは？
個人でも組織でもプロジェクトを進行するうえで基本となるフレームワークを示しています。最初に目的を定義し、タスクを洗い出し、実行フェーズとフィードバックを経て完遂する――この一連の流れを適切に回すことで、より確実にゴールへ到達できる
[prompt]
================
[Input] → [User Intent] →[Intent]( , , , , , , , , , , , , , )
[Input] → [User Intent] →[Want or need Intent]( , , , , , , , , , , , , , )
<User Input>
</User Input>
[Fixed User want intent] = Def Fixied Goal
Achieve Goal == Neet Tasks
[Goal]=[Tasks](Task, Task, Task, Task, Task, Task, Task, Task)
To Do Task Excute
need Prompt And (Need Tool)
assign Agent
Agent Task Excute Feed back loop
Then Task Complete
Excute
================
【シュンスケ式】ゴールシークプロンプト（2年越し）のプロンプト説明
ざっくり５つのフェーズに抽象化して考えると
1.与えられたプロンプトをAIの中での意味を理解する部分
[Input] → [User Intent] →[Intent]( , , , , , , , , , , , , , )
[Input] → [User Intent] →[Want or need Intent]( , , , , , , , , , , , , , )
<User Input>
</User Input>
2.AIの中でゴール確定しタスク洗い出しする部分
[Fixed User want intent] = Def Fixied Goal
Achieve Goal == Neet Tasks
[Goal]=[Tasks](Task, Task, Task, Task, Task, Task, Task, Task)
3.AIの中で、「どんな手順・ツール・人員が必要か？」を考え、実行準備を整える部分
To Do Task Excute
need Prompt And (Need Tool)
4.AIの中で、担当者の割り当てPDCAを回す部分
assign Agent
Agent Task Excute Feed back loop
5.AIの中で、実用レベルに仕上げて本番で動かす部分
Then Task Complete
Excute
例えば、やきそばで考えてみるとこんな感じ
結果
このプロンプト全体は、ユーザーの単一の入力「やきそば」から始まり、複数の段階を経て、ユーザーの意図を正確に把握し、具体的なタスクに分解、そのタスクを実行して最終的な目的（例：やきそばのレシピの提供）を達成する一連のプロセスを表現しています。各段階で、情報の抽出、目的の明確化、タスクの分解、ツールやエージェントの活用、そして実行とフィードバックを通じた最終成果の完成と、非常に論理的かつ体系的な流れになる。
さらに具体化して説明してみる
【与えられたプロンプトをAIの中での意味を理解する部分】
[Input] → [User Intent] →[Intent]( , , , , , , , , , , , , , )
[Input] → [User Intent] →[Want or need Intent]( , , , , , , , , , , , , , )
<User Input>
</User Input>
ステップ1: [Input]
プロセス（人間に例えると）
最初に“やきそば”という一言を聞く・見る
友人や家族が「やきそば」と言った場合、まず耳に入ってきたその言葉自体が「[Input]」となる。
たとえば「今日の晩ごはんは何がいい？」という会話の中で、「やきそば」と返事があった場面をイメージ。
具体的タスク
相手の言葉（やきそば）をそのまま受け取る
「あ、やきそばね」と聞き返す。
話し手が何を言いたいのか大まかに確認する
「やきそば……作りたいのかな？食べに行きたいのかな？ただ呟いただけ？…」など、軽く頭の中で想像する。
状況を把握する
時間帯、場所、会話の流れなどをざっと見る（晩ごはんなのか、お昼ごはんなのか）。
ステップ2: [User Intent]
プロセス（人間に例えると）
相手の一言「やきそば」から、“何を求めているのか”を推測する
人間なら、「あ、やきそばを作りたい・食べたいのかも？」と考える。
まだ確定ではないが、相手の表情や口調、会話の脈絡などを手がかりに、意図を推測する。
具体的タスク
聞き返す / 心の中で推測する
「やきそば食べたいの？」「やきそばの材料があるの？」などの形で疑問を持つ。
状況による意図の整理
お昼ごはん時なら「お昼にやきそばを作ろうとしているのか」と推測。
お祭りシーズンなら「屋台のやきそばが食べたいのかな」と推測。
ダイエット話題中なら「低カロリーのやきそばレシピを探しているのかも」と推測。
ユーザーの態度や口調も考える
テンション高く「やきそば！」なら作りたい/食べたい熱量が高い。
ボソっと「やきそば…」だと考え中かもしれない。
ステップ3: [Intent]( , , , , , , , , , , , , , )
プロセス（人間に例えると）
さらに細分化して“どんなジャンルのやきそば関連意図”かを洗い出す
レシピが知りたいのか、店情報が知りたいのか、雑学が知りたいのか、などなど。
具体的タスク
意図のカテゴリーをリスト化
「レシピ関連」、「店情報」、「地域のイベント情報（屋台など）」、「カロリーや栄養」「やきそばソースの種類」「アレンジ方法」「作り方の動画を見たい」「インスタントやきそばのおすすめ比較」など。
ユーザーの過去の言動・好みを思い出す
「この人、料理好きだったな」「この人は外食が好きだったな」などを加味して分類。
該当しそうな意図を選別
たとえば「忙しそうだから簡単レシピを探しているんじゃないか」「健康志向が強いから塩分控えめのやきそばを探しているかも」。
ステップ4: [Want or need Intent]( , , , , , , , , , , , , , )
結論
「Want or need Intent」は、ユーザーが本当に求めている「具体的な情報」や「実行してほしいアクション」を明確化する段階です。つまり、ユーザーが最終的に得たい結果や体験を細部まで特定するプロセスです。
背景
人は同じ言葉でも、背景や目的によって求める内容が異なります。
たとえば「やきそばのレシピ」と一言で言っても、
「手軽に作れる時短レシピが欲しい」
「安く食べられるお店を知りたい」
「ヘルシーな作り方を知りたい」
など、具体的なニーズはさまざまです。
この段階では、先に抽出した大まかな意図（[Intent]）をさらに掘り下げ、ユーザーが実際に「どうしたいのか」を洗い出すことで、より的確な回答やアクションを提供するための基盤を作ります。
具体例
「やきそば」というテーマの場合、以下のような具体的な要求に分解できます。
時短レシピ
→ すぐ作れる簡単な材料、短時間でできる手順、必要な道具が明記された情報。安く食べられる店
→ お店の場所、クーポン、営業時間、価格帯など、外食に関する具体的な条件。ヘルシーな作り方
→ カロリー控えめな食材の選び方、調理法、健康に配慮した調味料の使い方など。
このように、ユーザーの「漠然とした希望」から「具体的な要求」を抽出し、実際の行動や回答に結び付けるのが[Want or need Intent]です。
ステップ5: <User Input> … </User Input>
1. 結論
「<User Input> … </User Input>」タグは、実際のユーザーが入力した文章全体を示すために使われます。これにより、ユーザーの発話部分が明確に区切られ、解析や処理がしやすくなります。
2. 結論に至る背景
システムが受け取る情報には、最初の入力情報と、ユーザーが実際に入力した長文の内容があります。
**[Input]**は初期の情報を表すのに対して、
**<User Input>**タグは、ユーザーが送信した具体的な文章全体を明確に囲むためのものです。
これにより、どの部分がユーザーの発言なのか、システムが正確に認識できるようになります。特に長文や複雑なリクエストの場合、入力の範囲を明示することで誤解や処理ミスを防ぎます。
3. 具体例
例えば、ユーザーがチャットに以下のように入力した場合を考えます。
<User Input>
やきそばの簡単なレシピを教えてください。
また、アレンジレシピがあれば知りたいです。
</User Input>このようにタグで囲むことで、「やきそばの簡単なレシピ」と「アレンジレシピ」という要望が、ユーザーの発言部分として明確になります。システムはこの範囲内の文章だけを抽出して解析し、必要な対応や回答につなげることができます。
例えば、やきそばに例えると【与えられたプロンプトをAIの中での意味を理解する部分】は？
【AIの中でゴール確定しタスク洗い出しする部分】
[Fixed User want intent] = Def Fixied Goal
Achieve Goal == Neet Tasks
[Goal]=[Tasks](Task, Task, Task, Task, Task, Task, Task, Task)
ステップ1: [Fixed User want intent] = Def Fixied Goal
結論
「[Fixed User want intent] = Def Fixied Goal」は、ユーザーが最終的に実現したい目的や成果を、明文化して確定するプロセスです。
背景
最初はユーザーの希望や要望は漠然としていることが多いですが、コミュニケーションを重ねることで、実際に何を達成すべきかを明確にする必要があります。これにより、後の具体的なタスクやアクションの基準が確立されます。
具体例
たとえば、ユーザーが「やきそばのレシピを知りたい」と言った場合、対話を通じて「忙しい平日の夜に10分で作れる、コスパ重視のレシピが欲しい」と具体化し、これを最終ゴールとして定義します。
再度の結論
つまり、この段階でユーザーの最終目的を確定することで、後続のタスク設定や実行がぶれず、目標に向かって正しく進むための土台が作られるのです。
ステップ2: Achieve Goal == Neet Tasks
結論
「Achieve Goal == Neet Tasks」は、定めたゴールを実現するためには、具体的なタスク（作業）の集合が必要であることを示す表現です。
背景
どんなに明確なゴールがあっても、実際の行動（タスク）がなければ成果は得られません。プロジェクトやプランは、ゴールとそれを実現する具体的な作業が連動することで初めて進行可能になります。
具体例
たとえば「3ヶ月で5kg痩せたい」というゴールがあれば、「毎日30分のウォーキング」「食事制限」「週1回の体重測定」など、具体的なタスクに分解する必要があります。
再度の結論
結局、ゴールを実現するためには、計画されたタスクを実行しなければならず、ゴールとタスクは常に連動して動かなければ成功しないという基本原則を表しています。
ステップ3: [Goal]=[Tasks](Task, Task, Task, Task, Task, Task, Task, Task)
結論
「[Goal]=[Tasks](Task, Task, …)」は、ひとつの明確なゴールに対して、それを実現するための複数の具体的なタスクが関連付けられている状態を示します。
背景
目標を達成するためには、漠然とした大目標を具体的な作業に分解し、各タスクの順序や優先順位を整理することが必要です。これにより、作業の全体像が見えやすくなり、実行が容易になります。
具体例
例えば「やきそばを作る」というゴールの場合、以下のタスクが考えられます。
材料調達（キャベツ、麺、豚肉など）
野菜の下ごしらえ
調理器具の準備
具材を炒める
麺をほぐし、味付けする
盛り付けとトッピング
片付け
次回の改善点をメモする
再度の結論
つまり、ゴールを実現するためには、具体的なタスクのリストアップが必須であり、これにより抽象的な目標が現実の行動計画に落とし込まれることで、効率的な実行と管理が可能となります。
以上の3つのステップを通じ、ユーザーの最終目的の確定から、それを実現するための具体的な作業（タスク）の洗い出しまで、一貫した計画策定プロセスが示されています。これにより、目的が明確になり、具体的な行動計画を立てることで、プロジェクトの成功に繋がるのです。
例えば、やきそばだと
【AIの中で、「どんな手順・ツール・人員が必要か？」を考え、実行準備を整える部分】
To Do Task Excute
need Prompt And (Need Tool)
ステップ1: To Do Task Excute
1. 結論
「To Do Task Excute」は、前段階で洗い出したタスクを実際に実行するフェーズを指します。計画だけでなく、実際に手を動かして成果を出す段階です。
2. 結論に至る背景
どんなに優れたプランやタスクリストがあっても、実行されなければ意味がありません。計画倒れを防ぐためには、実際に行動を開始し、想定外の問題にも対応できる体制を整えることが重要です。特にチーム作業では、進捗を共有し、問題が発生した場合に迅速に対処することが求められます。
3. 具体例
「やきそば作り」の場合、材料をリストアップするだけではなく、実際にスーパーから材料を購入し、包丁でキャベツを切り、フライパンで炒めるなどの行動に移さなければ完成しません。ビジネスの現場でも、商品企画だけでなく、テスト、マーケティング、製造・販売といった具体的なアクションが必要です。
4. 再度の結論
つまり、「To Do Task Excute」は、計画を実行に移し、手を動かして結果を出す最も重要なフェーズです。この段階で初めてプランが現実の成果につながり、後のフィードバックや調整にもつながります。
ステップ2: need Prompt And (Need Tool)
1. 結論
「need Prompt And (Need Tool)」は、タスク実行のために必要な指示（プロンプト）とサポートツール（システムや道具）を整備する重要性を示します。適切なガイドと道具が、タスクの円滑な進行に欠かせません。
2. 結論に至る背景
何かを実行する際、人はしばしば「手助け」や「具体的な指示」が必要です。プロンプトは、作業の方向性や必要な情報を明確にし、ツールは作業の効率を大幅に向上させます。これらが不足すると、途中で混乱や誤ったアプローチにつながるリスクが高まります。
3. 具体例
ビジネス現場：顧客管理タスクを行う際、CRMシステムや統一した入力フォーマットがなければ、データのばらつきや非効率な作業が発生します。
やきそば作り：良いレシピ（プロンプト）がなければ、正確な手順がわからず、調理器具（ツール）が整っていなければ美味しいやきそばは作れません。
4. 再度の結論
要するに、「need Prompt And (Need Tool)」は、タスクを効果的に実行するために、正確な指示と必要な道具を事前に用意することが不可欠である、という原則を表しています。これにより、混乱なくスムーズに作業が進み、目標達成がより現実的になります。
【AIの中で、担当者の割り当てPDCAを回す部分】
assign Agent
Agent Task Excute Feed back loop
ステップ1: assign Agent
1. 結論
「assign Agent」とは、特定のタスクや役割を実行する担当者（人やシステム）を明確に割り当てるプロセスです。
2. 結論に至る背景
どんなに優れた計画やタスクリストがあっても、誰が担当するかが不明確だと、実際に行動が起こりません。タスクの実行責任をはっきりさせることで、作業が確実に進むようになります。たとえば、重要なタスクが「担当者不在」のままでは、誰も動かずプロジェクトが停滞してしまいます。さらに、デジタルツールやAIエージェントを活用する場合も、どの部分を誰が担うか明確にすることが必要です。
3. 具体例
ビジネスの場合: 市場調査タスクでは、「市場調査に長けたアナリスト」や「データ解析ツール」を担当として割り当て、誰がレポートをまとめるかを明示する。
やきそば作りの場合: 家族で役割分担するなら、子どもに野菜を洗う、親に包丁作業、もう一人が麺をほぐすなど、各自の担当を明確にする。
4. 再度の結論
つまり、「assign Agent」は、タスクを実行するために「誰が何をするか」を明確に決定する工程であり、これにより作業の進捗が管理しやすくなり、責任の所在がはっきりするというメリットがあります。
ステップ2: Agent Task Excute Feed back loop
1. 結論
「Agent Task Excute Feed back loop」とは、エージェントがタスクを実行し、その結果をフィードバックして改善する、いわばPDCAサイクルのような連続的なプロセスを指します。
2. 結論に至る背景
タスクを実行するだけでは、常に最適な結果が得られるとは限りません。実行後に結果を評価し、問題点を洗い出して改善策を講じることで、品質や効率を向上させることが可能になります。タスク実行のフィードバックがなければ、ミスや不備を修正できず、最終的な成果に悪影響を及ぼすリスクが高まります。
3. 具体例
ビジネスの現場: 新商品キャンペーンの案内メールを作成・配信し、開封率やクリック率のデータをもとに件名や配信タイミングを調整する。
料理の例: やきそばを作り、味見して塩加減やソースの量を調整し、次回の改善に活かす。
4. 再度の結論
つまり、「Agent Task Excute Feed back loop」は、タスクの実行後に継続的な評価と修正を行う仕組みであり、これによりタスクの品質が向上し、最終的な成果物がより良いものになるという重要なプロセスです。
【AIの中で、実用レベルに仕上げて本番で動かす部分】
Then Task Complete
Excute
ステップ1: Then Task Complete
1. 結論
「Then Task Complete」とは、フィードバックや調整のサイクルを経た後、タスクが最終的に完了し、設定したゴールや成果が得られた状態を示します。
2. 結論に至る背景
どんなプロジェクトでも、タスクが中途半端に終わってしまっては成果とはなりません。完了条件を明確にしておくことで、適切なタイミングで作業を締めくくり、次の工程にスムーズに移行できます。曖昧な状態でタスクを延々と続けると、効率が低下し、進捗が停滞する恐れがあります。
3. 具体例
ビジネス: ホームページリニューアルの場合、デザインやテスト、修正などを繰り返し、最終的に「本番公開してOK」と判断できた時点がタスク完了です。
料理: やきそば作りでは、材料の準備から調理、盛り付け、味見、そして食卓に出して全ての作業が終わった瞬間が「タスク完了」となります。
4. 再度の結論
要するに、「Then Task Complete」は、計画や実行、フィードバックを経て目標に到達したことを明確にするステージです。これにより、メンバー間の認識が統一され、次の工程や新たなタスクへの移行が円滑になります。
ステップ2: Excute
1. 結論
「Excute（Execute）」は、これまでのプロセス全体（ゴール定義、タスク設定、実行、フィードバック、完了）を実際に運用・実行し、成果を出す段階を示しています。
2. 結論に至る背景
どんなに優れた計画でも、実際に行動しなければ成果は得られません。計画（Plan）と実行（Do）、検証（Check）、改善（Act）のPDCAサイクルを繰り返しながら、常に実践することが求められます。計画段階だけで終わらず、実行に移し、成果を確認しながら継続的に改善することで、持続的な成功が可能となります。
3. 具体例
ビジネスプロジェクト: 新商品の開発プロジェクトでは、市場調査から製品設計、試作、テスト販売、フィードバック、量産、発売といった全プロセスを一貫して実行し、成果を上げることが「Excute」の実践例です。
個人の目標: ダイエットや学習計画の場合、一度の取り組みだけでなく、継続して目標に向かって取り組み、その結果をもとに次のサイクルに反映することで、自己改善を達成します。
4. 再度の結論
まとめると、「Excute」は、全体のプロセスを総合的に実行し、計画と実践、評価と改善をバランスよく運用することで、実際の成果を創出する最終段階です。これこそが、目標達成に向けた一連の行動を現実の成果に結びつけるために不可欠なアクションです。
まとめ
フェーズ1: 全体理解
目的:
ユーザーが入力した内容や意図を抽出し、プロンプト全体の意味を自分の中で明確に把握する。具体的プロンプト例:
[Input] → [User Intent] → [Intent]( , , , … )
→ ユーザーの最初の入力から、その背後にある意図（例：レシピを知りたい、作り方を理解したい）を抽出する。<User Input> … </User Input>
→ 実際のユーザー発話の範囲を明示して、内容全体を正確に認識する。
イメージ:
自分の中で「ユーザーは『やきそば』についての具体的な情報を求めている」と確定する。これにより、後続の処理でどの情報を優先するかが決まります。
フェーズ2: ゴール確定・タスク洗い出し
目的:
ユーザーの意図や希望をもとに、最終的な目的（ゴール）と、それを達成するための具体的なタスクを定義する。具体的プロンプト例:
[Fixed User want intent] = Def Fixied Goal
→ 例：「忙しい平日の夜に10分で作れる、コスパ重視のやきそばレシピを知りたい」Achieve Goal == Neet Tasks
→ ゴール達成には、具体的なタスク群が必要であることを示す。[Goal]=[Tasks](Task1, Task2, Task3, …)
→ 例：「材料調達」「野菜の下ごしらえ」「炒める工程」「味付け」「盛り付け」などをリストアップ。
イメージ:
ユーザーの漠然とした要求を「明確なゴール」に変換し、そのゴールを実現するための工程（タスク）を洗い出す。
フェーズ3: 実行準備（指示書・ツール整備）
目的:
定義したゴールとタスクを実行するために、必要な指示（プロンプト）やツール、手順を整備する。具体的プロンプト例:
To Do Task Excute
→ タスクを実際に動かすフェーズに入る。need Prompt And (Need Tool)
→ 例：「キャベツは均一な大きさに切る」「強火でサッと炒める」といった具体的な指示（プロンプト）と、包丁、まな板、フライパンなどのツールの明示。
イメージ:
やきそば作りの場合、具体的なレシピ（指示書）を準備し、必要な調理器具をチェックリスト化して、作業がスムーズに始められる状態にする。
フェーズ4: 担当者の割り当てとPDCAサイクル
目的:
各タスクに対して、誰が実行するのか（エージェント）を明確にし、実行後のフィードバックを基にタスクの改善を図る。具体的プロンプト例:
assign Agent
→ 例： 「材料調達は調理担当A、下ごしらえはB、調理はC」など、具体的な担当者（またはAIエージェント）の割り当て。Agent Task Excute Feed back loop
→ タスク実行後、「やってみた結果、野菜の切り方を改善する必要がある」といったフィードバックを受け、次回以降の手順書に反映するループ。
イメージ:
チームやシステム内で「誰が何をするか」を決め、実際に作業を開始。その結果を評価し、必要に応じて指示や手順をアップデートするPDCAサイクルを回す。
フェーズ5: タスク完了と実運用
目的:
全てのタスクが完遂され、設定したゴールに達した状態を確認し、最終的にそのプロセス全体を運用する。具体的プロンプト例:
Then Task Complete
→ 例： やきそばが完成し、味も評価され、レシピが確定した段階を示す。Excute
→ 最終的に、全体の計画を現実に動かし、成果として提示する。
イメージ:
やきそば作りの場合、すべての工程が終わり、完成した料理を味わいながら、次回への改善点も確認。プロセスが完了したら、同様の流れで他のプロジェクトや業務にも展開できる状態になる。
これらの5つのフェーズを通じ、ユーザーからの入力を理解し、ゴールを確定し、実行のための準備を整え、担当を決めてPDCAを回し、最終的に成果を出す一連の流れが構築されます。各フェーズには具体的なプロンプトや指示、ツール、担当者の割り当てが盛り込まれており、全体プロセスを効果的に運用するための具体策が示されています。
最後に
プロンプトが不要だという風潮もあるけれど、実際にプロンプトを使いこなすことで、たくさんの知見や新たな視点が得られると感じています。
個人的には、プロンプトを学ぶことは非常に有益だと思います。
特に、シュンスケさんのプロンプトは、実践的な工夫や深い洞察が込められており、私にとっては一番学びが大きいと感じています。
もちろん、技術が進歩し、多くの人が直感的に操作できるようになると、プロンプト自体の重要性は低下するかもしれません。
でも、プロンプトを通じて情報を整理し、論理的に考える力を鍛えることは、今後も大切だと思います。
中でも、シュンスケさんのプロンプトは、その学習効果を実感できる良い例であり、多くを学べると感じています。
シュンスケさん、
いつも感動的な生成AIの使い方を教えてくれてありがとうございます！