BroadRouter
始める

プロンプトエンジニアリング(prompt engineering)

更新日

プロンプトエンジニアリングとは、言語モデルに与える指示を書き、構成し、テストして、要件を満たす出力を安定して得るためのプロセスです。ロールのメッセージ、明確な指示、例、書式、テストケースによる結果の測定を含みます。

別名: プロンプト設計、プロンプトの書き方、プロンプト技術、prompt engineering、prompt design、prompting techniques

プロンプトは仕様書です。プロンプトエンジニアリングとは、それをうまく書き、モデルが従っているかを確かめることです。

しくみ

OpenAI のガイドは、プロンプトエンジニアリングを「the process of writing effective instructions for a model」(訳:モデルに効果的な指示を書くプロセス)と定義し、その目的を、モデルが「consistently generates content that meets your requirements.」(訳:要件を満たすコンテンツを安定して生成する)ようにすることとしています。主要なテクニックはベンダーを問わず共通しています。

テクニック やること
ロール ルールはシステムプロンプト(または developer メッセージ)に、依頼は user メッセージに入れる
構成 システムプロンプトを、アイデンティティ、指示、例、コンテキストの順に並べる。Markdown の見出しや XML タグで区切る
例 さまざまなケースをカバーする入力と出力の組をいくつか加える(フューショットプロンプティング)
推論 段階的に考えるよう求める(思考の連鎖)か、推論モデルを使う
出力形式 決まった形式を求めるか、API が対応していれば構造化出力を使う
安定性 モデルのバージョンを固定し、知らないうちに挙動が変わらないようにする

Anthropic の概要は、最初に 3 つを用意するよう勧めています。明確な成功基準、それに照らしてテストする方法、そして最初のプロンプトの草案です。実際には、評価(eval)のセットを用意することになります。

短い例で、改善の前後を示します。

Before: Summarize this ticket.

After:  You summarize support tickets for an engineering team.
        Write 3 bullet points: the problem, the customer impact, the next step.
        Use the customer's words for error messages. Do not guess at causes.
        <ticket>...</ticket>

改善前は「このチケットを要約して」だけです。改善後は、読み手がエンジニアリングチームであること、3 つの箇条書き(問題、顧客への影響、次のステップ)で書くこと、エラーメッセージは顧客の言葉をそのまま使うこと、原因を推測しないことを指定しています。

エージェントの場合、プロンプトはより大きなコンテキストの一部です。Anthropic のコンテキストエンジニアリングの記事は、プロンプトエンジニアリング、つまり「methods for writing and organizing LLM instructions,」(訳:LLM への指示を書き、整理する方法)を、モデルが見るそれ以外のすべてを管理するコンテキストエンジニアリングと区別しています。

なぜ重要か

  • 学習なしで品質を上げられます。 ファインチューニングや大きなモデルに頼る前に、プロンプトの改善が最も安く試せる手段です。
  • コスト。 システムプロンプトは毎回のリクエストで送り直されます。出力を変えない部分は削ってください。プロンプトのトークンを減らす方法を参照してください。
  • 移行。 あるモデル向けに調整したプロンプトは、別のモデルでは違う挙動をすることがあります。乗り換えるときは評価セットを再実行してください。

BroadNet Inference の場合

BroadNet のチャットモデルは標準的な Chat Completions の messages リストを受け取るので、system、user、assistant のロールやフューショットの例はいつもどおり使えます。コードを書く前に、Playground でプロンプトを試せます。アラビア語で出力させる場合は、アラビア語のプロンプトエンジニアリングで文体、方言、数字、右から左への書式を扱っています。

構造化出力は GLM 5.3 と Qwen3.8 27B で記載されています。DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B では推論が max_tokens に含まれるので、「段階的に考えて」のようなプロンプトでも予算に余裕が必要です。

よくある質問

新しいモデルでもプロンプトエンジニアリングは必要ですか?

はい。ただしコツは変わります。新しいモデルは平易で具体的な指示によく従うので、作業の大半は要件をはっきり書き、例を示し、実際の入力でテストすることです。

代わりにファインチューニングすべきなのはどんなときですか?

例を含めて十分にテストしたプロンプトでも多くのケースで失敗する場合や、プロンプトが長すぎて毎回送れない場合です。Anthropic のドキュメントは、レイテンシやコストの削減のように、別のモデルを選んだほうが達成しやすい目標もあると指摘しています。

アラビア語で出力させるとき、プロンプトもアラビア語で書くべきですか?

どちらでも機能します。求める文体や方言、数字と混在テキストの扱いを指定してください。アラビア語のプロンプトエンジニアリングの記事で両方のやり方を比べています。

Markdown で読むChatGPT に聞くClaude に聞くPerplexity に聞く