Blank white background with no objects or features visible.

EMEAの皆様へ。TrueFoundryは、ヨーロッパ、中東、アフリカ全域で事業を拡大しています。詳細はこちら →

プロンプトエンジニアリング:LLMとの対話方法を学ぶ

By Abhishek Choudhary

Updated: November 3, 2026

Published: July 2, 2026

ChatGPT / OpenAIをはじめとする大規模言語モデル(LLM)の登場は、世界に革命をもたらし、過去10年間における最も重要な技術的進歩の1つとなっています。AIの支援により、かつては平凡で時間の払払っていた多くの日常業務を自動化できるようになりました。しかし、この技術の可能性を最大限に活用するには、それを効果的に使用する方法を理解することが不可欠です。

AIが登場する前は、マシンに指示を与える唯一の手段はプログラミング言語でした。しかし、大規模言語モデル(LLM)の出現により、現在ではプレーンでシンプルな英語を使うだけで、多くのことを成し遂げられるようになりました。この記事は、私がこのエキサイティングな分野について学びながら、さまざまな情報源からまとめたものです。このブログが、皆さんのプロンプトエンジニアリングの理解にかかる時間を短縮するのに役立つことを願っています。

例えば、OpenAI Playgroundで次のように入力したとします。

What is 965*590?

回答は不正確で、実行するたびに少しずつ異なります。しかし、指示を次のように修正し、temperatureを0に設定すると、正確な回答が得られる可能性が高くなります。

What is 965*590? Make sure your answer is exactly correct:

AIに思い通りの動作をさせるためにプロンプトを修正するこの技術は、プロンプトエンジニアリングと呼ばれます。OpenAIから回答を得るだけでなく、AIを使ってアクションを実行させることも可能です。これにより、現実世界の多くの操作を自動化する可能性が広がります。

AIを使ってタスクを完了させるためのいくつかの方法を以下に紹介します。

行いたいことの例をモデルに提供する(Few-shot prompting)

例を添えてモデルに明確な指示を与えます。提供する例の数に応じて、0-shot prompting、1-shot prompting、あるいはfew-shot promptingと呼ばれます。例の数が多ければ多いほど、モデルの出力精度は向上します。また、few-shot promptingを使用して、モデルにどのフォーマットで出力を返すべきかを指定することもできます。

0-shot prompting
2+2=
1-shot prompting
2+2=4
3+3=
few-shot prompting
2+3=5
10+30=40
3+1=4
1+11=

以下は、ツイートをポジティブかネガティブかに分類するためにfew-shotプロンプトを使用する例です。

Twitter is a social media platform where users can post short messages called "tweets". Tweets can be positive or negative, and we would like to be able to classify tweets as positive or negative. Here are some examples of positive and negative tweets. Make sure to classify the last tweet correctly.

Q: Tweet: "What a beautiful day!" Is this tweet positive or negative?
A: positive

Q: Tweet: "I hate this class" Is this tweet positive or negative?
A: negative

Q: Tweet: "I love pockets on jeans"
A:

例の中で推論プロセスをモデルに説明する(Chain of Thought Prompting)

次のようなプロンプトを提供したとします。

Prompt:
Which is a faster way to get to work?
Option 1: Take a 1000 minute bus, then a half hour train, and finally a 10 minute bike ride.
Option 2: Take an 800 minute bus, then an hour train, and finally a 30 minute bike ride.

Output:
Option 1 is a faster way to get to work.

ご覧の通り、出力は明らかに間違っています。しかし、論理的思考をAIに説明することで、正しい回答を導き出すことができます。

Which is a faster way to get home?
Option 1: Take an 10 minutes bus, then an 40 minute bus, and finally a 10 minute train.
Option 2: Take a 90 minutes train, then a 45 minute bike ride, and finally a 10 minute bus.
Option 1 will take 10+40+10 = 60 minutes.
Option 2 will take 90+45+10=145 minutes.
Since Option 1 takes 60 minutes and Option 2 takes 145 minutes, Option 1 is faster.

Which is a faster way to get to work?
Option 1: Take a 1000 minute bus, then a half hour train, and finally a 10 minute bike ride.
Option 2: Take an 800 minute bus, then an hour train, and finally a 30 minute bike ride.

Output:
Option 1 will take 1000+30+10 = 1040 minutes.Option 2 will take 800+60+30 = 890 minutes.Since Option 1 takes 1040 minutes and Option 2 takes 890 minutes, Option 2 is faster.

独自のナレッジベースをChatGPTに与える

自社のナレッジベースに関する情報をChatGPTに提供することで、その情報に関連する質問に回答させることができます。これは、自社データに基づいてチャットボットを構築しようとしている場合に特に便利です。情報はコンテキストとして渡すことができます。ただし、GPT-3のようなLLMには最大プロンプトサイズが約4k tokensであるという制限があり、ChatGPTのコンテキストに直接大量の情報を入力することはできません。

これに対する解決策として、まずナレッジベース内のドキュメントをインデックス化する方法が挙げられます。次に、プロンプトに応じてインデックスから関連ドキュメントを検索・取得し、検索によって取得された情報の一部に基づいてChatGPTに質問へ回答させます。これは基本的にセマンティック検索を使用し、取得した関連情報をコンテキストに含めてモデルにプロンプトを与える手法です。検索ベースのLLMワークフローにおいて優れたプロンプトエンジニアリングツールとされるHaystackやLangChainなど、多くのライブラリがこれを可能にします。

LLMにツールを統合してアクションを実行させる(ReAct)

LLMに複数のツールを提供してアクションを実行させ、希望する目標を達成するためにそれらのツールと対話する適切な方法をLLM自身に決定させることができます。

これはReason and Actパラダイム(ReAct)と呼ばれ、MRKLシステム(Modular Reasoning, Knowledge and Language、発音は「ミラクル」)の高度なバージョンと言えます。

まず例を挙げてMRKLを説明しましょう。計算を実行するためにGoogle Calculatorを呼び出すAPIがあるとします。数学的に正しい数式はGoogleが回答できる内容ですが、自然言語のクエリは回答できないことを私たちは知っています。そこで、以下のようなプロンプトがあるとします。

What is 20 times 5^6?

Google Calculatorが理解できる形式で数式を出力するようLLMに指示できます。したがって、この場合のプロンプトは次のようになります。

Translate the math problem below to a format that Google calculator can understand.

What is 20 times 5^6

同様に、LLMを使用して自然言語で記述されたアクションを既存のAPIが理解できる表現に変換できます。サードパーティ製APIを統合し、チャットインターフェースからそれらと対話することは、ChatGPTのプラグインシステムによってシンプルになりました。これについてはこちらで詳しく読むことができます。

究極の体験の例

  1. "ペパロニピザを作るための材料を注文して。" ChatGPTは必要な材料を自動的に識別し、オンラインスーパーマーケットに注文を出すことができます。
  2. "午後8時にカレンダーへイベントを追加して。" このプロンプトは、カレンダーアプリケーションへのCURLリクエストに変換され、(プラグイン経由または手動で)実行されて、カレンダーアプリに実際のイベントを作成します。
  3. "このCSVファイルで動作し、モデルの予測価格を出力するモデルをトレーニングする必要があります。" このプロンプトは、MLモデルのトレーニングコードを自動生成し、コーディング環境にコピー&ペーストするか適切なプラグインを使用することで、実際のモデルトレーニングを実行できます。

   商用利用可能な大規模言語モデルをデプロイ

参考資料:

  1. https://learnprompting.org/docs (プロンプトエンジニアリングをさらに深く掘り下げたい場合に素晴らしいリソースです)。本記事のすべての例はここから参照されています。
  2. https://til.simonwillison.net/llms/python-react-pattern

ご相談・お問い合わせ

LLMプロジェクトからの投資対効果を最大化し、ビジネスでAIを適切に活用したいとお考えでしたら、ぜひ情報交換をさせてください。

お問い合わせはこちら

TrueFoundryが5分でLLMをデプロイするのをどのように支援するかをご覧ください:

‍

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Start free
Table of Contents

One Gateway for Every LLM, Agent and MCP Server

Book a 30-min with our AI expert

Book a Demo

The fastest way to build, govern and scale your AI

Book Demo
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Discover More

August 26, 2026
|
5 min read

Gemini 3 Pro:ベンチマークとGateway経由での利用方法

July 20, 2023
|
5 min read

LLMOps CoE: MLOpsランドスケープにおける次のフロンティア

May 25, 2023
|
5 min read

オープンソースLLM:受け入れるか、淘汰されるか

August 27, 2025
|
5 min read

オンプレミスAI市場のマッピング:チップからコントロールプレーンまで

Guide to Langgraph vs Langchain
November 16, 2026
|
5 min read

LangChain vs LangGraph:どちらが最適か?

比較
A detailed guide on Claude Fable 5
November 16, 2026
|
5 min read

Claude Fable 5: API、ベンチマーク、料金、使い方

エンジニアリングとプロダクト
openrouter vs litellm
November 16, 2026
|
5 min read

LiteLLMとOpenRouter:あなたに最適なのはどちらか?

比較
November 16, 2026
|
5 min read

大規模言語モデルにおけるトランスフォーマーアーキテクチャ

LLM用語
No items found.

Recent Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Take a quick product tour
Start Product Tour
Product Tour