Alibaba Cloud Model Studio:テキスト生成向けプロンプトガイド

明確で具体的な指示を記述する

あいまいなプロンプトは、あいまいな結果を生みます。提供する文脈や制約が多ければ多いほど、出力は期待通りのものに近づきます。これはタスクを依頼することに似ており、一行だけのリクエストでは解釈の余地が大きくなりすぎますが、明確な目標と詳細な指示があれば、まさに必要な成果物を得ることができます。

例：コード生成タスク

具体的なプロンプトでは、入力形式、期待される出力、エラー処理、使用ライブラリといった要件を明示しており、モデルが初回試行で実用可能なコードを生成できる十分な情報が与えられています。

例：コンテンツ生成タスク

フレームワークを用いたプロンプト構造化

プロンプトフレームワークは、LLM が必要とする情報を体系的に提供するためのツールです。何を含めるべきかを推測する代わりに、以下の 6 つの要素をチェックリストとして活用してください。

プロンプト内で各セクションを区切るには、# をデリミタとして使用します。

#コンテキスト#
ユーザー認証を処理する Python マイクロサービスのプルリクエストをレビューしています。
コードベースには FastAPI および SQLAlchemy を使用しています。

#目的#
以下のコード差分をレビューし、潜在的なセキュリティ脆弱性、パフォーマンスの問題、
およびスタイル違反を特定してください。

#スタイル#
徹底的なコードレビューを行うシニアバックエンドエンジニアとして記述してください。

#トーン#
専門的でありながら建設的 — 各問題がなぜ重要かを説明してください。

#対象読者#
安全なコーディング手法を学習中のジュニア開発者。

#応答形式#
問題点を番号付きリストで提示してください。各項目には以下の情報を含めてください：
- 特定の行またはコードブロック
- 問題の原因
- コードを含む修正案

出力例を提示する

期待される出力の具体例を含めることで、モデルはフォーマット、スタイル、詳細度を正確に再現できます。この手法（ファイショットプロンプティング）は、複数回の実行における出力の一貫性向上にも寄与します。

例：構造化データ抽出

#コンテキスト#
ユーザーサポートチケットから構造化情報を抽出します。

#目的#
各チケットを JSON オブジェクトに解析します。

#例#
入力: "注文 #12345 が破損した状態で届きました。返金をお願いします。"
出力:
{
  "order_id": "12345",
  "issue_type": "damaged_item",
  "requested_action": "refund"
}

入力: "アカウントにログインできません。パスワードのリセットを 2 回試みました。"
出力:
{
  "order_id": null,
  "issue_type": "login_failure",
  "requested_action": "account_recovery"
}

#タスク#
以下のチケットを解析してください：
入力: "注文 #67890 が『処理中』ステータスで 5 日間停止しています。
至急対応またはキャンセルをお願いします。"

モデルは、これらの例のみから JSON スキーマ、フィールドの命名規則、および自然言語から issue_type や requested_action を推論する方法を学習します。

複雑なタスクをステップごとに分割する

複雑なタスクの場合、モデルが達成すべき最終結果だけでなく、明示的な実行ステップを定義してください。ステップバイステップの指示により、中間的な推論を飛ばすことを防げます。

例：数学の文章題

#コンテキスト#
チミーは午前 8 時に自宅を出発し、分速 50 メートルで歩き始めました。
12 分後、父親がチミーが宿題を忘れたことに気づき、分速 200 メートルで
自転車で追いかけています。追いついた後、父親はチミーを自転車に乗せて
残りの道のりを移動させます。自転車での移動距離は、歩行距離の 5 倍です。

#目的#
到着時刻を計算してください。

#ステップ#
1. 父親が追いつくまでにチミーが歩いた距離を計算します。
2. 父親が追いつくまでの時間を求めます。
3. 残りの自転車移動距離およびその所要時間を計算します。
4. 全ての時間間隔を合計し、到着時刻を求めます。

モデル出力（ステップに従ったもの）：

ステップ 1: 父親が出発するまでにチミーは 12 分間歩きます：
  12 分 × 50 m/分 = 600 m の先行距離

ステップ 2: 父親の相対速度：200 − 50 = 150 m/分
  追いつくまでの時間：600 m ÷ 150 m/分 = 4 分
  チミーがさらに歩く距離：4 分 × 50 m/分 = 200 m
  歩行距離合計：600 + 200 = 800 m

ステップ 3: 自転車移動距離：800 m × 5 = 4,000 m
  自転車移動時間：4,000 m ÷ 200 m/分 = 20 分

ステップ 4: 合計所要時間：12 + 4 + 20 = 36 分
  到着時刻：午前 8 時 + 36 分 = 午前 8 時 36 分

#ステップ# セクションがない場合、モデルは中間計算を飛ばして誤った回答を出す可能性があります。

デリミタを用いてコンテンツを区別する

プロンプトに複数のコンテンツブロック（指示、入力データ、例など）が含まれる場合、明確な境界を示すためにデリミタを使用してください。これにより、モデルは指示と処理対象のコンテンツを明確に区別できます。

自然言語ではほとんど出現しない文字列をデリミタとして使用します：###、===、または >>> などです。

例：テキスト要約

以下の映画レビューの各セクションを個別に要約してください。
各セクションにつき 1 文の要約文を生成します。

###
張志強氏はかつて活気に満ち、精力的でしたが、人生のプレッシャーによって
方向を見失いました。中年期の衝動的な判断により、家族の誇りから社会的
アウトキャストへと変貌しました。
###
これは始まりに過ぎませんでした。予期せぬ出来事の連続により、彼は自分自身と
向き合うことを余儀なくされました。彼は配達ドライバーとしてやり直すことを選び、
街の通りを走りながら人生を再構築しました。
###
その過程で、彼は志を同じくする仲間たちに出会いました。彼らとの共通の苦闘を通じて、
彼は再び勇気と目的意識を取り戻し、人生の新たな方向性を築きました。
###

デリミタがない場合、モデルはレビュー全体を単一のブロックと見なし、汎用的な要約を 1 つだけ生成します。一方、デリミタがあると、モデルは 3 つの明確なセクションを認識し、物語の展開に沿った 3 つの関連性の高い要約を生成します。

モデルに段階的な推論を促す

論理的思考、数学的計算、あるいは多段階分析を伴うタスクでは、結論を述べる前にモデルが推論過程を示すよう誘導してください。以下に、2 つの有効な手法を紹介します。

#コンテキスト#
JSON 入力:
{"web-app": {
  "servlet": [
    {
      "servlet-name": "cofaxEmail",
      "servlet-class": "org.cofax.cds.EmailServlet",
      "init-param": {
        "mailHost": "mail1",
        "mailHostOverride": "mail2"}},
    {
      "servlet-name": "cofaxTools",
      "servlet-class": "org.cofax.cms.CofaxToolsServlet",
      "init-param": {
        "templatePath": "toolstemplates/",
        "log": 1,
        "logLocation": "/usr/local/tomcat/logs/CofaxTools.log",
        "logMaxSize": ""}}],
  "servlet-mapping": {
    "cofaxEmail": "/cofaxutil/aemail/*",
    "cofaxTools": "/tools/*"},
  "taglib": {
    "taglib-uri": "cofax.tld",
    "taglib-location": "/WEB-INF/tlds/cofax.tld"}}}

#目的#
この JSON が以下の 3 つの要件をすべて満たすかどうかを検証してください：
1. すべてのサーブレットに init-param ブロックが存在する。
2. servlet-mapping 内のすべてのキーが servlet-name と一致する。
3. cofaxTools サーブレットには、「log」で始まるパラメーターがちょうど 3 つあり、
   「log」パラメーターの値は 10 未満である。

#応答形式#
まず、各要件について推論過程を説明してください。
その後、すべての要件が満たされているかどうかを明示してください。

#コンテキスト#
チミーは午前 8 時に分速 50 m で歩き始めました。12 分後、父親が分速 200 m で
自転車で追いかけています。自転車移動距離は歩行距離の 5 倍です。

#質問#
父親がチミーを追いつくのはいつですか？また、その時点でチミーはどれだけ歩いているでしょうか？

チミーが祖父母の家に到着するまでに、自転車で移動する距離はどれくらいですか？

チミーの到着時刻は何時ですか？

最適化前の状態

#役割
あなたは効率的な HR AI アシスタントであり、社内ポリシー、勤怠管理システム、
年次休暇制度などの社内規定に関する質問に特化して回答します。

##スキル
###スキル 1：ポリシー解釈
- 社内ポリシードキュメントを正確に解釈し、同僚に対して明確かつ簡潔な
  解説を提供します。

###スキル 2：勤怠に関する質問対応
- 従業員の勤怠に関するすべての質問（出勤ルール、遅刻・早退の取り扱い、
  休暇申請手続きなど）に回答します。

###スキル 3：年次休暇管理に関する相談
- 年次休暇の申請条件、付与ルール、有効期間、承認プロセスなどを説明します。

##制約
- ユーザーの質問と同じ言語で回答します。
- HR 関連の質問に限定します。
- 個人情報に関する質問には対応しません。

課題：

• ##制約 セクションが冗長で、構造が緩い。

• ${documents} ナレッジベースブロックがインラインで埋め込まれており、 モデルが指示と参照コンテンツを区別しづらい。

• 言語マッチングの指示が「制約」セクションに埋もれていた。

最適化後の状態

#コンテキスト#
あなたは多国籍企業向けの HR AI アシスタントです。ポリシー解釈、勤怠ルール、
年次休暇管理に関する質問に回答します。

以下の社内ポリシードキュメントが利用可能です：
======
${documents}
======

#目的#
1. ポリシー解釈、勤怠、年次休暇に関する質問のみに回答します。
2. 質問が範囲内であるものの、ナレッジベースに該当情報がない場合は、
   ユーザーに人事部門への連絡を案内します。
3. 各カテゴリについては、以下のガイドラインに従います：
   - ポリシー解釈：該当する条項を特定し、明確かつ簡潔な説明を提供します。
   - 勤怠：出勤ルール、遅刻の取り扱い、休暇手続きをカバーします。
   - 年次休暇：適用条件、付与ルール、承認プロセス、残日数の算出を説明します。
4. 従業員の個人データにアクセスしたり、開示したりしません。

#多言語対応要件#
- 質問が中国語でない場合、ナレッジベース検索のために中国語に翻訳し、
  取得した内容を元の質問言語に変換して出力します。

#応答形式#
- 出力には ASCII 文字のみを使用します。
- 入力言語と出力言語を一致させます。

変更点：

• フレームワークの適用。 #コンテキスト#、#目的#、#多言語対応要件#、#応答形式# セクションを用いて再構成しました。

• デリミタの追加。 ${documents} を ====== で囲み、参照データと指示を明確に分離しました。

• 制約の分散配置。 言語関連の制約は #多言語対応要件# に、範囲制限は #目的# にそれぞれ配置しました。

これらの変更により、言語の一貫性問題が解決されました。モデルは、多言語対応の指示を、埋もれた補足ではなく、明確で高優先度の独立した指令として認識できるようになったためです。