プロンプトエンジニアリング入門：効く指示の書き方

「プロンプトエンジニアリング」とは

プロンプト は ChatGPT に送る指示と文脈です。エンジニアリングとは、リクエストを実行可能にすること—明確な目標、明示的制約、検証可能出力。ChatGPT または OpenAI API では、モデル盲目切替より良いプロンプトが効くことが多い。

5部構成フレームワーク

1. Role（役割） — モデルは誰として振る舞う？
2. Task（タスク） — 動詞：要約、リライト、比較、生成？
3. Context（文脈） — 読者、背景、ソース、ビジネスルール
4. Format（形式） — Markdown、表、JSON、番号付き手順
5. Constraints（制約） — 長さ、トーン、禁止、必須カバレッジ

テンプレート

You are a science writer for non-technical readers.
Task: Explain what a vector database is and how it differs from a regular database.
Audience: junior product managers.
Format: 80-word summary, then three short sections, then one everyday analogy.
Constraints: Avoid jargon piles; when a term is required, define it in parentheses; do not invent market-share numbers.

上級テクニック

Few-shot 例

実タスク前に入出力ペア1–3件—タイトル、サポートマクロ、抽出に有効。

難問の段階的推論

最終回答前にステップを求め、飛ばしロジックを減らす。それでも検証必須—ステップは正しさの保証ではない。

構造化出力

Return JSON only with fields title, summary, tags (array), risk_level (low|mid|high). No extra prose.

意図的反復

骨子 → 詳細 → トーンパス。モデルをワンクリック oracle ではなく共同編集者として。

弱い vs 強いプロンプト

弱いプロンプト	問題	修正
「何か書いて」	目標なし	ジャンル、長さ、用途を指定
「もっとプロに」	基準曖昧	読者と専門用語レベル定義
「最新ニュース使って」	幻覚リスク	検証済みソース貼付。不確実性マーク
「最強モデルで考えて」	空指示	採点基準と必須ポイント提供

再利用シナリオ

• 議事録 → 決定/担当/期限の表
• コードレビュー → 正確性、可読性、性能、セキュリティ
• 学習計画 → レベル、週時間、4週マイルストーンと受入チェック

API 連携

Web UI は探索。本番パイプラインは platform.openai.com と Docs。勝ちプロンプトを system + user テンプレとしてバージョン管理。

練習

「この製品紹介を改善して」を5部構成プロンプトにアップグレード：診断、3リライト（フォーマル/フレンドリー/簡潔）、理由付き推奨を返す。

まとめ

良いプロンプトはミニ仕様書。5部を書き、根拠で反復し、事実は自分で検証。効果的な質問 と 最新モデルガイド へ続く。