プロンプトの書き方：6つの要素と例でわかるコツ

プロンプトは依頼書です。モデルはあなたが書いたものしか読まないので、モデルに必要な事実も、あなたの好みも、すべてそこに書かれていなければなりません。答えがありきたりなものになったとき、その原因はほぼ必ず、プロンプトの書き方がまずかったことではなく、プロンプトに書かれていなかったことにあります。

役に立つプロンプトの多くは、同じ6つの要素でできています。下のブロックには6つすべてが入っています。要素をオフにしてそれがない場合のプロンプトを確かめ、自分の使う言語を入れてから、ChatGPT や Claude で開いて比べてみてください。

エラーメッセージを説明してもらう

EditCopy

Fill in言語

PartsRoleTaskContextInputFormatConstraints

Role

あなたは、プログラミングを始めて1か月目の人を教える、辛抱強い講師です。

Task

この Python のエラーが何を意味していて、どう直せばよいかを説明してください。

Context

私は初心者向けのコースで勉強中です。変数、文字列、リスト、for ループは知っています。クラスと例外はまだ習っていません。

Input

私のコード：age = 30 print("Age: " + age)エラー：TypeError: can only concatenate str (not "int") to str

Format

太字の見出しを付けた短い3つのパートで答えてください。エラーの意味、私のコードでエラーが起きた理由、直したコードです。

Constraints

やさしい言葉を使い、まだ習っていない概念は使わないでください。答え全体を200字以内に収めてください。

Try it

Example replyReplies vary between models and runs.

意味：+ は2つの文字列をつなげることも、2つの数を足すこともできますが、文字列と数をつなげることはできません。Python はどちらのつもりかを推測しないので、そこで止まります。

原因："Age: " は文字列で、age には数の 30 が入っています。この行は、その2つを + でくっつけるよう Python に頼んでいます。

直したコード：先に str() で数を文字列に変えます。

age = 30
print("Age: " + str(age))

これで Age: 30 と表示されます。

6つの要素

役割は、誰の視点と判断で答えるかをモデルに伝えます。「初心者向けの辛抱強い講師」と「本番コードをレビューするシニアエンジニア」では、同じ質問にまったく違う答えが返ります。役割が特に役立つのは、それが読み手と基準を暗に示すときです。効く場面と効かない場面はロールプロンプティングを参照してください。

タスクは、何をするかを述べる1文です。動詞から始めます。説明する、書き直す、比較する、列挙する、直す、要約する。タスクを1文で書けないなら、そのプロンプトにはおそらくタスクが2つ入っていて、たいていどちらか一方の答えが薄くなります。

コンテキストは、モデルが推測できないすべてのことです。あなたが誰か、すでに何を知っているか、結果を何に使うか、すでに何を試したか。例の中では「クラスと例外はまだ習っていません」という一文が、モデルが try と except を使って答えるのを防いでいます。

入力は作業の素材です。コード、メール、表、エラー。丸ごと貼り付けてください。コードの要約は「そのコードが何をしていると自分が思っているか」の説明にすぎず、バグはたいていその2つのすき間に潜んでいます。

形式は、答えの見た目を指定します。リスト、表、見出し付きの3パート、JSON、1行だけ。指定がないとモデルが形を選び、チャットモデルは長いものを選びがちです。答えをプログラムが読む場合は、構造化出力でさらに踏み込めます。

制約は守るべき範囲です。長さ、使う語彙、避けること、変えてはいけないこと。「短く」という形容詞より「200字以内」という数字のほうがよく効きます。「短い」の意味は読み手によって違い、モデルもその読み手の1人だからです。

あいまいなプロンプトと具体的なプロンプト

同じ依頼を2通りに書いてみました。タブを切り替えて返答を比べてください。

あいまい具体的

EditCopy

リストを並べ替える関数を書いてください。

Try it

Example replyReplies vary between models and runs.

Python で書いたシンプルな並べ替え関数です：

def sort_list(items):
    return sorted(items)

sort_list([3, 1, 2]) のように呼び出すと [1, 2, 3] が返ります。

あいまいなプロンプトは、誰も聞いていない質問への正しい答えを受け取りました。言語、データ、並び順、入力を書き換えてよいかをモデルは推測するしかなく、毎回いちばんよくあるケースを選びました。具体的なプロンプトは4つすべてに先に答えていたので、推測する余地が残っていませんでした。

プロンプトを良くするコツ

• タスクは早めに書き、長い素材のあとでもう一度書く。 短いプロンプトならタスクを先頭に置くと、続く背景情報が目的を持って読まれます。長い文書を貼り付けるときは、文書を先に置いて質問を最後に書き、重要な制約もそこで繰り返します。そうすると、モデルが書きはじめる位置のすぐ近くに指示が来ます。
• 避けることだけでなく、することを書く。 「12歳にもわかるやさしい日本語で書いて」はモデルに目標を与えます。「専門的すぎないように」は1つの方向を禁じるだけで、残りは開いたままです。
• 指示と素材を分ける。 メールやファイルを貼り付けるときは、どこから始まりどこで終わるかを示し、中の一文をモデルが指示と取り違えないようにします。方法は区切り文字と XML タグで扱っています。
• 形式が特殊なら出力の例を1つ見せる。 形を段落で説明するより、例を見せるほうが早く伝わります。これが Few-shot プロンプティングです。
• チャットの中ではなく、プロンプトそのものを直す。 最初の答えが違っていたら、足りないコンテキストや制約を見つけてプロンプトを直し、もう一度実行します。修正のやりとりを重ねても結果は出ますが、手元に残るのは結果だけで、再利用できるプロンプトは残りません。

送信前のチェックリスト

1. 動詞で始まる1文でタスクを言えるか？
2. 初対面の人が読んでも、答えが誰向けか、私がすでに何を知っているかがわかるか？
3. 素材の説明ではなく、実物を貼り付けたか？
4. 答えの長さと形を指定したか？
5. 答えが変えてはいけないもの、使ってはいけないものはあるか？

5つすべてに「はい」と答えられても完璧な返答が保証されるわけではありませんが、「いいえ」があれば、それが悪い返答のいちばんありがちな原因です。