プロンプトエンジニアリング実践：高品質な AI プロンプトを書く

曖昧な質問には曖昧な答えしか返ってきません。タスク、目標、出力形式、文字数、トーンなど、具体的に伝えるほど良い結果になります。

例えば「コピーを書いて」を「開発者向け AI ツール用に、10語以内のキャッチフレーズを3つ、簡潔で専門的なスタイルで書いて」に変えます。

モデルに必要な背景情報を補足し、場面に合った回答を引き出します。関連資料や制約条件もプロンプトに含めます。

出力に特定の形式を守らせたい場合、1〜2個の例（few-shot）を示す方が、長い説明より効果的なことが多いです。

推論・計算タスクでは「ステップごとに考えて」などの誘導（Chain-of-Thought）を加えると、正解率が大きく向上します。

複雑なタスクを複数のステップに分割し、それぞれ個別に質問して、最後にモデルに結果をまとめさせることもできます。

「あなたはシニアのフロントエンドエンジニアです」のように役割を与えると、回答がより専門的で焦点の合ったものになります。

構造化された結果が必要な場合は、JSON、Markdown テーブル、番号付きリストなど明示的に指定すると、後続処理が容易になります。

矛盾する要求を一度に詰め込みすぎないこと。モデルが暗黙の前提を知っていると思い込まないこと。事実に関する内容には必ず検証のステップを設けること。

プロンプトを反復可能な「プログラム」として扱います。まず1版実行し、出力に基づいて微調整を繰り返し、理想の結果に近づけます。