プロンプトの4つの要素
| 要素 | 内容 | 例 |
|---|---|---|
| Instruction（指示） | AI に実行させたいこと | 「歓迎メールを書いてください」 |
| Context（文脈） | 背景情報や前提条件 | 「あなたは人事部の担当者です。新入社員向けです」 |
| Input Data（入力データ） | 処理対象の文章やデータ | 要約したい議事録の本文 |
| Output Indicator（出力指示） | 出力の形式や体裁 | 「敬語で200字以内、箇条書きなし」 |
すべてを毎回含める必要はありませんが、意識して書くと出力の質が安定します。「メール」「200字」だけの指示では指示や前提が不明で、「何か面白いことを教えて」は文脈も出力形式もなく出力が安定しません。
Zero-Shot と Few-Shot
- Zero-Shot プロンプティング: 例を一つも示さず、指示だけでタスクを実行させる方法。「次の文章を要約してください」など。大規模言語モデルは事前学習で多様なタスクを学んでいるため、多くの場合これで対応できる。
- Few-Shot プロンプティング: 入力と望ましい出力の例を数個（few）示してから本番の入力を与える方法。回答の形式や判断基準を例で伝えられるため、分類やフォーマット変換で出力が安定する。
顧客レビューを「満足」「不満」「どちらでもない」に分類させて基準がぶれる場合は、各分類の例を示す Few-Shot が有効です。同じプロンプトの多数決や、分類を減らすことは根本の解決になりません。
役割（ロール）の設定
「あなたは経験豊富な税理士です」のように役割を設定すると、AI はその立場の専門知識や視点、口調を意識して回答するため、目的に合った出力が得やすくなります。ただし役割を与えても AI が資格を持つわけではなく、回答の正確さや法的な保証が得られるわけでもありません。
質の高い回答を得る書き方
- 目的、前提、対象読者、出力形式を具体的に伝え、曖昧な表現を避ける。
- 表形式や JSON 形式など、後工程で使いやすい形式を指定できる。
- 「小学生にも分かるように」のように対象読者を指定すると、説明の難易度を調整できる。
- 一度で望む出力が得られなくても、追加の指示で修正を重ねる。
「プロンプトを工夫しても出力は変わらない」という認識は誤りです。
試験で問われる観点
- 4要素の名称と内容の対応。プロンプト例から各要素を識別させる問題。
- Zero-Shot（例なし）と Few-Shot（例あり）の違いと使いどころ。
- 役割設定の効果と限界。