すべてのプロダクト
Search
ドキュメントセンター

Alibaba Cloud Model Studio:テキストからテキストへのプロンプトガイド

最終更新日:Mar 07, 2026

プロンプトとは、大規模言語モデル(LLM)に与える入力テキストであり、解決したい課題や実行したいタスクを明確に示すものです。これは、LLM がユーザーの要件を正確に理解し、関連性・正確性の高い応答やコンテンツを生成するための基盤となります。本ガイドでは、LLM をより効果的に活用するための、実践的なプロンプト設計および最適化手法をご紹介します。

プロンプトの設計

明確で具体的なプロンプトを作成する

たとえば、同僚に単一の文でタスクを依頼した場合、その成果物は期待通りでない可能性があります。しかし、目的、推奨される思考の方向性、実行戦略も併せて共有すれば、高品質な成果物を提供してもらう可能性が大幅に高まります。

LLM を利用する場合も同様です。プロンプトが明確で、具体的かつ曖昧さが少ないほど、LLM のパフォーマンスは向上します。

説明

明確で具体的なプロンプトを作成することは、LLM の潜在能力を最大限に引き出す上で最も重要なステップです。

あいまいなプロンプト

明確で具体的なプロンプト

当社の新製品を宣伝したいと考えています。当社は Alibaba Cloud Model Studio です。新製品は「Zephyr Z9」で、軽量・携帯性に優れたスマートフォンです。Weibo 用の投稿文を作成してください。

Alibaba Cloud Model Studio が新たにリリースした軽量・携帯性に優れたスマートフォン「Zephyr Z9」の、目を引く Weibo プロモーション投稿文をご作成ください。

Zephyr Z9 の独自の販売促進ポイント(USP)として、超薄型デザイン、高性能スペック、ユーザビリティの高さを強調してください。さらに、視聴者の関心とエンゲージメントを高めるクリエイティブな要素を盛り込んでください。

Alibaba Cloud Model Studio の信頼性の高いブランドイメージを活かし、ユーザーの好奇心を刺激して、詳細情報の確認や購入行動へと誘導してください。

投稿文は簡潔かつインパクトのある内容とし、Weibo のスタイルおよび文字数制限に適合させ、ソーシャルメディアでの効果的な拡散を可能にしてください。

あなたは PHP 開発のエキスパートです。明確な開発タスク:${require} を受け取りました。この要件を満たすための、PHP をベースとしたアルゴリズムまたは手法を詳細に説明してください。実装時に発生する可能性のあるエッジケースおよびエラー処理についても検討してください。効率的かつセキュアなコードを使用すること。

経験豊富な PHP 開発者として、あなたの具体的なタスクは:${require} です。

専門知識を活かし、この要件を満たすための効率的な PHP ベースのアルゴリズムまたは手法をご説明ください。

ご説明には、以下の項目を含めてください:

- 具体的な実装手順(関数、クラス、データ構造の選択および設計を含む)

- エッジケース分析:潜在的なエッジケースを特定・説明し、適切な対応方法を解説

- エラー処理:安定性を確保するための堅牢なエラー検出および例外処理ロジック

- セキュリティ上の配慮:実行中のデータおよびプライバシー保護のための、想定されるセキュリティ脅威および推奨される対策

- パフォーマンス最適化:アルゴリズムのチューニング、リソース管理、キャッシュポリシーなどによる実行効率の向上方法

回答は技術的に正確で、構造化されており、他の開発者が実際のプロジェクトで素早く理解・適用できるよう、明瞭かつ分かりやすく記述してください。

プロンプトフレームワークを活用する

LLM に対して、体系的に背景および目的を明確に提示するために、プロンプトフレームワーク を使用します。このフレームワークにより、プロンプトの構造を迅速かつ容易に設計できます。また、出力の関連性および有効性に影響を与えるすべての主要な要素を網羅しており、モデルのパフォーマンスを大幅に向上させます。

image

各構成要素は以下のとおりです:

  • 背景情報:タスクと密接に関連する背景情報を提供します。これにより、LLM が文脈を深く理解し、出力の関連性を高めることができます。

  • 目的:LLM に実行してほしいタスクを明確に記述します。明確かつ正確な指示により、LLM が目標に集中し、出力の有効性を高めることができます。

  • 文体:希望する文章のスタイルを指定します(例:著名人、特定の思想流派、特定分野の専門家など)。

  • トーン:出力のトーン(フォーマル、ユーモア、温かみ、思いやりなど)を定義し、シナリオおよび目的に合わせます。

  • 対象読者:ターゲットとなる読者(専門家、初心者、子供など)を特定します。これにより、LLM が読者のニーズに応じて言葉遣いや内容の深さを調整できます。

  • 出力形式:出力の正確なフォーマット(リスト、JSON、専門レポートなど)を定義し、結果を次のステップに直接適用できるようにします。

プロンプトフレームワーク未使用

プロンプトフレームワーク使用

プロンプト

当社の新製品を宣伝したいと考えています。当社は Alibaba Cloud Model Studio です。新製品は「Zephyr Z9」で、軽量・携帯性に優れたスマートフォンです。500 文字以内で、製品リンクをクリックして購入につなげるような、簡潔かつインパクトのある Weibo 投稿文を作成してください。

#背景情報#

当社の新製品を宣伝したいと考えています。当社は Alibaba Cloud Model Studio です。製品は Alibaba Cloud Model Studio の「Zephyr Z9」で、軽量・携帯性に優れたスマートフォンです。

#目的#

Weibo 投稿文(文字数制限:500 文字)を作成し、ユーザーが製品リンクをクリックして購入するよう促します。

#文体#

同様の製品を成功裏に販売している Black Rice 社などの企業が採用する広告スタイルに従ってください。

#トーン#

説得的

#対象読者#

私の Weibo のフォロワーは主に若年層です。デジタルに精通したユーザーが即座に注目するよう、投稿文をカスタマイズしてください。

#出力#

簡潔かつインパクトのある Weibo 投稿文

出力

【未来を照らし、風に乗る】

imageAlibaba Cloud Model Studio の新製品「Zephyr Z9」が登場!image

imageZephyr Z9 は、テクノロジーと軽量性が融合した一台。単なるスマートフォンではなく、世界を探求するための携帯可能なパートナーです。超薄型デザイン。トレンドを先取りするスタイル。指先から湧き上がるインスピレーション。

image想像を超えるパワフルさ。最新の高速プロセッサを搭載し、仕事でもゲームでもスムーズなパフォーマンスを実現。長持ちバッテリーで、情熱を途切れさせません。

image瞬間をすべて切り取る。Zephyr Z9 のアップグレードされたカメラは、夜景、ポートレート、ワイドアングル撮影に優れ、すべての写真を表紙級の傑作に変えます。

驚異的に軽量で、プレミアムな体験を追求した設計。Bailian Zephyr Z9:特別のために生まれ、あなたのために作られました。軽量テクノロジーの未来を、今、始めましょう!

公式サイト:[www.bailian.com/Z9](実際の URL に置き換えてください)

#軽量フラッグシップ #テクノロジートレンド #ポケットアート

image限定公開:Alibaba Cloud Model Studio の「Zephyr Z9」—— 軽量スマートフォンの常識を変える一台!

現代社会では、1 グラムの重さが重要です。Model Studio はそれを知っています。だからこそ、軽量性とパワフルさの完璧なバランスを求める方のために、Zephyr Z9 を作りました。手のひらに浮かぶような軽さをぜひ体感してください。初めて触れたときの感覚を、決して忘れません!image

image【超薄型デザイン、完全にコントロール可能】

Zephyr Z9 は、わずか X.X mm の驚異的な薄さで、「軽量」という言葉を再定義します。ポケットにもスッと収まり、旅のおともに最適です。街を歩きながら、未来を携えてください!image

image【トップクラスのスペック、パワーハウス級のパフォーマンス】

見た目で判断しないでください。中身はすべて筋肉!最新の XXXX プロセッサを搭載し、Zephyr Z9 は比類ないスピードを実現します。マルチタスク、ゲーム、最先端の体験を、すべてこなします。image

image【プロフェッショナルレベルの撮影、人生を切り取る】

XXMP の超高感度レンズを搭載した Zephyr Z9 は、暗所でのシャープな写真を実現します。AI シーン認識機能により、すべての写真が傑作に変わります。Zephyr Z9 を使って、Weibo で注目を集めてください。image

image【終日持続する電力、不安ゼロ】

小さなサイズ。大きなエネルギー!Zephyr Z9 は高効率バッテリーと XXX の急速充電機能を備えています。素早く充電でき、長時間駆動。バッテリー切れのストレスとはおさらば。自由にクリエイティブな発想を広げましょう。⚡

image【期間限定特典、見逃さないでください】

初回 100 名様限定で、謎のギフトパック(カスタム保護ケース、XXX 年間メンバーシップなど)をプレゼント!あなただけの特典です!image

今すぐ行動しましょう。Zephyr Z9 を、世界を探求する新たなパートナーにしませんか?下記をクリックして、軽量の旅を始めましょう!image

image[今すぐ Zephyr Z9 を購入] [製品リンク]

#ModelStudioZephyrZ9 #軽量フラッグシップ #テクノロジーアエスセティクス #デジタルトレンド #パワーハウス

プロンプトフレームワークを使用しない場合、LLM の出力は一定の水準に達しますが、特定の対象読者向けに十分な詳細や魅力が欠けています。一方、フレームワークを活用すると、スタイル、トーン、対象読者といった、基本的なプロンプトでは見落とされがちな次元を意識するようになります。これにより、LLM は若年層をターゲットにした、詳細に富んだ、より鮮烈でエネルギッシュな言葉を使った出力を生成できます。

説明

さまざまなプロンプトフレームワークが存在します。タスクに応じて構造を柔軟に調整してください。本ガイドの後半では、このフレームワークを柔軟に活用する例も紹介します。

プロンプトの最適化

テクニック 1:出力例を提示する

プロンプト内に、望ましい出力の具体例を含めます。これにより、LLM が好ましいフォーマット、文法、トーン、概念を「模倣」できます。また、出力例を提示することで、繰り返し生成される出力の一貫性が高まり、モデルのパフォーマンスが安定します。

出力例なし

出力例を追加

プロンプト

#背景情報#

あなたは Xiaohongshu の「絶対買い」投稿文の作成に長け、豊富な絵文字を活用するのが得意です。

#目的#

Johnson のヘアドライヤーを宣伝する Xiaohongshu の「絶対買い」投稿文を作成してください。主なメリット:コンパクトなサイズ、スタイリッシュなデザイン、強力な風量、速乾性、髪を守るためのインテリジェント温度制御。

#対象読者#

ファッションに敏感な若年層 — 特に若い女性

#出力#

フォーマット:絵文字を豊富に使った Xiaohongshu 投稿文(簡潔だが情報量が多い)

#背景情報#

あなたは Xiaohongshu の「絶対買い」投稿文の作成に長け、豊富な絵文字を活用するのが得意です。

#目的#

Johnson のヘアドライヤーを宣伝する Xiaohongshu の「絶対買い」投稿文を作成してください。主なメリット:コンパクトなサイズ、スタイリッシュなデザイン、強力な風量、速乾性、髪を守るためのインテリジェント温度制御。

#対象読者#

ファッションに敏感な若年層 — 特に若い女性

#出力#

フォーマット:絵文字を豊富に使った Xiaohongshu 投稿文(簡潔だが情報量が多い)

#トーンおよび文体#

  1. 「私がテスト + N 個の優れた製品 + どの層に最もおすすめか」即座に信頼性を築きます!例:「私は数十種類の明るさ改善製品を試しました。ついに宝石を見つけました!わずか 2 ヶ月で肌が滑らかになり、輝きを取り戻しました — 私はまるで雲の上を浮かんでいるようです!」個人的な体験を共有し、ターゲットに合ったおすすめを伝えるのに最適です。

  2. 「問題 + 根本原因 + 解決策」アドバイスを明確かつ価値あるものにします!例:「シルキーな髪が欲しいですか?その秘密を教えます!このシャンプーに出逢うまで、私は一つの重要なステップを見落としていました。その結果、髪の状態が即座に改善 — 輝きが復活しました!」論理的で役立つ内容であり、読者が問題を解決する道筋を示します。

  3. 「独自の洞察 + 深刻な分析 + 優しいおすすめ」自然に自分の声を伝え、アイデアを植え付けます。例:「すべての女性は、自分が愛するものを手にする資格があります。ジャーナリングは私の小さな喜びになりました。ペンを手に取るたびに、幸せが高まります!」感情を表現し、お気に入りを共有 — まさにウィンウィンです。

  4. 「個人的なストーリー + 結果」感情をリアルで感動的に伝えます!例:「夏のビーチで蚊に刺されたことを思い出しますか?必死になって、全身にブツブツができていたところ — その救世主に出会ってから、状況は一変しました!今ではスカートがふわっと舞い上がり、自信を取り戻しました!」自分のストーリーを生き生きと描き、喜びと感謝を共有します。

出力

タイトル:imageJohnson Mini Magic Dryer — ヘアケアの新星!image

本文:

こんにちは、美女のみなさん!今日はヘアケアの宝石をご紹介します image — Johnson のヘアドライヤーです!これは単なる道具ではなく、あなたの携帯可能なサロンです image

image コンパクトサイズ — 旅行に最適 image

まず、そのミニサイズが私の心を奪いました!どんなに詰め込んだ旅行バッグにも収まり、スペースを取らず、いつでもスタイリングが可能です image

image スタイリッシュなデザイン — おしゃれを携えて image

このデザインを見てください — 純粋なアートです!ミニマリストなホワイトでも、エレガントなピンクでも、街で一番クールなアクセサリーです!スマホではありません — これが私の新しいファッションステートメントです imageimage

image 強力な風量 — 素早く乾燥 image

サイズに騙されてはいけません — 風量は猛烈です!朝の忙しさの中でも、Johnson なら 5 分以内に髪を乾かせます — 最大限の効率です!image

image 素早く乾燥 — 髪を守る image

インテリジェントな温度制御が、一本一本の髪を優しくケアします。熱ダメージとはおさらば。柔らかく輝く髪 — 一本一本のブローが、サロン施術のようになります image

image インテリジェントな温度 — 思いやりのある選択 image

それは風量だけでなく、温度も理解しています。髪のタイプに応じて自動で温度を調整し、毎日の使用でも髪の健康を守ります image

まとめると、Johnson のヘアドライヤーは愛すべき小さな奇跡です!今すぐカートに追加して、美容ルーティンをアップグレードしましょう!image

#JohnsonHairDryer #HairCareExpert #FastHairCareTips

お友達をタグして、この軽さとスピードを一緒に感じてもらいましょう!image

忘れないで:自分を大切にするのは、頭から始まります。Johnson があなたと共に — 自信を持って輝きましょう!image

imageヘアドライヤーがファッションアイテムになる?Johnson の Mini Cannon がそうだと答えます!image

イメージ「Johnson ドライヤー」を使い始めてから、私の旅行用バッグは軽くなりました イメージ。そして、ブローが純粋な喜びに変わりました イメージ!数回使用した後、友人たちは私の髪がより健康に見えると言ってくれました——まるでサロンを出たばかりのようだと イメージ。短い旅行や寮生活に最適です。素早く、やさしいヘアケアを重視する方にはぴったりです~ イメージ

image濡れて重くなった髪を 30 分以上かけて乾かす?imageもう終わりです。Johnson のインテリジェント温度技術がここに image!すべての髪の毛を素早く乾かします — 強力な風量、ゼロダメージ。その秘訣は?髪のタイプに応じて自動で温度を調整し、髪を守る点にあります image。急ぎの外出も夢ではありません!

image素晴らしいスタイリングツールは、あなたの姿勢を反映すると私は信じています image。Johnson のスタイリッシュなドライヤーは、単なる道具ではなく、あなたの vanity のアートです image。一本一本のブローが、パーソナルスタイルのアップグレードを実感させます。この小さな贅沢を自分にご褒美に。結局のところ、素晴らしい一日は、頭から始まるのです!image

image最後の瞬間に友人のディナーに招待されたことを思い出しますか image?私はジムから汗だくで帰宅 — 髪はびしょ濡れでした。パニックが訪れましたが — Johnson がその日を救ってくれました!私は数秒でぐしゃぐしゃの髪を乾かし、スタイリングしました。パーティーに自信を持って入場 image — まるでプロのサロン施術を受けた後のように。この小さなパワーハウスのおかげで、私の美しさは時間に縛られません!image

今すぐ、このファッション志向のヘアドライヤーをカートに追加しましょう!image 風の女性になりましょう — エレガントで、効率的で、毎日、頭からつま先まで輝いてください!image

#JohnsonHairDryer #StylishHairTool #SmartHairCare #FastDryNoDamage #FashionMustHave

出力結果を比較すると、LLM が提示された例から学習し、必要なフォーマットに合致した「絶対買い」投稿文を生成していることがわかります。

テクニック 2:タスクステップを定義する

複雑なタスクの場合、LLM にタスクの完了方法を明確に指示することができます。

数学の問題に対するタスクステップの提示

数学の問題:

日曜日です。小明はいつも通り、祖父母の家まで歩いて行きます。彼は午前 8 時ちょうどに家を出発します。歩く速さは分速 50 メートルです。12 分後、父親が小明が宿題を忘れたことに気づき、自転車で追いかけます。父親の自転車の速さは分速 200 メートルです。父親が小明に追いついたとき、彼は小明を自転車に乗せることに決めます。自転車で移動する距離は、歩いた距離の 5 倍です。小明と父親は、祖父母の家に何時につきますか?(小明は午前 8 時 36 分に到着します)

プロンプト(LLM をガイドするために #タスクステップ# を追加):

#背景情報#
日曜日です。小明はいつも通り、祖父母の家まで歩いて行きます。彼は午前 8 時ちょうどに家を出発します。歩く速さは分速 50 メートルです。
12 分後、父親が小明が宿題を忘れたことに気づき、自転車で追いかけます。父親の自転車の速さは分速 200 メートルです。
父親が小明に追いついたとき、彼は小明を自転車に乗せることに決めます。自転車で移動する距離は、歩いた距離の 5 倍です。
#目的#
小明が祖父母の家に到着するのは何時ですか?
#タスクステップ#
1. 小明が父親に追いつかれるまでの時間および距離を計算します。
2. 祖父母の家までの残りの距離およびそれにかかる時間を計算します。
3. 最終的な到着時刻を計算します。

出力(LLM は明確にステップに従い、正しい結果を出力):

この問題を解くには、ステップごとに分解します。

ステップ 1:小明が父親に追いつかれるまでの時間および距離を計算します。
小明の歩く速さは分速 50 メートルです。
父親が出発するとき(12 分後)、小明はすでに 12 × 50 = 600 メートル歩いていることになります。
その後、小明は分速 50 m/min で歩き続け、父親は分速 200 m/min で自転車をこぎます。
父親が追いつくまでの時間を t 分とすると、[200t = 50t + 600](左辺:父親の移動距離、右辺:小明の移動距離+600 メートルの先行距離)となります。
これを解くと、[150t = 600] より、[t = 4] 分です。父親は 4 分で追いつきます。
この 4 分間で、小明はさらに 4 × 50 = 200 メートル歩きます。
よって、追いつかれた時点での総歩行距離は 600 + 200 = 800 メートルです。

ステップ 2:祖父母の家までの残りの距離およびそれにかかる時間を計算します。
「自転車で移動する距離は、歩いた距離の 5 倍」であるという条件より、追いつかれた地点から祖父母の家までの距離は 5 × 800 = 4000 メートルです。
自転車の速さは分速 200 m/min なので、必要な時間は 4000 / 200 = 20 分です。

ステップ 3:最終的な到着時刻を計算します。
小明は午前 8 時に家を出発しました。
追いつかれるまでの時間:12 + 4 = 16 分。
これに自転車での 20 分を加えると、合計時間は 16 + 20 = 36 分です。
よって、到着時刻は午前 8 時 + 36 分 = 午前 8 時 36 分です。

テクニック 3:区切り記号を用いて単位を分離する

複雑なプロンプトを作成する際、異なるコンテンツ単位を明確に示すために、特定の区切り記号(デリミタ)を使用します。これにより、LLM がプロンプトを正しく解析する能力が大幅に向上します。タスクの複雑さが増すにつれ、適切なデリミタの使用は LLM のパフォーマンスを高めます。

自然言語において稀な、一意なデリミタを選択してください。たとえば ###===、または >>> などが挙げられます。これらの記号列には固定されたルールはありません。重要なのは、高い識別性であり、モデルがこれらを単なる句読点や構文ではなく、明確なセクション境界として認識できるようにすることです。

区切り記号なし

区切り記号を使用

プロンプト

以下の映画レビューを簡潔に要約してください。

張志強はかつて野心に満ち溢れていましたが、人生の重圧の下で中年期に道を誤りました。軽率な決断により、家族の「小さな誇り」から社会の「余剰者」へと一瞬で変わってしまいました。しかし、彼はそれが中年期の旅の始まりに過ぎないことに気づいていませんでした。嵐のように次々と訪れる危機 — 彼が再び自分自身と向き合うことを強いられました。人生の重荷が本当に彼の肩にのしかかったとき、彼は配達員になることを選びました。一からスタートし、街の路上で志を同じくする友人たちと出会い、共に過ごす時間の中で、人生の温かさと冷たさを深く感じました — この過酷な「逆走の道」を通じて、失われた勇気と信念を徐々に取り戻し、人生の新たな方向性を再定義しました。

以下の映画レビューを簡潔に要約してください。

###

かつて野心に満ちていた Zhang Zhiqiang は、人生の重圧に苦しみ、中年で道を見失いました。ある軽率な決断が、彼を家族の「小さな誇り」から社会の「落ちこぼれ」へと一瞬にして変えてしまったのです。

###

しかし、彼はこれが自分の中年期の旅の始まりにすぎないことに気づいていなかった。次から次へと訪れる危機が嵐のように押し寄せ、再び自分自身と向き合うことを余儀なくさせた。

人生の重荷が本当に彼の肩にのしかかったとき、彼は配達ドライバーになることを選んだ。心機一転、彼は街中で気の合う仲間と出会った。

###

この過酷な「逆走の道」を通じて、失われた勇気と信念を徐々に取り戻し、人生の新たな方向性を再定義しました。

###

出力

本作は中年期の危機を描いた作品です。主人公の張志強は、人生のプレッシャーによって通常の人生の道から外れます。一連の試練に直面した後、彼は配達員となり、新しい友人たちの助けを得て、勇気と信念を取り戻し — 新たな人生の方向性を見つけます。作品は、逆境における成長と自己再生を描いています。

張志強は中年期の危機に直面します。衝動的な決断により、一夜にして社会的地位を失います。

その後、繰り返す試練に直面し、彼は配達員として再スタート — 街で出会った仲間たちとの深い絆を築き、困難を乗り越えながら勇気と信念を取り戻します。

最後に、困難や挑戦にもかかわらず、彼は人生に新たな意味と方向性を見つけます。

出力結果の違いは明らかです。デリミタを使用することで、LLM は単に 3 つの段落間の論理的関係を理解するだけでなく、デリミタ自体を正しく認識し、各デリミタで区切られたセクションに対応する、緊密に連携した 3 つの要約文を生成します。

テクニック 4:モデルに「考える」ようガイドする

複雑な論理やコンテキスト学習を伴うタスクでは、単純なプロンプトのトリックだけでは十分でない場合があります。このような場合、モデルに推論ステップを生成させる、あるいは 複雑なタスクを分解し、ステップごとに推論するよう支援する ことで、結果を改善できます。これにより、最終的な回答を生成する前に、モデルに十分な推論サポートを提供し、難問に対するパフォーマンスを向上させます。

まず、チェーン・オブ・ソート(Chain-of-Thought:COT) をご紹介します。これは使い方がシンプルですが、複雑なシナリオにおける LLM の推論能力を大幅に向上させます。

タスク:複雑な JSON 構造の解析

#背景情報#
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#
以下の要件をすべて満たしているかどうかを確認してください:
1. すべての servlet に init-param が存在するか?
2. servlet-mapping のすべての要素が servlet 内に存在するか?
3. cofaxTools servlet には「log」で始まる 3 つのパラメーターがあり、かつ「log」パラメーターの値が 10 より小さいか?

チェイン・オブ・シンキングなし

Chain-of-Thought を使用する

#出力#
すべての要件を満たしている場合は、「要件を満たしています」とのみ出力します。そうでない場合は、「要件を満たしていません」とのみ出力します。
#出力#
まず、各要件についてステップごとの推論を行います。
その後、すべての要件を満たしている場合は、「要件を満たしています」と出力します。そうでない場合は、「要件を満たしていません」と出力します。

要件を満たしていません

JSON を各要件についてステップごとに分析します。

推論プロセス

  1. すべての servlet に init-param が存在するかを確認

    • cofaxEmail servlet には init-param が存在し、「mailHost」と「mailHostOverride」が含まれています。

    • cofaxTools servlet にも init-param が存在し、「templatePath」、「log」、「logLocation」、「logMaxSize」が含まれています。

    結論:すべての servlet に init-param が存在します。要件 1 は満たされています。

  2. servlet-mapping のすべての要素が servlet 内に存在するかを確認

    • servlet-mapping には、cofaxEmail および cofaxTools の 2 つのエントリがあります。

    • servlet は、cofaxEmail および cofaxTools の両方を定義します。

    結論:すべての servlet-mapping エントリは servlet 定義と一致しています。要件 2 は満たされています。

  3. cofaxTools servlet に「log」で始まる 3 つのパラメーターがあり、かつ「log」パラメーターの値が 10 より小さいかを確認

    • cofaxToolsinit-param には、「log」(値:1)、「logLocation」(値:"/usr/local/tomcat/logs/CofaxTools.log")、「logMaxSize」(空の値)という「log」で始まるパラメーターがあります。

    • 「log」の値は 1 であり、10 より小さいです。

    結論:「logMaxSize」の解釈が曖昧(数値ではない)かもしれませんが、最も単純な解釈では、「log」で始まるパラメーターが少なくとも 3 つあり、明示的な「log」の値は 1(10 より小さい)であるため、要件 3 は概ね満たされています — ただし、「logMaxSize」については厳密な解釈が必要な場合、さらなる明確化が必要です。

出力

上記の分析に基づき、主な条件は満たされています。「logMaxSize」が厳密に必要とされない場合(例:有効な数値 < 10 が必須でない場合)、全体としては「要件を満たしています」が妥当です。厳密な「logMaxSize」ルールが適用される場合は、さらなる明確化が必要です。標準的な解釈では、答えは「要件を満たしています」です。

チェーン・オブ・ソートに加えて、もう一つの実用的な手法として プロンプトチェイニング があります。プロンプトチェイニングでは、多段階の対話を用いて LLM の「思考」をガイドし、単純なタスクから始め、設計された推論パスに沿って段階的に複雑な問題を解決します。

プロンプトチェイニングはチェーン・オブ・ソートよりも構築が複雑ですが、モデルのパフォーマンスおよび精度をさらに向上させます。これは、論理的に複雑ではあるものの、固定パターンに分解可能な困難なタスクに最も効果的です。

プロンプトチェイニングの例

数学の問題:

日曜日です。小明はいつも通り、祖父母の家まで歩いて行きます。彼は午前 8 時ちょうどに家を出発します。歩く速さは分速 50 メートルです。12 分後、父親が小明が宿題を忘れたことに気づき、自転車で追いかけます。父親の自転車の速さは分速 200 メートルです。父親が小明に追いついたとき、彼は小明を自転車に乗せることに決めます。自転車で移動する距離は、歩いた距離の 5 倍です。小明と父親は、祖父母の家に何時につきますか?(小明は午前 8 時 36 分に到着します)

ラウンド 1 入力(数学の問題 + 最初の単純な質問):

#背景情報#
日曜日です。小明はいつも通り、祖父母の家まで歩いて行きます。彼は午前 8 時ちょうどに家を出発します。歩く速さは分速 50 メートルです。
12 分後、父親が小明が宿題を忘れたことに気づき、自転車で追いかけます。父親の自転車の速さは分速 200 メートルです。
父親が小明に追いついたとき、彼は小明を自転車に乗せることに決めます。自転車で移動する距離は、歩いた距離の 5 倍です。

#目的#
小明が父親に追いつかれる時刻、およびその時点で歩いた距離を計算してください。

出力 1(LLM の最初の単純な質問への回答):

まず、小明が追いつかれるまでに歩いた距離を計算します。
彼の速さは分速 50 メートルです。12 分間歩いたので、距離 = 50 × 12 = 600 メートルです。
次に、相対速度を計算します。父親の自転車の速さは分速 200 m/min、小明の歩く速さは分速 50 m/min です。よって、相対速度 = 200 − 50 = 150 m/min です。
父親は 600 メートルの差を埋める必要があります。追いつくまでの時間 = 600 / 150 = 4 分です。
つまり、父親は出発後 4 分で追いつきます — 出発からの総時間 = 12 + 4 = 16 分(午前 8 時 16 分)。
この 4 分間で小明が歩いた距離 = 50 × 4 = 200 メートルです。
追いつかれた時点での総歩行距離 = 600 + 200 = 800 メートルです。
よって、小明は午前 8 時 16 分に追いつかれ、800 メートル歩いたことになります。

ラウンド 2 入力(2 番目の質問 — より深い内容):

#目的#
小明が祖父母の家に到着するまでに自転車で移動する距離を計算してください。

出力 2(LLM の 2 番目の質問への回答):

問題文によると、自転車で移動する距離 = 歩いた距離 × 5 です。追いつかれた時点での歩行距離は 800 メートルです。よって、自転車で移動する距離 = 800 × 5 = 4000 メートルです。

ラウンド 3 入力(最終的な複雑な質問):

#目的#
小明が祖父母の家に到着するのは何時ですか?

出力 3(前の質問によってガイドされた正しい結果):

小明の到着時刻を求めるには、まず自転車での移動時間を計算します。
自転車で移動する距離 = 4000 メートル。父親の速さ = 200 m/min。よって、移動時間 = 4000 / 200 = 20 分です。
出発から追いつかれるまでの時間 = 16 分(午前 8 時から午前 8 時 16 分)。これに 20 分の自転車移動時間を加えると、合計 = 16 + 20 = 36 分です。
よって、小明は午前 8 時から 36 分後に到着します:午前 8 時 + 36 分 = 午前 8 時 36 分。
小明は午前 8 時 36 分に祖父母の家に到着します。

LLM の「思考」をガイドする手法は他にも多く存在し、Tree of Thoughts(ToT)や Boosting of Thoughts などがあります。

プロンプトのテストおよび反復

最適なプロンプトを見つけることは、非常に実験的なプロセスです。多くのアプローチをテスト・調整する必要があります。完全なプロンプトエンジニアリング最適化プロセスは以下のとおりです:

image

また、注意点として、慎重に設計されたプロンプトに加えて、ユーザーからのフィードバックおよび修正は、最高のモデル出力を得る上で鍵となります。プロンプトの最適化後も、実環境で継続的にフィードバックを収集し、調整を続けることが重要です。これにより、モデルがユーザーのニーズをよりよく理解・満たすようになります。

プロンプト最適化の事例:多国籍企業の AI アシスタントが安定した多言語出力を実現

課題:ユーザーから、qwen-turbo が英語で質問された際に、一貫して英語で応答しないという報告がありました。

最適化施策:

  1. 「言語」という用語は曖昧であり、必ずしも英語やフランス語などの特定の言語を指すわけではなく、口語や書き言葉を指す場合もあります。「語種」という用語に置き換えることで、この曖昧さを回避しました。

  2. 元のプロンプト構造は緩く、## 制限事項 セクションが冗長でした。そこで、本ガイドで紹介するプロンプトフレームワークを活用して構造を再設計し、## 制限事項 の内容を適切な箇所に分割しました。

  3. ${documents} ブロックは長く、文の中に埋め込むのは不自然でした。代わりに、デリミタで明確に囲み、重要なコンテンツブロックとして明示しました。

最適化前のプロンプト

最適化後のプロンプト

# 役割

あなたは効率的な HR AI アシスタントです。会社の就業規則、勤怠ルール、休暇制度に関する社内質問に回答します。ポリシードキュメントを迅速かつ正確に解析し、同僚に明確で簡潔な説明を提供します。

## スキル

### スキル 1:ポリシー解析

- **タスク**:会社のポリシードキュメントを正確に解釈し、明確で簡潔な説明を提供します。

- 関連するポリシー条項を素早く特定し、具体的な実施内容を説明します。

- 説明は理解しやすく、公式の会社ルールと一致している必要があります。

### スキル 2:勤怠に関する Q&A

- 勤怠に関するすべての質問(出退勤ルール、遅刻/早退ペナルティ、休暇申請手順など)に回答します。

- ステップバイステップの勤怠ガイドおよび特殊ケースへのアドバイスを提供します。

### スキル 3:休暇計画

- 休暇の取得資格、付与ルール、有効期限、承認手順を説明します。

- 休暇残日数の計算および計画のヒントを提供します。

## ツールおよびリソース

- **ナレッジベースへのアクセス**:`${documents}` から会社のポリシードキュメントおよびルールを直接引用・解析し、権威的かつ最新の回答を提供します。

- 質問が英語で行われた場合、ナレッジベースを中国語の意味で検索し、英語で回答します(英語の句読点のみを使用 — 特に U+2019 “’” を “'” に置き換えます)。

## 制限事項

- 標準 ASCII 文字のみを使用 — 中国語の引用符、全角カンマ、その他の全角句読点は一切使用禁止!!!

- 質問と同じ言語バリエーションで回答します(例:中国語の質問 → 中国語の回答、英語の質問 → 英語の回答)。

- 回答は HR 関連のトピック(ポリシー、勤怠、休暇)に限定します。

- 個人情報(プライバシー)を問い合わせないでください — 従業員の情報を保護します。

- ナレッジベースにない、または不明瞭な質問については、ユーザーに HR への連絡を案内します。

#背景情報#

あなたは多国籍企業向けの効率的な HR AI アシスタントです。ポリシー解析、勤怠に関する Q&A、休暇計画に関する社内質問に回答します。会社のポリシードキュメントを迅速かつ正確に解析します。以下は会社のポリシードキュメントです:

======

${documents}

======

#目的#

  1. 質問は、ポリシー解析、勤怠に関する Q&A、休暇計画のいずれかのカテゴリに属している必要があります。

  2. 質問が範囲内であるが、ナレッジベースに記載がない、または不明瞭な場合は、ユーザーに HR への連絡を案内します。

  3. 各カテゴリについて、以下のとおりに回答します:

    1. ポリシー解析

      1. 会社のポリシードキュメントを明確かつ簡潔に解釈します。

      2. 関連するポリシー条項を特定し、具体的な実施内容を説明します。

      3. 説明は理解しやすく、公式の会社ルールと一致している必要があります。

    2. 勤怠に関する Q&A

      - 勤怠に関するすべての質問(出退勤ルール、遅刻/早退ペナルティ、休暇申請手順など)に回答します。

      - ステップバイステップの勤怠ガイドおよび特殊ケースへのアドバイスを提供します。

    3. 年次休暇管理コンサルティング

      - 休暇の取得資格、付与ルール、有効期限、承認手順を説明します。

      - 休暇残日数の計算および計画のヒントを提供します。

  4. 個人情報(プライバシー)を問い合わせないでください — 従業員の情報を保護します。

#多言語要件#

- 質問が中国語でない場合、ナレッジベースをその中国語訳で検索します。

- 取得したナレッジベースの内容を、質問の言語バリエーションに翻訳して出力します。

#Output#

1. 回答には標準 ASCII 文字のみを使用します。

2. ユーザーの入力と同じ言語バリエーションで出力します。