完璧なプロンプト：プロンプトエンジニアリングのチートシート

はじめに：なぜプロンプトエンジニアリングが重要なのか

1.1 「指示」の時代へ

GPT-3のような大規模言語モデル（LLM）が初期に注目を集めた頃、多くのユーザーはシンプルな質問やコマンドを入力するだけでした。しかし、これらのモデルがより高い能力を持つようになるにつれ、入力（プロンプト）の明確さ・構造・文脈が結果を大きく左右することが明らかになりました。

• あいまいさの削減：モデルが何を求められているのか明確にすることで、的外れな回答を減らす

• 精度と関連性の向上：適切な情報や制約を与えると、より正確かつ有用な回答を得やすい

• 創造力や専門領域のポテンシャル発揮：必要なコンテキストや条件を示すことで、モデルが得意とする知識を最大限に引き出せる

1.2 プロンプトエンジニアリングの進化

当初、プロンプトエンジニアリングは“試行錯誤で上手い質問を見つける”といった感覚的なスキルでした。しかし時間が経つにつれ、明確なパターンやベストプラクティスが見いだされ、1つの手法として認知されるようになっています。主要なポイントとしては、

1. 役割付与：「あなたは○○の専門家です」とモデルに設定する手法

2. コンテキスト設定：必要な背景情報や状況を提示する

3. 明示的指示：トーンや回答形式などを具体的に指定する

4. 段階的な精密化：回答を得た後でプロンプトを調整し、結果を洗練していく

---

2. プロンプトエンジニアリングの核心原則

以下に示すのは、「完璧なプロンプト」を構築するうえで役立つ、チートシート的な原則です。

2.1 原則1：明確さと具体性

• あいまいさを排除：解いてほしい問題や聞きたい内容をはっきり示す。数学問題なら数式や最終的な解答形式を明示するとよい。

• 具体的な言葉の使用：「もの」「いろいろ」ではなく、より正確な用語や指示を使う。たとえば「オンラインヨガスタジオを対象とした30～50代向けのマーケティング戦略」といった形にする。

例

「あなたはファイナンシャルアドバイザーです。中リスクの範囲で、3年スパンの投資プランを、テック株と不動産にフォーカスして bullet ポイント形式で提案してください。」

2.2 原則2：コンテキストが重要

• 背景情報の提示：扱うテーマが複雑または専門的であれば、関連データや状況設定を伝えておく。

• 関連情報に絞る：不要な情報を詰め込みすぎると、モデルが混乱する可能性がある。

例

「次の5年間、サブスクリプション型SaaSのデータを分析するイメージで、離脱率85%、ユーザー獲得コスト30ドル、月1万ドルのマーケティング予算があると仮定してください…」

2.3 原則3：役割の設定

• “専門家になってください” と指示：モデルに「弁護士として」「教師として」「データサイエンティストとして」行動させると、該当領域の知識が優先される。

• 複数の役割切り替え：最初は金融アナリスト、その後心理学者、といった流れでモデルの視点を変えることも可能。

例

「あなたはベイズ統計に詳しいデータサイエンティストです。以下のデータセットを使って、ユーザー離脱率を推定するためのベイジアンアプローチを説明してください。」

2.4 原則4：出力形式の指定

• 形式を明示：bullet ポイント、表形式、ステップバイステップ手順など、期待する回答のスタイルを具体的に伝える。

• 長さやスタイルの制限：「100語以内でまとめて」「1段落で簡潔に」なども有効。

例

「5つのアクション項目を番号付き箇条書きで示してください。それぞれのキー要素を強調してください。」

2.5 原則5：反復的な修正

• 追質問や指示の修正：結果が期待と違う場合、「トーンをもっとカジュアルに」「文章を短く」「専門用語を使って」と再度指示する。

• Chain-of-Thoughtアプローチ：モデルが推論過程を（可能な範囲で）示すようにし、ステップごとに誘導することも一つの方法。

例

1. 「シンガポールに支店を設立するメリットとデメリットを教えて」

2. 「経営者向けに、コスト面と法的な観点を強調した形で再構築してください。」

2.6 原則6：限界を知る

• 事実確認の重要性：モデルは説得力ある誤答（いわゆる“幻覚”）をする場合があるため、常に根拠をチェックする。

• 複雑すぎる要求は分割：1つのプロンプトに多くの要素を詰め込みすぎると混乱するため、小分けにして指示したほうが明瞭。