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デザインパターン

先週の水曜日の午後、私は40分かけて完璧と言えるプロンプトを作成しました。Claudeに散らかったユーザーフィードバックを整理された改善提案にまとめさせたのです。結果は驚くほど良かったです。

でも3日後、同じタスクが必要になった時——空の入力欄を前に、頭が真っ白になりました。

あの「完璧なプロンプト」はどこへ？

Notion、メモ、チャット履歴を探し回りましたが、結局見つかりませんでした。最後は記憶を頼りに書き直しましたが、出力の質は大幅に落ちてしまいました。

正直なこと、こういう経験は10回以上あります。毎回同じパターンです。ひらめきで素晴らしいプロンプトを書く → 使い終わったら忘れる → 次回またゼロから始める → 質にばらつきが出る。

ある重要なことに気づくまでは。

プロンプトの良し悪しは、半分がスキル、もう半分が「再利用できるかどうか」で決まります。

aiengineerlab.inの2026年の調査によると、「時々うまくいく」プロンプトと「常に信頼できる」プロンプトを区別する核心的な違いは、たった4つのフィールドにあります。この4つのフィールドを適切に組み合わせれば、日常業務の80%をカバーできます。

この記事では、検証済みのプロンプトテンプレートライブラリ構築メソッドを紹介します：

• 4フィールド構造：Role + Task + Constraints + Output Format
• 12種類のプロンプトパターン：Beginner/Intermediate/Advanced別の分類
• マルチモデル対応表：Claude、GPT-4、DeepSeekの違いと対策
• テンプレート反復手法：「まあまあ」のテンプレートを「プロダクションレベル」に最適化する方法
• 5つのすぐに使えるテンプレート：コピー＆ペーストで即座に使用可能

第1章：プロンプトテンプレートの4フィールド構造

具体的なテンプレートを見る前に、基本だけど見落とされがちな事実を理解しておきましょう。良いテンプレートと悪いテンプレートの違いは、その4つのフィールドの構造にあります。

aiengineerlab.inの研究によると、「信頼性が高く効果的」なプロンプトには、4つの要素が必須です。Role（役割）、Task（タスク）、Constraints（制約）、Output Format（出力形式）です。

まずは失敗例から

コードレビューの返信を書いて

こういうプロンプト、以前は何度も書きました。結果はどうだったか？AIからの返信は様々でした。時には丁寧すぎ、時には技術的すぎ、時には「コードは良いです」の一言だけ。

4フィールドを追加したバージョン

## 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）

違いは明らかですね。

4フィールドの詳細解説

Role（役割）——AIに「誰」なのかを伝えます。適当な身分ではなく、具体的な背景を持つ「ペルソナ」を設定します。「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」よりもずっと具体的です。役割の設定が具体的であればあるほど、AIの出力スタイルは安定します。

Task（タスク）——AIに何をさせるかです。ここには小さなコツがあります。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」よりも明確です。「潜在的な問題を指摘し、改善提案をする」は「コードを見て」よりもずっと明確です。

Constraints（制約）——これが最も見落とされがちですが、最も重要なフィールドです。制約のないプロンプトは失敗します——制約がなければ、AIは自由奔放になります。制約には、注目分野（パフォーマンス？セキュリティ？）、トーンとスタイル、文字数制限、必須要素などが含まれます。つまり、制約はAIに境界線を引くものです。

Output Format（出力形式）——結果をどういう形にしたいか。JSON？Markdown？それとも特定の章構造？事前に明確にしておけば、後の編集作業を大幅に減らせます。

比較表

フィールド	失敗例	成功例	効果の違い
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が得意”	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をする”	タスクの境界が明確
Constraints	なし	”パフォーマンスとセキュリティに注目、200字以内、少なくとも1つの改善点”	出力が制御可能
Output Format	なし	”問題リスト + 改善提案 + 総合評価”	二次編集不要

この4つのフィールドを適切に組み合わせれば、プロンプトは「運任せ」から「再利用可能」に変わります。これがテンプレート化の基礎です。

第2章：12種類の再利用可能なプロンプトパターン早見表

best-ai.orgは実用的なプロンプトパターンリストをまとめており、難易度別に3段階に分類しています。私はこれらのパターンを使いやすいシーン別に再整理しました。

Beginner レベル（5種類）

1. Zero-Shot（ゼロショット）

タスクを直接与え、例示を与えない。シンプルで明確なタスクに適しています。

## Task
{{タスクの説明}}

## Output Format
{{出力形式}}

適用シーン：メールの要約、短いテキストの翻訳、事実ベースの質問に答える。

2. Few-Shot（数ショット）

2-3個の例を与え、AIに模倣させる。aiengineerlab.inのテストでは、通常2-3個の例が最適で、分類タスクでは5-7個使えます。

## 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：文書スタイルの模倣、分類タスク、フォーマット変換。

3. Persona（ペルソナ）

AIの身分と背景を設定。最もよく使われるパターンの1つで、第1章の「Role」フィールドと組み合わせて使います。

## 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）

AIに特定の形式で出力させる。このパターンは他のすべてのパターンと組み合わせられます。

## 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）

AIに「何をしないか」を伝える。時には肯定的制約よりも効果的です。

## Task
{{タスクの説明}}

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

適用シーン：特定の用語を避ける、機密コンテンツを除外する、出力スタイルを制御する。

Intermediate レベル（4種類）

6. Chain of Thought（思考チェーン）

AIに推論過程を表示させる。論理推論が必要なタスクに適しています。

## 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：数学の問題、論理推論、複雑な意思決定。

7. System Prompt（システムプロンプト）

役割の核心的な指示をSystem Promptに入れ、会話の一貫性を保つ。ClaudeやGPT-4で特に多用されます。

## System
あなたは{{役割の説明}}です。
あなたの核心的な役割は{{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エージェント、チャットボット、継続的な会話シーン。

8. Iterative Refinement（反復最適化）

まずAIに初稿を生成させ、それから自分で修正させる。高品質な出力が必要な場合に適しています。

## 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、ソリューション設計。

9. Constraint Stacking（制約の積み重ね）

複数の制約を積み重ね、出力をより精密にする。プロダクション環境で最もよく使われる組み合わせです。

## 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：厳密な出力制御が必要なプロダクションタスク。

Advanced レベル（3種類）

10. Self-Critique（自己レビュー）

AIに自分の出力品質を評価させる。高品質が必要なシーンで特に有用です。

## 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：高リスクの出力、信頼性が必要なタスク。

11. Task Decomposition（タスク分解）

複雑なタスクをサブタスクに分解。マルチステップのワークフローに適しています。

## 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にプロンプトを書かせる。どう表現すればいいかわからない時に特に便利です。

## 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
高品質なプロンプトを書いてください。他のAIがこのタスクをスムーズに完了できるように。
プロンプトには以下を含めてください：Role、Task、Constraints、Output Format。

適用シーン：プロンプトエンジニアリング初心者、複雑なタスクの整理。

組み合わせのアドバイス

"2-4個のパターンを組み合わせると効果的です。よくある組み合わせには：ビジネスライティングにPersona + Output Format + Constraint Stacking；コード生成にPersona + Few-Shot + Negative Prompting；調査・分析にChain of Thought + Self-Critique + Task Decomposition。"

第3章：マルチモデル対応比較表

異なるAIモデルは、プロンプトの「理解方法」が少し違います。Claudeで効果的だったプロンプトが、GPT-4では少し違うかもしれません。

この章では、モデル対応ガイドをまとめ、問題を減らすヒントを紹介します。

Claude：XMLタグと契約型指示

Claudeには特徴があります。構造化されたものが特に好きです。公式ドキュメントではXMLタグを使ってプロンプトを組織することを推奨しており、純粋なテキストよりも効果的です。

<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つの利点：

• Extended Thinking：Claudeに出力前にまず「思考」させる。複雑な推論タスクに適しています。
• 契約型指示：冒頭で「すべての制約を守れば、OKを出力」と明確にすると、制約遵守率が向上します。

GPT-4：長い制約リストとJSON出力

GPT-4はXMLタグのアプローチをあまり好みません。「リスト形式」の制約により適応します。また、GPT-4のJSON出力の安定性はClaudeより少し優れています。

## 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、モデルは比較的よく守る
• Few-shotパターンの効果はClaudeより少し良い
• コード生成と解釈能力が比較的バランスが取れている

DeepSeekとQwen：中国製大規模モデルの対応

中国製モデルはこの2年で急速に進化しましたが、独自の特徴もあります：

DeepSeek：

• 中国語理解力は強いが、構造化指示の遵守度は少し弱い
• 制約をより明確に、より短く書くことをお勧め
• Few-shotの例示数は1-2個に減らせる

Qwen（通義千問）：

• 「役割設定」を重視、Personaパターンの効果が良い
• 長文処理能力が強く、ドキュメントタスクに適している
• 制約は「禁止」ではなく「避ける」を使い、肯定的指示は否定より効果的

Llama（小パラメータ版）：より直接的な指示が必要

Llama 7B、13Bのような小パラメータモデルでは、プロンプトをより「シンプル」に書く必要があります。

## Task
コード変更をレビューしてください。

## Output Format
有効なJSONのみを返してください。説明なし。マークダウンなし。
{
  "issues": [],
  "suggestions": []
}

ポイント：「JSONのみを出力し、説明しない」と明示的に言う必要があります。そうしないと小さいモデルは余計なことを言います。

対応早見表

モデル	推奨構造	Few-shot数	制約形式	特別なテクニック
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	短文形式	中国語優先
Qwen	Persona + リスト	2-3個	肯定的指示	長文に対応
Llama under 13B	極簡構造	1個	明示的禁止	「Xのみを出力」を強調

結局のところ、モデル対応は「試してみる」のが一番です。プロンプトを書いたら、ターゲットモデルでいくつかのケースを実行し、出力品質を見て、针对性的に調整します。

第4章：テンプレート反復メソドロジー

「まあまあ」のプロンプトを書くのは難しくありません。難しいのはそれを「毎回使える」テンプレートに変えることです。

"最適なテンプレートは一度で完成するものではなく、繰り返しの使用と改善を経て形作られます。良いテンプレートには、最低でも5-6回の反復が必要です。"

反復の5つのステップ

Step 1：プロンプトを書き、良い結果を得る

まずテンプレート化を急がないでください。まずプロンプトを書き、何回か実行して、出力品質が安定しているか確認します。

Step 2：固定部分と変数を特定

満足のいく出力が得られたら、プロンプトの中でどの部分が「固定」でどの部分が「毎回変わる」かを分析します。

固定部分——役割設定、出力形式など——これらがテンプレートの核となる骨格です。

変数部分——具体的なタスク内容、入力データなど——これらを {{変数名}} でマークし、毎回置換します。

Step 3：品質ガードレールを追加

骨格を完全なテンプレートに拡張し、制約と検証条件を追加します。

ガードレールの役割は「予期しない出力」を防ぐことです。例えば：

• 出力が長すぎる場合、「X字以内」の制約を追加
• AIが余計なことを言う場合、「説明せず、結果のみを出力」を追加
• 出力形式が一貫しない場合、具体的なフォーマットテンプレートを追加

Step 4：使用し、問題を記録

テンプレートを使用開始したら、毎回遭遇した問題を記録します：

• 出力品質にばらつきはありましたか？
• 制約に違反したことはありましたか？
• どのシーンで表現が良く、どのシーンで悪かったですか？

Step 5：反復改善

記録した問題に基づいて、テンプレートを調整します。よくある改善方向：

• 制約が不明確 → より具体的な説明を追加
• 出力形式が不安定 → 例示やフォーマットテンプレートを追加
• 特定のシーンで効果が悪い → シーン対応の条件分岐を追加

反復事例

「週報作成」テンプレートがあります。約8回の反復を経て安定しました。

初版（反復1）：シンプルなプロンプトを書いただけで、AIに今週の仕事を週報形式に整理させました。問題：出力がランダムで、時には詳しく、時には一言だけ。

反復2-3：出力フォーマットテンプレートと文字数制約を追加。問題：形式は基本的に安定したが、時々あるタスクの説明が漏れる。

反復4-5：「各タスクの進捗、問題、次のステップを含める」制約を追加。問題：出力品質は安定したが、AIは重要でない小さなタスクも書き込む。

反復6-7：「今週完了したコアタスクのみを書く」制約を追加し、例示を1つ追加。問題：基本的に安定、たまに形式のずれが発生。

反復8（最終版）：Self-Critiqueモジュールを追加し、AIに出力がフォーマット要件を満たしているかチェックさせてから出力。

重要な質問テンプレート

問題に遭遇したら、私は自分に以下の質問をします：

1. 出力は大幅な編集が必要ですか？ → 必要なら、制約が不明確
2. AIはどの制約に違反しましたか？ → これらの制約をより具体的に
3. 情報が漏れていませんか？ → 「Xを含める必要がある」指示を追加
4. 余計な情報がありませんか？ → 「Xを出力しない」Negative Promptingを追加
5. 形式は一貫していますか？ → 例示やフォーマットテンプレートを追加

チームでテンプレートを共有する3つのポイント

チームでもAIツールを使用している場合、共有のプロンプトライブラリを構築すると効率が大幅に向上します。mintedbrain.comは3つの提案をしています：

1. 共有ドキュメント：すべてのテンプレートをチーム全員がアクセスできるドキュメントに置く（Notion、飛書など）。カテゴリ別に分類：執筆系、分析系、開発系、コミュニケーション系。

2. 使用説明：各テンプレートにシンプルな説明を添える。適用シーン、変数説明、注意事項。そうしないと、他の人がテンプレートを持っても使い方がわからない。

3. 改善提案メカニズム：チームメンバーが問題を見つけたら、テンプレートを直接変更するのではなく、「改善提案」を提出。こうすることで、各変更の理由を追跡でき、テンプレートがめちゃくちゃになるのを防げる。

第5章：5つのプロダクションレベルのテンプレート（すぐに使える）

最後の章では、すぐにコピーして使える5つのテンプレートを直接提供します。これらのテンプレートは実際の使用と反復を経ており、基本的にそのまま使えます。

テンプレート1：週報作成

<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>
有効なJSONのみを返してください。説明なし。マークダウンなし。

{
  {{フィールド定義}}
}

例：
入力："田中、電話 09012345678、メール [email protected]"
出力：
{
  "name": "田中",
  "phone": "09012345678",
  "email": "[email protected]"
}
</output_format>

テンプレート5：AIエージェント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。

## 核心役割
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>

これらのテンプレートは日常業務で最もよくあるシーンをカバーしています。自分のニーズに合わせて、変数と制約を調整し、具体的な状況に合わせてカスタマイズしてください。

結論

ここまで話してきましたが、核心は3つの層に集約されます：

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です。この4つのフィールドを適切に埋めれば、プロンプトは「運任せ」から「制御可能」に変わります。

パターンレイヤー——12種類のプロンプトパターンは孤立していません。2-4個のパターンを組み合わせると、単一パターンよりも効果的です。プロダクション環境で最もよく使われるのはPersona + Output Format + Constraint Stackingです。

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ありません。反復が鍵です。良いテンプレートは、少なくとも5-6回の使用と改善を経る必要があります。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完全なプロセスです。

この記事を読んで、すぐに取り組みたいなら、3つの提案があります：

1. 今週、1つのパターンを試す。Beginnerレベルから1つ選んで（例えばPersonaやOutput Format）、実際の業務に適用してみてください。プロンプトを書いた後、出力品質に変化があるか見てください。

2. パーソナルプロンプトライブラリを構築する。5つのテンプレートから始めてください。これらのテンプレートをドキュメントに置き、使用する時はコピー＆ペーストして変数を置換するだけ。

3. 毎月1回反復する。1ヶ月使って、どのテンプレートが良く、どのテンプレートに問題があるか見てください。针对性的に制約を調整し、例示を追加し、形式を最適化します。

プロンプトエンジニアリングは、複雑であれば複雑、シンプルであればシンプルです。複雑なのはメソドロジーとテクニック、シンプルなのは——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がなくなります。

FAQ

4フィールド構造のConstraintsはどう書けば効果的ですか？

Constraintsは具体的で、定量化でき、検証可能であるべきです。「高品質」「専門的」のような曖昧な説明を避け、「200字以内」「少なくとも1つの改善点を含める」のような具体的な制約を使ってください。各制約は検証可能な基準に対応するのが望ましいです。

12種類のプロンプトパターンの中でどれが最も実用的ですか？

「最も実用的」な単一パターンはありません。異なるシーンに異なるパターンが適しているからです。実データによると、Persona（ペルソナ）とOutput Format（出力フォーマット）の組み合わせ使用頻度が最も高く、日常業務シーンの80%に適しています。この2つから始めることをお勧めします。

ClaudeとGPT-4のプロンプトにはどのような違いがありますか？

ClaudeはXMLタグ構造を好み、制約はタグ内に記述します。GPT-4は番号付きリスト形式の制約に適応し、10個以上書いてもモデルは比較的よく守ります。ClaudeはExtended Thinking（思考チェーン）をサポートし、複雑な推論に適しています。GPT-4のFunction Callingはより安定しており、構造化出力に適しています。

テンプレートは何回反復すれば安定しますか？

実践経験によると、良いテンプレートには最低でも5-6回の反復が必要です。反復の核心は：使用 → 問題記録 → 针对的改善です。重要な質問には：出力は大幅な編集が必要か？AIはどの制約に違反したか？形式は一貫しているか？

チームで共有するプロンプトライブラリをどう構築しますか？

3つのポイントがあります：1) 共有ドキュメント（Notion、飛書）を使用し、カテゴリ別に分類。2) 各テンプレートに使用説明を添え、適用シーン、変数説明、注意事項を含める。3) 改善提案メカニズムを構築し、各変更の理由を追跡し、テンプレートが無秩序に変更されるのを防ぐ。

Few-shotでは何個の例示を与えるべきですか？

aiengineerlab.inの研究によると、通常2-3個の例示が最適です。分類タスクでは5-7個の例示を使えます。例示が多すぎるとプロンプトが長くなりますが、効果は必ずしも向上しません。重要なのは例示が典型的なケースをカバーすることで、質が量より重要です。

9 min read · 公開日: 2026年4月29日 · 更新日: 2026年4月29日