このドキュメントはAIによって翻訳されました。不正確な情報については、英語版をご参照ください
AIエージェント・プロンプトエンジニアリングガイド
「どう書くか」から「うまく書くか」へ。このガイドでは、シンプルで安定した、再利用可能な方法で高品質なプロンプトを作成する方法を解説します。
1. プロンプトが重要な理由
プロンプトはAIエージェントの「職務記述書」のようなもので、そのスタイル、範囲、出力品質を直接決定します。
比較例：
❌ 不明確なプロンプト：
✅ 明確で制御可能なプロンプト：
結論：良いプロンプトは、「誰が、何をするか、どのように行うか、どのような基準で達成するか」を明確にすることで、AIのパフォーマンスを安定させ、制御可能にします。
2. プロンプトの「9つの要素」黄金公式
実践で効果が実証された構造です：
2.1 要素の説明
| 要素 | 解決する問題 | 有効な理由 |
|---|---|---|
| 命名 | 役割とスタイルを明確にする | AIに「役割意識」を持たせる |
| 二重指示 | 「私は誰か／何をするべきか」を区別する | 役割の混乱を減らす |
| 模擬確認 | 実行前に理解を復唱する | 逸脱を防ぐ |
| 繰り返し強調 | 重要ポイントを繰り返し提示する | 優先度を高める |
| 厳格なルール | MUST/ALWAYS/NEVER | 最低限の基準を確立する |
| 背景情報 | 必要な知識と制約 | 誤解を減らす |
| ポジティブな動機付け | 期待とスタイルの誘導 | より安定したトーンとパフォーマンス |
| 参考例 | 直接的な模範対象 | 期待により近い出力を得る |
| 悪い例 | よくある落とし穴を避ける | 誤りを修正し、使用するほど正確になる |
2.2 クイックスタートテンプレート
3. 実践例：Viz（データ分析）
9つの要素を組み合わせて、すぐに使える完全な例を作成します。
設計のポイント
- 「真実性」はワークフロー、強調、ルールの中に複数回出現します（強い注意喚起）。
- 「説明 + JSON」の2段式出力を選択することで、フロントエンドへの連携が容易になります。
- 「読み取り専用SQL」を明確にし、リスクを低減します。
4. プロンプトをより良く活用する方法
4.1 5段階のイテレーション
一度に5～10個の典型的なタスクをテストし、30分以内に1ラウンドを完了することをお勧めします。
4.2 原則と比率
- ポジティブな誘導を優先：まずAIに「どうすべきか」を伝えます。
- 問題駆動型の改善：問題が発生した場合にのみ制約を追加します。
- 適度な制約：最初から「禁止事項」を積み重ねないでください。
経験則の比率：ポジティブ 80% : ネガティブ 20%。
4.3 典型的な最適化の例
問題：チャートの過負荷、可読性の低さ 最適化：
- 「背景情報」に「各チャートは1つのテーマ」を追加します。
- 「参考例」に「単一指標チャート」を提示します。
- 問題が繰り返し発生する場合は、「厳格なルール/繰り返し強調」に厳格な制約を追加します。
5. 高度なテクニック
5.1 XML/タグを使用して構造をより明確にする（長いプロンプトに推奨）
コンテンツが1000文字を超える場合や、混同しやすい場合は、タグで区切る方が安定します。
5.2 「背景 + タスク」の階層的な書き方（より直感的な表現）
- 背景（長期的な安定）：このエージェントが誰であるか、そのスタイル、どのような能力を持っているか
- タスク（オンデマンドで切り替え）：現在何をすべきか、どの指標に焦点を当てるか、デフォルトの範囲は何か
これはNocoBaseの「エージェント + タスク」モデルと自然に一致します：背景は固定、タスクは柔軟です。
5.3 モジュール化された再利用
よく使うルールをモジュールに分解し、必要に応じて組み合わせます。
データセキュリティモジュール
出力構造モジュール
6. 黄金律（実践的結論）
- 1つのAIは1種類のタスクのみを担当し、専門化することで安定性が増します。
- スローガンよりも例が効果的です。まずポジティブな模範を示しましょう。
- MUST/ALWAYS/NEVER を使用して境界を設定します。
- プロセスを明確に表現し、不確実性を低減します。
- 小さなステップで迅速に進め、テストを増やし、変更を減らし、継続的にイテレーションを行います。
- 制約を増やしすぎず、「ハードコーディング」を避けてください。
- 問題と変更を記録し、バージョンを作成します。
- 80/20の法則：「どうすれば正しくできるか」をまず伝え、次に「何を間違えてはいけないか」を制約します。
7. よくある質問
Q1：適切な長さは？
- 基本的なエージェント：500～800文字
- 複雑なエージェント：800～1500文字
- 2000文字以上は推奨しません（処理が遅くなり、冗長になる可能性があります）。 標準：9つの要素すべてを網羅し、無駄な記述がないこと。
Q2：AIが指示に従わない場合はどうすればよいですか？
- MUST/ALWAYS/NEVER を使用して境界を明確にします。
- 主要な要件を2～3回繰り返します。
- タグ/セクションを使用して構造を強化します。
- ポジティブな例を多く提供し、抽象的な原則の議論は減らします。
- より強力なモデルが必要かどうかを評価します。
Q3：ポジティブな指示とネガティブな指示のバランスは？ まずポジティブな部分（役割、ワークフロー、例）を記述し、その後、エラーに基づいて制約を追加します。その際、「繰り返し発生するエラー」のみを制約の対象とします。
Q4：頻繁に更新すべきですか？
- 背景（アイデンティティ/スタイル/中核能力）：長期的に安定
- タスク（シナリオ/指標/範囲）：ビジネスニーズに応じて調整
- 変更があった場合はバージョンを作成し、「なぜ変更したか」を記録します。
8. 次のステップ
実践練習
- 任意の簡単な役割（例：カスタマーサービスアシスタント）を選び、9つの要素に基づいて「使えるバージョン」を作成し、5つの典型的なタスクでテストします。
- 既存のエージェントを見つけ、3～5つの実際の問題を整理し、小規模なイテレーションを行います。
参考資料
- AIエージェント・管理者設定ガイド：プロンプトを実際の設定に落とし込む
- 各AIエージェント専用マニュアル：完全な役割/タスクのテンプレートを確認する
最後に
まず動かし、それから磨き上げる。 「動作する」バージョンから始め、実際のタスクの中で継続的に問題点を収集し、例やルールを追加していきます。 覚えておいてください：まず「どうすれば正しくできるか」を伝え（ポジティブな誘導）、次に「何を間違えてはいけないか」を制約します（適度な制限）。