メインコンテンツへスキップ

7.5.1 Prompt Engineering ロードマップ：ブリーフ、出力、評価

Prompt Engineering は、アプリケーションとモデルのあいだのインターフェースです。目的は気の利いた一文を書くことではなく、1 回のモデル呼び出しを予測可能、解析可能、テスト可能、改善可能にすることです。

まず Prompt のループを見る​

Prompt エンジニアリング章の関係図

Prompt 三層タスク仕様図

Prompt 反復テストの閉ループ図

モデルに基本能力はあるのに、結果が曖昧、不安定、形式違い、評価しにくい場合に、この章の方法を使います。

Prompt 契約チェックを動かす​

LLM を呼ぶ前に、Prompt を契約として書きます：タスク、コンテキスト、出力形式、制約です。この小さなスクリプトで、その契約がテストできる程度にそろっているか確認します。

prompt_contract = {
    "task": "Extract chapter metadata",
    "context": "One course markdown file",
    "output_format": ["chapter", "goals", "prerequisites", "risks"],
    "constraints": ["return JSON only", "mark missing facts as null"],
}

required = ["task", "context", "output_format", "constraints"]
missing = [field for field in required if not prompt_contract.get(field)]

print("ready:", not missing)
print("fields:", ", ".join(required))
print("test_case_count:", 3)

出力：

ready: True
fields: task, context, output_format, constraints
test_case_count: 3

ready が False なら、追加例を試す前にタスクブリーフを直します。曖昧な Prompt は、曖昧なデバッグを生みます。

この順番で学ぶ​

手順読む内容実践アウトプット
1Prompt 基礎曖昧な依頼をタスク、コンテキスト、形式、制約に書き換える
2高度な Prompt必要なときだけ例、手順、役割、境界条件を加える
3構造化出力プログラムで解析できる JSON、表、Markdown を作る
4Prompt 実践同じ固定入力で Prompt バージョンを比較する
5評価ラボ合格率、失敗タイプ、次の変更を記録する

合格ライン​

固定した入力セットを使い、毎回 1 つの Prompt 層だけを変更し、感覚ではなく証拠で改善を説明できれば、この章は合格です。

出口ミニプロジェクトは、コース内容抽出 Prompt です。1 つのコース文書を入力し、章のテーマ、学習目標、前提知識、重要語、練習案、リスクメモを JSON または Markdown 表で出力します。