構造
ロール
Role
意味
モデルが採用すべき視点または役割の説明。
使用場面
関連する専門知識、対象者、およびトーンを確立するために使用します。
活用例
初心者開発者向けの韓国語の技術編集者として活動します。生成AIエンジニアリング
AIプロンプト設計用語
ロール、指示、コンテキスト、例、出力スキーマ、多段階ワークフロー、および高度な推論パターンが、信頼性の高いAI応答をどのように形成するかを学習します。
18 件
構造
指示
Instruction
意味
モデルが実行すべきタスクを直接記述した文。
使用場面
曖昧さを減らすために、明確な動詞と明確な成果物を使用します。
活用例
レポートを、意思決定に必要な 5 つの箇条書きにまとめてください。構造
コンテキスト
Context
意味
モデルがタスクを正しく解釈するために必要な背景情報。
使用場面
回答に影響を与える、対象者、目標、制約、ソース資料、および定義を提供します。
活用例
コンテキスト：読者は初めてのユーザーであり、この機能は来週リリースされます。構造
制約
Constraint
意味
コンテンツ、長さ、スタイル、ツール、または許可されたアクションに対する制限。
使用場面
受け入れ基準を可視化し、テスト可能にするために使用します。
活用例
提供されたポリシーのみを使用し、150語以内にし、欠落した日付を推測しないでください。構造
区切り文字
Delimiter
意味
指示、例、およびソースデータを区切るマーカー。
使用場面
プロンプトが複数のセクションを含む場合は、XMLのようなタグ、見出し、または囲みブロックを使用します。
活用例
Summarize only the text inside <source>...</source>.例
ゼロショットプロンプティング
Zero-shot prompting
意味
実例を提供せずにタスクを要求します。
使用場面
モデルがすでに十分に理解している一般的なタスクについては、ここから開始してください。
活用例
各レビューを、肯定的、中立的、または否定的として分類します。例
Few-shot プロンプティング
Few-shot prompting
意味
実際のタスクの前に、入力と出力の例の小さなセットを提供します。
使用場面
特定のラベルポリシー、トーン、特殊なケース、または出力パターンを教えるために使用します。
活用例
入力：配送は迅速でした。 出力：ロジスティクスに関する肯定的な評価。 現在の分類：箱が破損して到着しました。再利用
プロンプトのテンプレート
Prompt template
意味
変数を実行時に埋めるプレースホルダーを持つ、再利用可能なプロンプト。
使用場面
一貫した指示を必要とする繰り返しワークフローに使用します。
活用例
Summarize {{document}} for {{audience}} using {{format}}.出力
構造化された出力
Structured output
意味
予測可能な機械可読形式に制限された応答。
使用場面
別のプログラムが、結果を解析または検証する場合に、使用します。
活用例
title、summary、risk_level、およびsource_idsを含むオブジェクトを返します。出力
JSONスキーマ
JSON Schema
意味
許可されたJSONフィールド、型、および必須値の正式な説明。
使用場面
自動化されたワークフローでの解析エラーを減らすために、サポートされているスキーマ制約を使用してください。
活用例
statusをenumとして、およびdue_dateをnullableなISO型の日付として要求します。ワークフロー
タスク分解
Task decomposition
意味
複雑なリクエストを、より小さく、検証可能なサブタスクに分割します。
使用場面
研究、変換、チェック、および最終的な統合に、異なるステップが必要な場合に利用します。
活用例
最初に要件を特定し、次に競合を特定し、回答を草案して検証する。ワークフロー
プロンプトチェーン
Prompt chaining
意味
1つのモデルの出力を、後続のモデルのステップに入力する。
使用場面
中間結果を検査、変換、または承認する必要がある場合に使用します。
注意
エラーは複数のステップにわたって伝播する可能性があるため、重要な中間出力を検証します。
活用例
Extract claims -> retrieve evidence -> verify each claim -> write the final brief.高度な推論パターン
バックプロンプト
Step-back prompting
意味
特定の質問に答える前に、より広範な原則、定義、または意思決定フレームワークから始めます。
使用場面
特定のケースが、支配的な概念または制約を最初に特定せずに、誤解されやすい場合に利用します。
注意
より広範なステップでも間違っているか、無関係である可能性があるため、信頼できる情報源に対して検証してください。
活用例
最初に、返金資格を規定するポリシーの原則を特定します。次に、それらをこのケースに適用し、関連する条項を引用します。高度な推論パターン
段階的なプロンプト
Least-to-most prompting
意味
より単純な依存サブ問題を最初に解決し、その検証された結果を使用して、より複雑な全体タスクに対処します。
使用場面
後続の結論が、いくつかの前提条件となる計算、事実、または決定に依存している場合に使用します。
注意
早期のエラーが、後続の手順に伝播する可能性があります。再利用する前に、前提条件の出力を検証してください。
活用例
1. 契約日を抽出します。 2. 各通知期間を計算します。 3. 通知期間を解除条項と比較します。 4. 証拠とともに結論を報告します。高度な推論パターン
自己整合性
Self-consistency
意味
独立してサンプリングされた複数の候補ソリューションを生成し、合意によってサポートされる、または別の検証ルールによって検証された回答を選択します。
使用場面
複数の有効な解決策パスを比較でき、追加のコストが正当化される、困難なタスクに対して選択的に使用します。
注意
一致は正しさを証明するものではなく、相関のあるエラーは一致する可能性があり、複数のサンプルはレイテンシとコストを増加させる。
活用例
独立した候補合計を5つ生成し、最終的な値を比較し、ソースの行と決定的な計算によって検証された場合にのみ、1つを受け入れます。高度な推論パターン
批判と修正
Critique-and-revise
意味
草案を作成し、明示的な基準と証拠に基づいて評価し、特定された弱点を修正します。
使用場面
出力に、完全性、ソースのサポート、形式、トーン、またはポリシーへの準拠など、レビュー可能な評価基準がある場合に利用します。
注意
モデルは自身の間違いを見落とす可能性があります。重要な結果は、独立したチェックまたは人間のレビューが必要です。
活用例
回答のドラフトを作成し、必要な事実、引用、禁止事項、および長さに照らして評価します。失敗した項目のみを修正し、最終的な回答を返します。高度な推論パターン
計画と実行
Plan-and-execute
意味
タスクの計画と実行を分離し、依存関係、ツール、チェックポイント、および完了基準を、作業を開始する前に定義します。
使用場面
順序、権限、リソース制限、または中間検証が重要な多段階作業に使用します。
注意
計画を修正可能とみなし、新しい証拠によって無効になる場合は、盲目的に続行しないでください。
活用例
依存関係と承認ポイントを含む、簡潔な実行計画を返します。承認された各ステップを実行し、証拠を記録し、前提が失敗した場合は再計画します。高度な推論パターン
検証パターン
Verifier pattern
意味
候補の回答を、ルール、証拠、スキーマ、または決定論的なツールに対して検証する、明確な検証ステップを使用します。
使用場面
重要な主張、計算、引用、構造化された出力、またはツール引数が、独立して検証可能である場合に使用します。
注意
同じ証拠が欠けていたり、誤った前提がある検証者が、ジェネレーターのエラーを繰り返す可能性がある検証。
活用例
ジェネレーター：ソース行 ID と共に請求書概要を生成。 検証者：合計を再計算し、スキーマを検証し、サポートされていない主張を却下。高度な推論パターンの選択
タスクの構造と評価の証拠が、追加の手順、トークン、レイテンシ、および複雑さを正当化する場合にのみ、パターンを選択します。
| 必要 | 考慮すべきパターン |
|---|---|
| 適用する前に、適用する原則を特定します。 | バックプロンプト |
| 依存関係の順序で、必要なサブ問題を解決します。 | 段階的なプロンプト |
| 追加のサンプリングが正当化される場合、複数の候補ソリューションを比較する。 | 自己整合性と独立検証 |
| 明示的なレビュー基準に対して、草案を改善します。 | 批判と修正 |
| 依存関係、ツール、および承認チェックポイントを調整します。 | 計画と実行 |
| サポートされていない主張、無効なスキーマ、または誤った計算を拒否します。 | 検証パターン |
よくある質問
プロンプトは、モデルにその内部思考プロセス全体を明らかにするように指示すべきですか？
いいえ。簡潔な回答、検証可能な中間結果、引用された証拠、仮定、計算、および検証結果を優先してください。一部の推論モデルは内部的に思考を実行しますが、長い理由が可視であるからといって、回答が正しいことを証明するものではありません。
高度な推論パターンは常に精度を向上させますか？
いいえ。その効果は、モデル、タスク、プロンプト、サンプリング、および評価方法によって異なります。また、レイテンシ、トークンコスト、相関エラー、およびエラーの伝播を引き起こす可能性があります。代表的なケースで、単純なベースラインと比較してください。
検証機能は、批判と修正機能とどのように異なりますか？
批判と修正は、レビューと編集を通じて草案を改善します。検証者は、候補が証拠、ルール、スキーマ、または決定論的なツールに対して適合しているかを確認する承認ゲートとして機能し、書き換えずに拒否する場合があります。
公式参考資料
- Google AI for Developers — Prompt design strategies
構造化されたプロンプティング、推論、計画、検証、エージェントベースのワークフロー、およびモデル固有の思考行動に関する公式ガイド。
- Wang et al. — Self-Consistency Improves Chain of Thought Reasoning in Language Models
自己整合性を導入する主要な研究。これは、多様な推論パスをサンプリングし、最も整合性の高い回答を選択するものです。
関連用語ガイド
- AIコンテキストエンジニアリング用語
プロンプトを、証拠、履歴、状態、および再利用可能な材料を含む制御されたコンテキストに拡張する。
- AIマルチモーダルプロンプト設計用語
テキストに画像、ドキュメント、オーディオ、またはビデオを組み合わせたリクエストを設計します。
- AIプロンプトテスト・最適化用語
繰り返し可能なケース、メトリック、および回帰チェックを用いて、プロンプトのバリエーションを比較する。
- AIプロンプト管理・運用用語
バージョン、承認、デプロイ、監視、ロールバック、および本番環境のプロンプトの廃止。
- RAG・文書検索用語
クエリの書き換え、証拠のみに基づく回答、拒否、引用、統合、およびソースの矛盾への対応を適用します。