Prompt Engineering テンプレートライブラリ：12 種類の再利用可能なプロンプト設計パターン

40 分かけて書いた「完璧な Prompt」で、Claude に散らばったユーザーフィードバックを整理させ、構造化された改善提案を出してもらった。効果は抜群だった。ところが 3 日後、同じタスクをしようとして空の入力欄を前にしたとき——頭が真っ白になる。

あの「完璧な Prompt」、どこへ行った？

Notion もメモ帳もチャット履歴も、全部探した。見つからない。結局、記憶頼りで書き直し、出力の質は大きく落ちた。

こういう経験、10 回以上ある。毎回同じ流れ——ひらめきで良い Prompt を書く → 使い終わったら忘れる → 次はゼロから → 品質が安定しない。

気づくまで、ずっとそうだった。

Prompt の良し悪しは、半分がテクニック、半分が「再利用できるかどうか」——これが要点です。

aiengineerlab.in の 2026 年研究によると、「たまにうまくいく Prompt」と「継続的に信頼できる Prompt」を分けるのは、たった 4 つのフィールドです。この 4 つを組み合わせれば、日常業務の 80% をカバーできます。

本記事では、検証済みの Prompt テンプレートライブラリ構築法を共有します。内容は次のとおりです。

• 4 フィールド構造：Role + Task + Constraints + Output Format
• 12 種類の Prompt Patterns：Beginner / Intermediate / Advanced で分級
• マルチモデル対応表：Claude、GPT-4、DeepSeek の書き分け
• テンプレート反復法：「まあまあ」を本番級に磨き上げる
• 5 つの即戦力テンプレート：コピーしてすぐ使える

第 1 章：Prompt テンプレートの 4 フィールド構造

具体例の前に、基本だけど見落とされがちな事実を押さえておきましょう。良いテンプレートと悪いテンプレートの差は、この 4 フィールドの構造にあります。

aiengineerlab.in の研究では、「信頼できて効果的」な Prompt には Role（役割）、Task（タスク）、Constraints（制約）、Output Format（出力形式）の 4 要素が必須だと指摘されています。

まずは反例から

コードレビューの返信を書いて

こういう Prompt、以前は何度も書いていました。結果は？ AI の返信はバラバラ——丁寧すぎるときもあれば、専門用語だらけのときもある。たまには「コードは良いです」の一言だけ。

4 フィールドを足した版

## Role
あなたは 10 年の経験を持つバックエンドエンジニアで、Python と分散システムが得意です。

## Task
以下のコード変更をレビューし、潜在的な問題を指摘して改善提案をしてください。

## Constraints
- 関心事：パフォーマンス、セキュリティ、保守性
- トーン：専門的だが友好的、厳しすぎない
- 文字数：200 文字以内
- 少なくとも 1 つの改善点を指摘すること

## Output Format
以下の形式で出力してください：
### 問題リスト
- [問題タイプ] 具体的な説明

### 改善提案
1. ...
2. ...

### 総合評価
（一言でまとめる）

差ははっきりしていますね。

4 フィールドの詳細

Role（役割）——AI に「誰か」を伝えます。漠然とした肩書きではなく、背景のある具体的なペルソナを設定する。「10 年の経験を持つバックエンドエンジニア」は「あなたは専門家」よりはるかに具体的です。役割が具体化するほど、出力スタイルは安定します。

Task（タスク）——AI に何をさせるか。コツは動詞で始めること。「コード変更をレビューする」は「コードレビュー」より明確。「潜在的な問題を指摘し、改善提案をする」は「コードを見て」より境界がはっきりします。

Constraints（制約）——最も見落とされがちで、最も重要なフィールド。制約がなければ AI は暴走します。注目分野（パフォーマンス？セキュリティ？）、トーン、文字数、必須要素——制約は AI への境界線です。

Output Format（出力形式）——結果をどういう形にしたいか。JSON？ Markdown？ 特定の章立て？ 先に決めておけば、後処理の時間を大幅に減らせます。

比較表

フィールド	反例	正例	効果の差
Role	「あなたは専門家」	「10 年の経験を持つバックエンドエンジニア、Python 得意」	出力スタイルが安定
Task	「コードを見て」	「コード変更をレビューし、問題を指摘して提案する」	タスク境界が明確
Constraints	なし	「パフォーマンスとセキュリティ、200 文字以内、改善点 1 つ以上」	出力が制御可能
Output Format	なし	「問題リスト + 改善提案 + 総合評価」	二次編集が不要

4 フィールドを組み合わせれば、Prompt は「運任せ」から「再利用可能」に変わります。テンプレート化の出発点はここです。

第 2 章：12 種類の再利用可能 Prompt Patterns 早見表

best-ai.org がまとめた Prompt Patterns リストを、使いやすいシーン別に再整理しました。難易度は 3 段階です。

Beginner レベル（5 種類）

1. Zero-Shot（ゼロショット）

例示なしでタスクを直接与える。シンプルで明確なタスク向け。

## Task
{{タスクの説明}}

## Output Format
{{出力形式}}

適用シーン：メール要約、短い翻訳、事実確認の質問。

2. Few-Shot（少数ショット）

2〜3 個の例で AI に模倣させる。aiengineerlab.in のテストでは 2〜3 個が最適、分類タスクは 5〜7 個まで。

## Task
{{タスクの説明}}

## Examples
例 1：
入力：{{例示入力1}}
出力：{{例示出力1}}

例 2：
入力：{{例示入力2}}
出力：{{例示出力2}}

## Now Process
入力：{{実際の入力}}
出力：

適用シーン：文体模倣、分類、フォーマット変換。

3. Persona（役割設定）

AI の身分と背景を設定。最もよく使う Pattern の 1 つで、第 1 章の Role フィールドとセットで使います。

## Role
あなたは{{具体的な身分}}で、{{具体的な背景}}を持っています。

## Style
あなたの話し方は：{{スタイルの説明}}

## Task
{{タスクの説明}}

適用シーン：コードレビュー、技術相談、クリエイティブライティング。

4. Output Format（出力フォーマット）

特定形式での出力を強制。ほぼすべての Pattern と組み合わせ可能。

## Task
{{タスクの説明}}

## Output Format
以下の形式で厳密に出力してください：
{{フォーマットテンプレート}}

## Note
フォーマットされた内容のみを出力し、余計な説明は不要。

適用シーン：JSON 生成、フォーム記入、構造化ドキュメント。

5. Negative Prompting（否定制約）

「何をしないか」を伝える。正面の制約より効くこともあります。

## Task
{{タスクの説明}}

## Do NOT
- {{禁止項1}}しない
- {{禁止項2}}しない
- {{禁止項3}}を避ける

適用シーン：特定用語の回避、センシティブ内容の除外、出力スタイルの制御。

Intermediate レベル（4 種類）

6. Chain of Thought（思考チェーン）

推論過程を見せる。論理推論が必要なタスク向け。

## Task
{{タスクの説明}}

## Instructions
段階的に考えてください。まず問題を分析し、その後答えを出してください。
最終的な答えの前に、推論過程を表示してください。

適用シーン：数学、論理推論、複雑な意思決定。

7. System Prompt（システムプロンプト）

役割の中核となる指示を System Prompt に置き、会話の一貫性を保つ。Claude や GPT-4 で特に多用。

## System
あなたは{{役割の説明}}です。
あなたの主な役割は{{役割の説明}}です。
以下のルールを守ってください：
1. {{ルール1}}
2. {{ルール2}}

## User
{{ユーザー入力}}

適用シーン：AI Agent、チャットボット、継続対話。

8. Iterative Refinement（反復改善）

初稿を出させ、自分で修正させる。高品質出力向け。

## Round 1
{{タスクの説明}}
初稿を生成してください。

## Round 2
上記の初稿をレビューし、以下の問題を見つけてください：
- 論理的な矛盾
- 表現が不明確
- 事実の誤り

## Round 3
レビュー結果に基づいて初稿を最適化し、最終バージョンを出力してください。

適用シーン：記事執筆、コード生成、企画設計。

9. Constraint Stacking（制約の積み重ね）

複数の制約を重ね、出力を精密化。本番環境で最もよく使う組み合わせ。

## Task
{{タスクの説明}}

## Constraints
- 制約 1：{{具体的な制約}}
- 制約 2：{{具体的な制約}}
- 制約 3：{{具体的な制約}}
- 制約 4：{{具体的な制約}}

## Output Format
{{フォーマット要件}}

適用シーン：出力を厳密に制御したい本番タスク。

Advanced レベル（3 種類）

10. Self-Critique（自己レビュー）

出力品質を AI 自身に評価させる。高品質・高信頼シーンで有効。

## Task
{{タスクの説明}}

## Self-Critique
答えを生成した後、以下を評価してください：
1. 答えは完全ですか？
2. 論理的な矛盾はありませんか？
3. すべての制約を満たしていますか？

問題があれば、再生成してください。

## Output Format
答え：
{{答え}}

自己評価：
{{評価}}

適用シーン：高リスク出力、信頼性が求められるタスク。

11. Task Decomposition（タスク分解）

複雑タスクをサブタスクに分割。多段ワークフロー向け。

## Complex Task
{{複雑なタスクの説明}}

## Decomposition
このタスクを複数のサブタスクに分解してください：
1. {{サブタスク1}}
2. {{サブタスク2}}
3. {{サブタスク3}}

## Execution
各サブタスクを順番に完了し、各ステップの結果を説明してください。

適用シーン：プロジェクト管理、複雑な問題分析、システム設計。

12. Meta-Prompting（メタプロンプト）

AI に Prompt を書かせる。表現に迷ったときに特に便利。

## Task
私は以下のタスクを完了する必要があります：{{タスクの説明}}

## Request
高品質な Prompt を書いてください。別の AI がこのタスクをスムーズに完了できるように。
Prompt には Role、Task、Constraints、Output Format を含めてください。

適用シーン：Prompt エンジニアリング初心者、複雑タスクの整理。

組み合わせのコツ

"2〜4 個の Pattern を組み合わせると効果が最大化します。よくある組み合わせ——ビジネス文書：Persona + Output Format + Constraint Stacking、コード生成：Persona + Few-Shot + Negative Prompting、調査・分析：Chain of Thought + Self-Critique + Task Decomposition。"

第 3 章：マルチモデル対応比較表

AI モデルごとに Prompt の「読み方」は少し違います。Claude で効いた Prompt が、GPT-4 では微妙にずれることもあります。

本章では、モデル別の適応ガイドをまとめ、つまずきを減らすヒントを紹介します。

Claude：XML タグと契約型指示

Claude は構造化を好みます。公式ドキュメントも XML タグでの Prompt 構成を推奨しており、プレーンテキストより効果的です。

<instructions>
以下のコード変更をレビューし、潜在的な問題を指摘してください。
</instructions>

<context>
あなたは 10 年の経験を持つバックエンドエンジニアです。
プロジェクトは Python マイクロサービスで、FastAPI フレームワークを使用しています。
</context>

<constraints>
- パフォーマンスとセキュリティに注目
- トーンは専門的だが友好的
- 200 文字以内
</constraints>

<output_format>
### 問題リスト
- [タイプ] 説明

### 改善提案
1. ...
</output_format>

Claude のもう 2 つの強み：

• Extended Thinking：出力前に「思考」させる。複雑な推論向け
• 契約型指示：冒頭で「すべての制約を守れば OK を出力」と宣言すると、制約遵守率が上がる

GPT-4：長い制約リストと JSON 出力

GPT-4 は XML タグよりリスト形式の制約に馴染みます。JSON 出力の安定性も Claude よりやや高い傾向です。

## Task
以下のコード変更をレビューしてください。

## Constraints
1. パフォーマンスとセキュリティに注目
2. トーンは専門的だが友好的
3. 200 文字以内
4. 少なくとも 1 つの改善点を指摘すること
5. 日本語で出力

## Output Format
JSON 形式で出力してください：
{
  "issues": [...],
  "suggestions": [...],
  "summary": "..."
}

GPT-4 の特徴：

• 制約リストは 10 個以上書いても比較的守る
• Few-shot の効果は Claude よりやや良い
• コード生成と解説のバランスが取れている

DeepSeek と Qwen：中国発大規模言語モデルの適応

中国発モデルは急速に進化していますが、それぞれ癖があります。

DeepSeek：

• 中国語理解は強いが、構造化指示の遵守はやや弱い
• 制約は短く、明確に書く
• Few-shot は 1〜2 個に減らしてよい

Qwen：

• 役割設定を重視、Persona Pattern が効く
• 長文処理に強く、ドキュメント系タスク向け
• 制約は「禁止」より「避ける」、肯定指示の方が効きやすい

Llama（小パラメータ版）：より直球な指示が必要

Llama 7B、13B など小さいモデルでは、Prompt をよりシンプルに。

## Task
コード変更をレビューしてください。

## Output Format
Return ONLY valid JSON. No explanation. No markdown.
{
  "issues": [],
  "suggestions": []
}

ポイント：「JSON のみ出力、説明不要」と明示しないと、小モデルは余計な解説を付けがちです。

適応早見表

モデル	推奨構造	Few-shot 数	制約形式	特殊テクニック
Claude	XML タグ	2〜3 個	タグ内にブロック分け	Extended Thinking
GPT-4	リスト形式	3〜5 個	番号付きリスト	Function Calling
DeepSeek	簡潔構造	1〜2 個	短文	中国語向け
Qwen	Persona + リスト	2〜3 個	肯定指示	長文向き
Llama under 13B	極簡構造	1 個	明示的禁止	「X のみ出力」を強調

結局、モデル適応の最善策は「試す」こと。Prompt を書いたらターゲットモデルで数ケース回し、出力を見てから調整しましょう。

第 4 章：テンプレート反復メソドロジー

「まあまあ」の Prompt を書くのは難しくない。難しいのは「毎回同じ品質」を保証するテンプレートにすることです。

"最良のテンプレートは一発で完成しません。繰り返しの使用と改善で形になります。良いテンプレートには、最低 5〜6 回の反復が必要です。"

反復の 5 ステップ

Step 1：Prompt を書き、良い結果を得る

いきなりテンプレート化しない。まず Prompt を書き、数回実行して出力が安定するか確認。

Step 2：固定部分と変数を特定

満足いく出力が出たら、Prompt 内の「固定」と「可変」を分析。

固定部分——役割設定、出力形式——がテンプレートの骨格。

可変部分——タスク内容、入力データ——は {{変数名}} でマークし、都度置換。

Step 3：品質ガードレールを追加

骨格をテンプレート化し、制約と検証条件を足す。

ガードレールは「想定外の出力」を防ぐ。例：

• 出力が長すぎる → 「X 文字以内」を追加
• AI が余計な解説を付ける → 「説明せず結果のみ」
• フォーマットがブレる → 具体的な形式テンプレートを追加

Step 4：使用し、問題を記録

運用後は毎回メモを取る：

• 出力品質にばらつきはあったか？
• 制約違反はあったか？
• どのシーンで良く、どこで弱かったか？

Step 5：反復改善

記録に基づいて調整。よくある方向：

• 制約が曖昧 → より具体的に
• フォーマット不安定 → 例示やテンプレート追加
• 特定シーンで弱い → 条件分岐を追加

反復事例：週報生成

「週報生成」テンプレートは、約 8 回の反復で安定しました。

初版（反復 1）：今週の仕事を週報形式に整理するだけ。問題：出力がランダム——詳しい日もあれば一言の日も。

反復 2〜3：出力フォーマットと文字数制約を追加。問題：形式は安定したが、タスクの説明が漏れることがある。

反復 4〜5：「各タスクの進捗・問題・次のステップを必ず含める」制約を追加。問題：品質は安定したが、重要でない小タスクまで書く。

反復 6〜7：「今週完了したコアタスクのみ」＋例示 1 つ。問題：ほぼ安定、たまにフォーマットずれ。

反復 8（最終版）：Self-Critique モジュールを追加。出力前にフォーマット適合を自己チェック。

問題発生時の自問リスト

1. 出力に大幅な編集が必要か？ → 必要なら制約が不足
2. AI はどの制約を破ったか？ → 該当制約をより具体化
3. 情報の漏れはないか？ → 「X を必ず含める」を追加
4. 余計な情報はないか？ → Negative Prompting で「X を出力しない」
5. フォーマットは一貫しているか？ → 例示やテンプレートを追加

チーム共有の 3 つの要点

チームで AI を使うなら、共有 Prompt Library の効果は大きいです。mintedbrain.com の 3 つの提案：

1. 共有ドキュメント：全テンプレートを Notion や Feishu（Lark）など、全員がアクセスできる場所に。執筆・分析・開発・コミュニケーションで分類。

2. 使用説明：各テンプレートに適用シーン、変数、注意点を添える。説明がないと、持ってきても使い方がわからない。

3. 改善提案の仕組み：問題を見つけても直接書き換えず、「改善提案」を出す。変更理由を追跡し、テンプレートが乱れないようにする。

第 5 章：5 つの本番向けテンプレート（コピーして使える）

最後に、実運用と反復を経た 5 つのテンプレートをそのまま公開します。

テンプレート 1：週報生成

<instructions>
今週の作業記録に基づいて、簡潔な週報を生成してください。
</instructions>

<role>
あなたは効率的なチームコラボレーターで、簡潔な言葉で作業の進捗をまとめるのが得意です。
</role>

<input>
{{今週の作業記録}}
</input>

<constraints>
- 今週完了したコアタスクのみを含める
- 各タスクに：進捗、問題、次のステップを説明
- 300 文字以内
- トーンは専門的、簡潔
- 評価的な言葉を追加しない（「良くやった」など）
</constraints>

<output_format>
## 今週の進捗
- {{タスク1}}：{{進捗}} | {{問題}} | {{次のステップ}}
- {{タスク2}}：{{進捗}} | {{問題}} | {{次のステップ}}

## 支援が必要
- {{支援が必要な事項}}

## 来週の計画
- {{来週の計画}}
</output_format>

<self_check>
生成後、以下をチェックしてください：
1. コアタスクのみが含まれていますか？
2. 各タスクに進捗、問題、次のステップがありますか？
3. 総文字数は 300 文字以内ですか？
</self_check>

テンプレート 2：コードレビュー

<instructions>
以下のコード変更をレビューし、潜在的な問題を指摘して改善提案をしてください。
</instructions>

<role>
あなたは 10 年の経験を持つバックエンドエンジニアで、{{プログラミング言語}}と{{技術スタック}}が得意です。
あなたのスタイルは：専門的だが厳しすぎず、問題を指摘する際は具体的で実行可能な提案を提供します。
</role>

<input>
{{コード変更内容}}
</input>

<constraints>
- 注目点：パフォーマンス、セキュリティ、保守性、コード規範
- 少なくとも 1 つの改善点を指摘すること
- 各問題に：タイプ、場所、原因、提案を説明
- 200 文字以内
- 「コードは良いです」だけではだめ、具体的な内容が必要
</constraints>

<output_format>
### 問題リスト
- [{{問題タイプ}}] {{ファイル名}}#{{行番号}}：{{問題の説明}}

### 改善提案
1. {{提案内容}}

### 総合評価
{{一言で評価}}
</output_format>

テンプレート 3：議事録整理

<instructions>
以下の会議記録を構造化された議事録に整理してください。
</instructions>

<role>
あなたはプロの会議記録者で、重要な情報を抽出し、要点をまとめるのが得意です。
</role>

<input>
{{会議記録内容}}
</input>

<constraints>
- 重要な情報のみを抽出し、冗長な会話を削除
- 明確にマーク：議題、結論、ToDo、担当者、期限
- 簡潔な言葉を使用
- 500 文字以内
</constraints>

<output_format>
## 会議基本情報
- 時間：{{日付時間}}
- 参加者：{{参加者リスト}}
- 議題：{{議題リスト}}

## 議論の要点
### {{議題1}}
- {{要点1}}
- {{要点2}}
- 結論：{{結論}}

### {{議題2}}
- ...

## ToDo
| 事項 | 担当者 | 期限 |
|------|--------|----------|
| {{事項1}} | {{担当者}} | {{日付}} |
| {{事項2}} | {{担当者}} | {{日付}} |

## 備考
{{備考内容}}
</output_format>

テンプレート 4：JSON データ抽出

<instructions>
以下のテキストから構造化データを抽出し、JSON 形式で出力してください。
</instructions>

<role>
あなたは正確なデータ抽出専門家です。
</role>

<input>
{{入力テキスト}}
</input>

<constraints>
- JSON のみを出力し、余計な説明はしない
- JSON は有効な形式であること
- 情報が欠落している場合、フィールド値は null
- 元のテキストにない情報を追加しない
</constraints>

<output_format>
Return ONLY valid JSON. No explanation. No markdown.

{
  {{フィールド定義}}
}

Example:
Input: "山田太郎、電話 13800138000、メール [email protected]"
Output:
{
  "name": "山田太郎",
  "phone": "13800138000",
  "email": "[email protected]"
}
</output_format>

テンプレート 5：AI Agent システムプロンプト

<system_prompt>
あなたは {{agent_name}} で、{{agent_description}} を専門としています。

## 主要な役割
1. {{役割1}}
2. {{役割2}}
3. {{役割3}}

## ワークフロー
ユーザーリクエストを受け取ったら、以下のステップで処理します：
1. リクエストの意図を分析
2. タスクを完了するのに十分な情報があるかチェック
3. 情報が不足している場合、積極的に質問
4. タスクを実行
5. 結果を検証

## 行動規範
- トーンは友好的、専門的
- 不確実な問題に遭遇したら、積極的に説明し提案をする
- 権限を超えた約束をしない
- 出力は明確で実行可能であること

## 禁止事項
- 情報を捏造しない
- 権限のない決定をしない
- 機密性や有害なコンテンツを出力しない

## 出力形式
タスクタイプに応じて適切な形式を選択：
- 情報照会：簡潔な回答 + ソース説明
- 操作実行：ステップリスト + 結果確認
- 問題解決：分析 + ソリューション + 提案
</system_prompt>

日常で最も多いシーンをカバーしています。変数と制約を調整して、自分の環境に合わせてください。

結論

要点は 3 層に集約されます。

構造レイヤー——4 フィールド構造（Role + Task + Constraints + Output Format）がテンプレートの基礎。4 つを埋めれば、Prompt は「運任せ」から「制御可能」へ。

パターンレイヤー——12 種類の Prompt Patterns は孤立していません。2〜4 個を組み合わせると単体より効果的。本番で最も多いのは Persona + Output Format + Constraint Stacking。

エンジニアリングレイヤー——テンプレートは書いて終わりではない。反復が鍵。良いテンプレートには 5〜6 回の使用と改善が必要。問題を記録し、制約を調整し、ガードレールを追加する——これがテンプレート化の全貌です。

すぐ動きたいなら、3 つの提案：

1. 今週、1 つの Pattern を試す。Beginner から Persona か Output Format を選び、実務に適用。出力の変化を確認。

2. Personal Prompt Library を作る。5 テンプレートから始め、ドキュメントに置いてコピー＆ペーストで変数だけ差し替え。

3. 毎月 1 回反復する。1 ヶ月使って良し悪しを見て、制約・例示・フォーマットを調整。

Prompt Engineering は、方法論さえ押さえれば複雑ではありません。再利用可能なテンプレートライブラリがあれば、毎回空の入力欄を前に悩む必要はなくなります。