プロンプトエンジニアリング
定義
プロンプトエンジニアリングとは、特定のタスクで正確で関連性が高く安定した出力を得るために、言語モデルへ与える指示を設計し、磨き込んでいく実践です。
仕組み
LLM の出力は、依頼の書き方に大きく左右されます。そのためプロンプトエンジニアリングでは、明確な指示を組み立て、例を示し、制約を設け、文脈を構造化して、モデルの振る舞いを予測可能にします。役割を明示する、few-shot の例を加える、望ましい出力形式を指定するといった手法があります。
AI サポートのツールでは、その多くがシステムプロンプトと取得した文脈に集約され、近年ではプレーンな日本語で書いた指示をプラットフォームが安定した振る舞いへ変換する形が増えています。
サポートにとっての意味
同じモデルでも、プロンプト次第で、的確で正確にもなれば、曖昧でブランドから外れたものにもなります。土台のモデルを再学習させることなく、AI エージェントのトーン、扱う範囲、エスカレーションのルール、ポリシーの遵守を制御する手段が、良いプロンプトです。
よくある質問
最近の LLM でもプロンプトエンジニアリングは必要ですか?
必要です。新しいモデルほど多少の粗さは許容しますが、明確な指示、例、制約は今も信頼性をはっきり高めます。一貫した、ブランドに沿ったサポート応答ではとくに効きます。
プロンプトエンジニアリングとファインチューニングの違いは何ですか?
プロンプトエンジニアリングは、モデルを変更せずに、問い合わせ時の指示で振る舞いを形づくります。ファインチューニングは、例を使って学習させ、モデルの重み自体を更新します。試行錯誤は、プロンプトのほうが速く安価です。
関連用語
システムプロンプト
システムプロンプトとは、会話における AI モデルの役割、振る舞い、トーン、制約を定義する基盤の指示文です。エンドユーザーではなく開発側が設定し、すべてのやり取りに適用されます。.
Few-shot 学習
Few-shot 学習とは、少数の例をプロンプトに含めることで AI モデルにタスクのやり方を示す手法です。再学習をまったく行わずに、示したパターンをモデルに踏襲させられます。.
ゼロショット学習
ゼロショット学習とは、AI モデルが明示的に学習したことも例を与えられたこともないタスクを、事前学習で得た一般的な知識とタスクの明確な説明だけでこなすことです。.
ファインチューニング
ファインチューニングとは、学習済みの言語モデルを、より小さくタスクに特化したデータセットでさらに学習させ、特定の領域、文体、振る舞いに適応させる工程です。指示を変えるのではなく、モデルの重みそのものを更新します。.
プレーンな日本語によるエージェント設定
Macha では、エージェントの設定を指示フィールドにプレーンな日本語で書きます。どうトリアージするか、どんなトーンで話すか、何をエスカレーションするか、何をしてはいけないか。ロジックをコードで書く必要はありません。モデルはすべての会話でその指示に従います。.
アイデアを実装に
Macha は既に運用中のヘルプデスク (Zendesk、Freshdesk、Front、Intercom、Gorgias) の上に載る AI エージェント層です。
トライアルを開始