明確で具体的なAIプロンプトの書き方

モデルが推測できない文脈を伝える

モデルは会話に含まれる情報と、学習時に得た知識をもとに答えます。あなたが誰のために書いているのか、すでに何を試したのか、なぜそのタスクが重要なのかは、あなたが伝えない限りモデルにはわかりません。「このメールを書き直して」と「すでに苛立っている顧客が、言い訳ではなく謝罪として読めるようにこのメールを書き直して」は、文脈の量が違うだけの同じタスクですが、得られる回答は変わります。文脈は長くある必要はなく、その人がタスクをどう進めるかを左右する一つか二つの事実を含んでいれば十分です。

制約は暗黙のうちに伝わることを期待せず、明示する

文字数の上限、読みやすさのレベル、トーン、避けるべき話題、答えが守るべき期限——モデルは制約を明示すればそれに従い、明示しなければ、合わないかもしれない汎用的な既定値に頼ります。「150語以内にしてください」や「専門用語を避けてください」はどちらも、明示すればモデルが確実に従える制約であり、一貫して自力で正しく推測できるものではありません。

実際に欲しい出力形式を指定する

箇条書き、短い段落、表、件名と本文——最初から欲しい形式を伝えておけば、後から「形式を変えてほしい」と頼み直す手間が省けます。出力を人ではなく別のプログラムが解析する場合は、これがなおさら重要になります。その場合については、下記の構造化された出力を求めるプロンプトのガイド(この論点をさらに深く扱う姉妹ガイド)を参照してください。

説明だけでは曖昧になる場合は具体例を加える

説明するより見せるほうが伝わりやすいものがあります——独自の文体、トーン、繰り返し行うタスクの特定の形式などです。よく選ばれた一つの具体例が、何文もの説明では解消できない曖昧さを解消することがよくあります。複数の具体例を意図的に使う方法や、プロンプトの長さを増やしてでもそうする価値がある場合については、下記のFew-shotプロンプティングのガイドを参照してください。

よくある質問

プロンプトは長ければ長いほど良い回答が得られますか？

いいえ。長さが増えるのが、モデルに欠けていたはずの文脈、制約、あるいは具体例である場合にのみ効果があります。指示を言い換えて繰り返すだけの水増しは回答を改善せず、むしろ本当に重要な部分を埋もれさせることがあります。

明確なプロンプトを書けば、モデルが事実を誤ることはなくなりますか？

いいえ。明確なプロンプトは、あなたが求めていることをモデルが理解する可能性を高めますが、事実を検証したりハルシネーションをなくしたりするものではありません。実際に何が原因で、なぜプロンプトだけでは解決できないのかについては、下記のAIがハルシネーションを起こす理由のガイドを参照してください。

曖昧なプロンプトに加えるべき、最も役立つ一つの要素は何ですか？

多くの場合、それは文脈です——想定読者、目的、状況について、その人がタスクをうまくこなすために必要とする一つか二つの事実です。制約や具体例も役立ちますが、モデルが誰のための回答かをまだ理解していなければ、その効果は限定的です。