もう少し詳しく
目的、条件、出力形式、回答例などの伝え方を調整します。一度うまく答えたかだけでなく、複数の入力で結果を比べ、狙った品質を安定して得られるかを確かめます。モデル自体の重みを変える学習とは別の作業です。
プロンプトエンジニアリングは、モデルや課題に応じて入力の構造を設計し、再現性のある結果を得る実践です。役割、手順、制約、例、出力スキーマを組み合わせ、少数の成功例ではなく複数の入力で品質を評価します。
HISTORY
開発された年代と歴史
この用語を大きな流れで見ると、2020年代〜に発展してきました。
- 2020GPT-3のfew-shot例示が、モデルの重みを変えず指示を工夫する方法を広めた。
- 2022対話型LLMの普及で、役割・手順・出力形式を設計する実務知が蓄積。
- 2023〜構造化出力、ツール呼び出し、評価とセットで改善する流れになった。
キーマン・関わった研究者
GPT-3研究チーム、OpenAI・Google・Anthropicの研究者、実務コミュニティ
技術の変遷
質問文 → 例・制約・役割の設計 → 評価・反復・ツール連携
理解のポイント
- 目的・条件・例・出力形式の伝え方を変え、狙った回答を得られるか比較します。
- モデルの重みを更新する学習ではなく、モデルへ渡す入力の設計を改善する作業です。
- 一例で成功した指示を万能と考えず、複数の質問やモデル変更後にも品質を確かめます。
たとえば、こんな場面で
議事録を要約する指示に「決定事項・担当者・期限を表にする」と加え、複数の議事録で抜け漏れを確認します。
覚えておきたいこと
どのモデルや課題にも通用する万能な指示文があるわけではありません。モデルの変更時には、期待する結果が続くかを確認します。