Agent Mentor Learn

用語集

『プロンプトエンジニアリング基礎: 効果的な指示の書き方』の用語 59 件。レッスン本文で初出の箇所にホバーすると定義を確認できます。

用語定義出典
プロンプトAIモデルに何をしてほしいかを伝えるために与えるテキスト指示。質問、説明、タスク、またはそれらの組み合わせで構成され、モデルがあなたの意図を理解する唯一の手段となる。Prompt - Wikipedia
大規模言語モデル膨大な量のテキストで訓練され、自然言語を理解して新しいテキストを生成できるAIシステム。ChatGPTやClaudeがその例である。Large Language Model - Wikipedia
プロンプトエンジニアリングモデルが実際に必要なことを実行できるようにプロンプトを体系的に設計し洗練させる実践。一回限りのトリック集ではなく、再利用可能なスキルである。Prompt - Wikipedia
曖昧なプロンプトモデルが必要とする情報を省いた指示。対象読者なし、形式なし、スコープなしで、モデルはあなたの意図を推測するしかない。OpenAI Prompt Engineering Best Practices
明確なプロンプトタスク、出力形式、モデルが必要とする背景を固定し、モデルが即興する余地をほとんど残さない指示。OpenAI Prompt Engineering Best Practices
出力品質モデルの応答があなたが必要としていたものとどれだけ一致するか。正確性、関連性、完全性、正しい形式を合わせたもので、内容が正しいかどうかだけではない。Prompt Engineering Best Practices 2026
修正ラウンド不十分に指定されたプロンプトを修正するために必要な追加の会話ラウンド。コード生成の研究では、明示的な仕様がこれらのラウンドを68%削減することがわかった。Prompt Engineering for Code Generation
トークンLLMがテキストを処理するために使用する単位で、大まかに単語の断片。プロンプトとモデルの応答の両方がトークンを消費し、これが課金と待ち時間の対象となる。OpenAI Prompt Engineering Best Practices
ロールAIに答えるように指示するアイデンティティまたは視点。例えば「あなたはシニアPythonエンジニアです」や「あなたは例え話で教える教師です」。専門知識レベルとトーンを設定する。Anthropic Prompt Engineering Overview
タスク正確に何をしてほしいかを述べるプロンプトの部分。3つの層がある：動詞（要約する、分析する、生成する）、対象（それが作用するもの）、ゴール（達成すべき結果）。OpenAI Prompt Engineering Best Practices
フォーマット答えが欲しい構造とスタイル。JSON、テーブル、3つの箇条書き、固定されたセクションセットなど、モデルに任せるのではなく明示的に述べる。OpenAI Prompt Engineering Best Practices
制約応答を制限する「〜のみ...」と「〜しないで...」のルール。長さ、スコープ、トーン、除外、優先順位で、モデルがタスクから逸れないようにする。OpenAI Prompt Engineering Best Practices
コンテキストモデルが特定の状況、対象読者、タスクの境界を理解できるように、プロンプトに提供する背景情報。Anthropic Prompt Engineering Overview
対象読者誰が読むかを中心に答えをフレーム化するロールパターン。例えば「技術的でない経営陣に説明している」。深さと語彙をコントロールする。Anthropic Prompt Engineering Overview
テンプレート可変部分がプレースホルダーで置き換えられたプロンプト。同じ構造を実行間で再利用でき、入力だけを入れ替える。Anthropic Prompt Engineering Overview
few-shot learningプロンプトに少数の例（通常2〜5個）を配置してモデルを導く技法。モデルはそれらから入力-出力マッピング、形式、スタイルを推論する。Prompt Engineering Guide - Few-Shot Prompting
zero-shot例を全く含まず指示だけでプロンプトすること。モデルに判断をタスクに適用させる。Zero-shot Learning - Wikipedia
one-shot正確に1つの例でプロンプトすること。zero-shotより多いガイダンス、few-shotより少ない。Few-Shot Prompting Guide
in-context learning現在の会話内の例からルールを推論し、新しい入力に適用するLLMの能力。再訓練は含まれない。Prompt Engineering Guide - Few-Shot Prompting
例の多様性タスクが実際に見る異なる種類の入力をカバーするfew-shot例を選ぶこと。同じケースのいくつかのバリエーションではなく。Prompt Engineering Guide - Few-Shot Prompting
形式の一貫性すべてのfew-shot例で全く同じ構造とマーカーを使い、モデルが1つの明確な出力形式を学習する。Prompt Engineering Guide - Few-Shot Prompting
エッジケースタスクが現実で当たる曖昧、不完全、または異常な入力。欠損フィールド、混合信号、極端な値など、きれいな理想的なケースではない。Few-Shot Prompting Guide
JSON抽出タスクで出力としてよく要求される構造化データ形式。プログラムが直接パースできるため。Prompt Engineering Guide - Few-Shot Prompting
思考の連鎖最終的な答えを出す前にモデルに中間推論ステップを示させるプロンプト技法。複数ステップの推論を必要とするタスクで精度を上げる。Prompt Engineering Guide - Chain-of-Thought
CoT思考の連鎖プロンプティングの標準略語。完全な用語と互換的に使用される。Prompt Engineering Guide - Chain-of-Thought
推論ステップモデルが問題から答えまで示す目に見えるステップバイステップの経路。各ロジックのリンクを、信頼せずにチェックできる。Chain of Thought Prompting Guide
let's think step by stepプロンプトに追加して例を提供せずにステップバイステップの推論をトリガーする標準キューフレーズ。Prompt Engineering Guide - Chain-of-Thought
ゼロショットCoTキューフレーズだけで例なしでトリガーされる思考の連鎖。モデルに問題を分解させる最もシンプルな方法。Prompt Engineering Guide - Chain-of-Thought
Few-Shot CoT完全な推論プロセスを示す1つか2つの例によって導かれる思考の連鎖。モデルがステップとその詳細レベルの両方を模倣する。Prompt Engineering Guide - Chain-of-Thought
中間ステップ質問と最終的な答えの間の個別の計算または推論。それらを明示的にすることが思考の連鎖の目的だ。Prompt Engineering Guide - Chain-of-Thought
複数ステップの推論答えが依存する推論または計算のチェーンに依存するタスク。文章題、複雑さ分析、根本原因分析、計画決定など。Chain of Thought Prompting Guide
プロンプトのデバッグコードをデバッグする方法で失敗したプロンプトを修正すること：特定の症状を特定し、どの部分がそれを引き起こしたか診断し、1つのことを変更し、検証する。AI Prompt Debugging: Fixing Issues Through Iteration
デバッグループ実行、出力をチェック、問題を特定、診断、1つのことを変更、テストケースに対して検証、動作するバージョンを記録する反復サイクル。AI Prompt Debugging: Fixing Issues Through Iteration
問題を特定する最初のデバッグステップ：出力の正確に何が間違っているかを名付ける。間違った形式、的外れな内容、欠損情報、過剰な範囲、誤読された意図、または不安定性。AI Prompt Debugging: Fixing Issues Through Iteration
原因を診断する2番目のデバッグステップ：プロンプトのどの部分（またはどの欠けている部分）が特定した問題を生み出したかを解明する。AI Prompt Debugging: Fixing Issues Through Iteration
一度に1つの変数コアデバッグ規律：反復ごとに正確に1つのことを変更し、その変更の効果が明確になる。AI Prompt Debugging: Fixing Issues Through Iteration
反復変更-テスト-評価サイクルを通る1つのパス。プロンプトは、1つの完璧な草案ではなく、一連の小さく検証されたパスを通して良くなる。AI Prompt Debugging: Fixing Issues Through Iteration
テストケースプロンプト変更ごとに再実行する3〜5の代表的な入力のセット。明確なケース、混合ケース、エッジケース。実際に改善したかチェックする。AI Prompt Debugging: Fixing Issues Through Iteration
プロンプトのバージョンコードが管理されるようにプロンプトを管理：各バージョンが何を変更し何を生み出したかでログされ、比較してロールバックできる。AI Prompt Debugging: Fixing Issues Through Iteration
A/Bテスト2つのプロンプトバージョンを保持し、それぞれを約10回実行し、成功率を比較してデータがどちらが良いか決定する。AI Prompt Debugging: Fixing Issues Through Iteration
成功率期待に一致する出力を生み出すテストケースのシェア。「このプロンプトの方が良い感じ」をバージョン間で比較できる数に変える。AI Prompt Debugging: Fixing Issues Through Iteration
不安定な形式同じプロンプトが実行ごとに異なる出力形式を生み出す失敗モード。ある時JSON、次は散文、それらの間で大文字化がドリフトする。AI Prompt Debugging: Fixing Issues Through Iteration
コード生成AIに実行可能なコードを書かせるプロンプト。良いものは6つのことをカバーする：言語とバージョン、関数シグネチャ、コアロジック、エッジケース、コードスタイル、依存関係の制限。Prompt Engineering for Code Generation
関数シグネチャ関数の名前、入力パラメータの型、戻り値の型。コード生成プロンプトが前もって述べるべきインターフェース契約。Prompt Engineering for Code Generation
コードスタイル生成されたコードが従うべきフォーマット、命名、コメント、型付け規約。モデルに任せるのではなくプロンプトで述べる。Prompt Engineering for Code Generation
依存関係の制限生成されたコードが使用できるライブラリを述べるルール。標準ライブラリのみ、または名付けられたサードパーティパッケージの許可リスト。Prompt Engineering for Code Generation
標準ライブラリ言語が出荷するモジュールで、インストールを要求しない。生成されたコードをそれに制限することで、結果をポータブルで依存関係フリーに保つ。Prompt Engineering for Code Generation
型ヒントインターフェース契約をコード自体で見えるようにするパラメータと戻り値の明示的な型アノテーション。Prompt Engineering for Code Generation
エラーハンドリング無効な入力、例外、エッジ条件のためのコードのロジック。後から取り付けるのではなく、プロンプトで指定するもの。Prompt Engineering for Code Generation
防御的プログラミング入力が無効である可能性があるという仮定でコードを書き、呼び出し元を信頼するのではなく、悪いデータにどう応答するか前もって決定する。Prompt Engineering for Code Generation
docstring関数が何をするか、どう使うか、関連する特性を述べる関数内のドキュメントブロック。明示的に述べる価値のあるコードスタイル要件。Prompt Engineering for Code Generation
文書作成散文を生み出すまたは再形成することを目指すプロンプト作業。技術ドキュメント、会議メモ、要約、レポート。対象読者、目的、トーン、構造がタスクを運ぶ。Anthropic Prompt Engineering Overview
構造テンプレート出力のための事前定義された組織。背景、比較されたオプション、推奨事項、リスク。モデルが1つを選ぶ代わりに固定された形を埋めるように与えられる。Anthropic Prompt Engineering Overview
トーンとスタイル執筆のレジスター。フォーマルまたはカジュアル、詳細または簡潔、実用的またはプロモーショナル。ドキュメントが状況が求める方法で聞こえるように指定される。Anthropic Prompt Engineering Overview
データ抽出非構造化テキストから構造化情報を引き出すプロンプト。信頼できるものは4つのことを綴る：フィールド定義、欠損値の処理、出力形式、データ検証。Prompt Engineering Guide - Few-Shot Prompting
フィールド定義抽出したい各フィールドの述べられた意味、型、許可された値。例えば感情は正確にpositive、negative、neutralの1つでなければならない。Prompt Engineering Guide - Few-Shot Prompting
欠損値の処理フィールドがソースに存在しないときに何を出力するかの明示的なルール。null、「提供されていない」、または「TBD」、プラス推測しないという指示。Prompt Engineering Guide - Few-Shot Prompting
データ検証抽出されたデータが期待される形と範囲を持つことをチェックするルール。給与フィールドは数を含まなければならず、場所は値またはnullであることができるが空文字列は決してない。Prompt Engineering Guide - Few-Shot Prompting
ハルシネーションもっともらしく読めるが、ソースになくて真実でない事実を自信を持って捏造するモデルの習慣。IBM Prompt Engineering Guide 2026