プロンプトエンジニアリングとは

プロンプトエンジニアリングとは、生成AIから狙った出力が安定して返るように、プロンプトの書き方を設計し、試し、直していく技法のことです。読み方は「ぷろんぷとえんじにありんぐ」です。

OpenAI 社の開発者向けガイドは、これを「要件を満たす出力を一貫して生成させるための、効果的な指示を書くプロセス」と定義しています。ポイントは「一貫して」の部分です。1回うまくいった文面を見つけることではなく、入力が変わっても同じ品質で返る書き方を作ることが目的になります。

「エンジニアリング」と付いていますが、プログラミングの知識は前提ではありません。条件を決めて、比べて、直すという進め方が工学的だ、という意味合いです。

Anthropic 社の公式ガイド（概要ページ）は、プロンプトを直し始める前に次の3つをそろえるよう勧めています。

1. 用途ごとの成功基準がはっきりしている
2. その基準に照らして試す手段がある
3. 改善のもとになる最初の下書きがある

そのうえで、下書き → いくつかの入力で試す → 外れた出力の原因を探す → 1か所だけ直す → もう一度同じ入力で試す、を繰り返します。一度に何か所も変えると、どれが効いたのか分からなくなります。

同じ資料は、すべての問題がプロンプトで解けるわけではないとも書いています。たとえば応答の速さや料金は、書き方よりもモデルを選び直したほうが改善しやすい場合があります。また、OpenAI 社のガイドは、本番のアプリではモデルの版を固定し、評価の仕組みで挙動を見続けることを勧めています。モデルが変われば、効く書き方も変わりうるからです。

主な技法を、効き目の方向で並べます。

• 明確で直接的な指示：「いい感じに」ではなく、対象・範囲・分量を書きます。
• 理由を添える：「省略記号を使わない」より「音声で読み上げるので省略記号を使わない」のほうが、モデルが意図を一般化しやすいとされています。
• 例を示す：フューショット。Anthropic 社のガイドは、関連性があり多様な例を3〜5個入れることを勧めています。
• 構造化する：指示・資料・入力を <instructions> <context> のようなタグや見出しで区切ります。
• 役割を与える：「あなたはセキュリティ担当のレビュアーです」のように立場を決めます。多くはシステムプロンプトに書きます。
• 考える過程を促す：思考の連鎖（CoT）。
• 作業を分割する：長い依頼を複数のプロンプトに分け、前の出力を次の入力にします。Google の資料ではプロンプトの分解として紹介されています。

AIコーディングエージェントにコードレビューを任せる場面を例にします。

1. 成功基準を決める：「入力値の検証漏れを指摘できる」「問題がないコードに無理な指摘をしない」。
2. 試す材料を作る：検証漏れがある差分5件と、問題のない差分5件を用意します。
3. 下書きで試す：この差分をレビューして だけでは、書式の好みの指摘ばかり返ってきたとします。
4. 1か所直す：観点を「入力の検証、権限、秘密情報の扱い」に絞り、指摘は重大度つきの表で返すよう指定します。
5. 同じ10件で比べる：検証漏れを拾えた件数と、無理な指摘の件数を前回と比べます。

数字で比べられる形にしておくと、「なんとなく良くなった」で終わらずに済みます。

• 誤解：決まった呪文を覚えれば上達する
  実際：効く書き方はモデルや用途で変わります。覚えるべきは言い回しより、試して比べる手順です。
• 誤解：一度作ったプロンプトはずっと使える
  実際：モデルの更新で挙動が変わることがあります。版を固定し、更新時には同じ試験用の入力で確かめ直します。
• 誤解：出力の問題はすべて書き方で直せる
  実際：知識が足りない問題はRAGで資料を渡すほうが合うことがあり、速さや料金はモデル選びの問題であることもあります。

• プロンプト
• フューショット
• 思考の連鎖（CoT）
• システムプロンプト
• コンテキストエンジニアリング
• evals（イーバルズ）

• プロンプトの基本｜AIに伝わる指示の書き方5つの型と良い例・悪い例
• コーディング向けプロンプト実践：目的・前提・期待出力の分け方
• Evals（LLM評価）の始め方｜評価セット20件から始める最小構成

• プロンプトエンジニアリングの概要（API 公式ドキュメント）：始める前にそろえる3つの前提と、プロンプトで解くべきでない課題
• プロンプトのベストプラクティス（API 公式ドキュメント）：理由を添える、例は3〜5個、タグで構造化する、役割の指定
• プロンプトエンジニアリングの定義とモデル版の固定（API 公式ドキュメント）：一貫した出力のための指示を書くプロセスという定義、評価の仕組み
• プロンプト設計の戦略（Google AI for Developers）：プロンプトの分解と、改善は反復的に行うという考え方

Q1. プロンプトエンジニアリングとは何ですか？
生成AIから狙った出力が安定して返るように、プロンプトの書き方を設計し、試して直していく技法のことです。1回うまくいく文面を探すより、入力が変わっても同じ品質で返る書き方を作ることを目的にします。

Q2. プロンプトエンジニアリングにプログラミングの知識は要りますか？
基本の技法には要りません。条件を具体的に書く、例を示す、作業を分けるといった工夫は文章だけでできます。アプリにAIを組み込んで大量の入力を試す段階になると、評価を自動で回すためにコードを書く場面が出てきます。

Q3. プロンプトエンジニアリングとファインチューニングはどう使い分けますか？
まずプロンプトで試し、成功基準に届かない理由を見てから判断するのが一般的です。書き方で届く課題ならプロンプトで十分で、手間も費用も小さく済みます。大量の例で出力の癖そのものを変えたい場合に、ファインチューニングを検討します。