基本の役割、タスク、形式、制約を覚えたら、この10個の高度なテクニックでpromptの制御力をもう一段上げられます。どれも具体例付きなので、そのままコピーして試せます。
最初に前提を1つ。Prompt Engineeringには「最高のテンプレート」はありません。あるのは「今このタスクに最も合う書き方」だけです。同じ種類のタスクでも、モデル、場面、そのときの気分によって、promptの効き方は全然変わってきます。
1. 複数の役割を指定する
役割を1つだけ与えるのではなく、2〜3層に重ねます。
単一の役割：「あなたはSEOコンサルタントです」。AIはSEOの観点で答えますが、文章そのものの品質を見落とすことがあります。
役割を重ねる例：
あなたは次の3つの役割を同時に持っています：
1. シニアSEOコンサルタント。Googleの2026年ランキング要因に詳しい
2. 台湾のテックブロガー。技術を噛み砕いて説明するのが得意
3. 厳しい編集者。不要な形容詞をすべて削る
この3つの役割を総合して、次のタスクを進めてください。こうすると、AIはSEO、読みやすさ、文章の引き締めを同時に見ます。ブログ記事を書くpromptでは、3層の役割がかなり使いやすいです。
2. 指示を分けて送る（Chunking）
長いタスクを一度に詰め込まないこと。2〜3段階に分け、各段階でAIの理解を確認してから次に進みます。
最初の段階では、背景とルールを渡します。
RAGについてのチュートリアル記事を書きたいです。まだ書かないでください。情報は段階的に渡します。
以下はこの記事の想定読者と文体ルールです：
[文体ルールを貼る]
理解したことを確認し、1文で要約してください。AIが理解したと返したら、2段階目で構成と素材を渡します。3段階目で初めて書き始めてもらいます。
この方法はChatGPTで特に効きます。長いpromptだと集中が切れやすいので、段階分けすると各ステップに集中しやすくなります。
3. 例を渡して出力を校正する（Calibration Shot）
本番タスクに入る前に、小さなテストを渡します。
本番タスクに入る前に、以下の例で文体をキャリブレーションしてください：
入力例：「APIとは何ですか？」
出力例：「APIは、2つのソフトウェアがやり取りするための橋渡しです。スマホで天気を見るとき、天気アプリは気象庁のAPIを通じてデータを取得しています。裏側の技術まで理解する必要はありません。まずは、違うシステム同士が情報を交換するための通路だと考えれば大丈夫です。」
この文体で、次の質問に答えてください。1つのキャリブレーション例は、500字の文体説明より効きます。AIは抽象的な説明より、例の中から文体情報をずっと正確に拾います。
4. 終了前にセルフチェックする
書き終わったあと、AI自身にreviewさせます。
上記のタスクが終わったら、次を自分で確認してください：
1. 文字数制限を超えていないか？
2. 次の禁止語を使っていないか：[列挙]
3. 各主張に具体例があるか？
問題があれば、直接修正して最終版だけを出力してください。修正過程は書かなくてよいです。経験談：Claudeはセルフチェックが比較的得意です。promptの最後に自己点検の指示を入れると、品質チェックを1段階追加するような効果があります。
5. 悪い例を提示する（Negative Few-shot）
AIに「こう書かないで」と伝えるときは、悪い例をそのまま貼ります。
以下は悪い出力例です。この文体は避けてください：
悪い例：「AIが急速に進化する時代において、適切なモデルを選ぶことは極めて重要です。ClaudeとChatGPTにはそれぞれ長所と短所があり、前者は長文執筆に強く、後者は創造的な発想で優れた性能を示します。」
問題：冒頭がありきたりすぎる、レポート口調、個人の視点がない、「極めて重要」「長所と短所」のような硬い表現を使っている。
同じ情報を、友だちと話すような口調で言い換えてください。良い例はAIに欲しい方向を教えます。悪い例は避ける方向を教えます。両方を組み合わせると一番安定します。
6. スタイル指示
チャット画面ではモデルのtemperatureを直接調整できませんが、言葉でAIの「創造性の強さ」に影響を与えられます。
正確さが必要なとき：「提供された資料に厳密に基づいて答えてください。推測しないでください。不確かな箇所は『要確認』とマークしてください。」
発想が必要なとき：「大胆に考えてください。普通ではない角度を10個挙げてください。実現可能性は気にしなくてよいです。むしろ突拍子もないほどよいです。」
同じモデルでも、この2種類の指示では出力がかなり変わります。SEOコンテンツのテーマ出しでは「創造モード」、本文を書くときは「正確モード」に切り替えるのが使いやすいです。
7. 構造化入力
prompt自体も構造化して書くと、AIが解析しやすくなります。
# 役割
台湾のAI教育者。政治大学のコンピューターサイエンス修士課程を修了
# タスク
RAG入門をテーマに、1500字のチュートリアル記事を書く
# 読者
- 技術職ではない会社員
- AIは聞いたことがあるが、RAGは使ったことがない
- 年齢は25〜40歳
# 形式
- Markdown
- H2とH3で章を分ける
- 各章は200〜400字
# 制約
- 日本語
- 「わかりやすく」「華麗な変身」のような空疎な表現は使わない
- 1500字を超えないMarkdownの見出しで区切ると、AIは各ブロックの意図をより正確につかめます。すべてを長い1段落に詰め込むより、解釈ミスがかなり減ります。
8. 繰り返し修正
最初の出力に満足できなくても、最初からやり直す必要はありません。具体的な修正指示を出します。
この版では3か所直してください：
1. 2段落目の冒頭がレポートっぽいので、会話調にする
2. 4段落目の例が具体的ではないので、台湾企業の事例に差し替える
3. 全体が均一すぎるので、3段落目は2文だけに短くする
それ以外は変えないでください。最初の出力が気に入らないと、promptを丸ごと消して書き直す人は多いです。でも、今ある出力を土台に直すほうが速いです。AIには前の会話contextも残っているので、修正の方向も合わせやすくなります。
9. 出力形式を固定する
promptの冒頭で、出力形式の骨組みを先に渡します。
次の形式で出力してください：
## [章タイトル]
[核となる考えを1〜2文]
[具体例。引用ブロック形式で]
[こぺんぎんの観察：個人的な気づきを1〜2文]
---
すべての章をこの形式にしてください。全5章です。形式を固定する利点は、AIが同じ構造をかなり安定して繰り返すことです。シリーズ記事、比較表、FAQのように、反復性の高い出力に特に向いています。
10. AIにPromptを生成してもらう
最も高度な技です。AIにpromptを書いてもらいます。
次のタスクをやりたいです：[タスクを説明]
Claudeに最も合うpromptを書いてください。役割設定、タスク説明、形式要件、制約条件を含めてください。
書いたあと、それぞれの部分をなぜそう設計したのかも説明してください。AIが書いたpromptは、人間が一から書くより構造が整っていて、詳しいことが多いです。実際の作業に入る前に、各細部をreviewしてから動き出せます。
Prompt方法論：3つの原則
長く使っていると、私は3つの原則に戻ってきます。
まず実行してから直す。最初から完璧を狙わない。 7割くらいの完成度のpromptを書き、一度実行して結果を見ます。そのうえで気に入らない部分を直します。30分かけて「完璧なprompt」を書こうとするより効率的です。
promptは生き物なので、よく使うpromptやpromptライブラリは定期的に更新する。 モデルは更新されます。同じpromptでも、Claude Opusのバージョンが変わると効き方が違うことがあります。promptライブラリは1〜2か月に一度reviewし、古いものを消し、効果が落ちたものを直すのがおすすめです。
失敗を記録する。 AIの出力が期待と大きくずれたときは、どこで問題が起きたのか、どう直したのかを記録します。踏んだ失敗が積み上がるほど、いちばん価値のあるprompt経験になります。
よくある失敗
最後に、よくある失敗を3つ。
役割を詰め込みすぎる。 3層の役割は効きますが、8層になると混乱します。AIは誰の指示を優先すればよいかわからなくなり、出力の方向が割れます。上限は3層です。
制約条件が矛盾している。 「創造的に」と「例の形式に厳密に従って」を一緒に置くと、AIは詰まります。発想系のタスクでは形式制約を緩め、正確さが必要なタスクでは創造の余地を狭めます。両方を同時に強く求めないことです。
モデル差を無視する。 Claudeでとてもよく動くpromptをChatGPTに投げると、品質が6割くらいになることがあります。モデルごとに性格が違うので、よく使うモデルごとに別バージョンを持つ価値があります。モデル差は Claude vs ChatGPT と Gemini vs ChatGPT に整理しています。
この記事の10個のテクニックを一度に全部覚える必要はありません。仕事に近いものを2〜3個選び、まず使ってみてください。その2〜3個が反射的に使えるようになったら、残りに戻れば十分です。基本構造は Prompt完全ガイド から始めても大丈夫です。
私の実感
私は固定で使っているpromptライブラリを持っています。主に画像生成用で、長く蓄積してきた定番テンプレート集です。安定して使える結果を出せるpromptを見つけたら、分類して保存します。次に似たタスクが来たときは、それを取り出して数語だけ直します。
実務上、私が調べた範囲でいちばんよく使われているのは、「ロールの重ねがけ + 構造化入力 + セルフチェック」の3点セットです。ブログ記事を書くときは、その領域のコンサルタント、平易な言葉に訳す人、厳しい編集者という3層の役割を重ねます。promptはMarkdownで区切って明確にし、最後にAI自身へ禁止語と文字数のチェックをさせます。この組み合わせは、1本の記事を安定して仕上げる成功率が最も高いです。
モデル差でいうと、Claudeは長いルールや禁止語リストを守る力が一番安定しています。十数個の禁止語を列挙してもかなり避けてくれます。ChatGPTはリストが長いと選択的に無視し始めるので、Few-shot例で文体を固定するほうが効きます。Geminiは大量データを扱う長いcontextのタスクに向いていますが、中国語関連の機能制限には注意が必要です。機能によっては、英語promptに切り替えたほうが動くことがあります。
私は1〜2か月に一度、promptライブラリをreviewします。モデルのバージョンが変わると、同じpromptでも効果が変わります。時間を取ってメンテナンスしないと、promptライブラリは古いテンプレートの山になります。
関連記事
よくある質問
Q: 高度なpromptテクニックは基礎と何が違いますか？
基礎は、役割、タスク、形式、制約という4要素を組み合わせることです。高度なpromptでは、その上に戦略を足します。たとえば例で文体を合わせる、タスクを段階に分ける、AIにセルフチェックさせる、といった方法です。違いは、どこまで細かく結果を制御できるかです。
Q: これらのテクニックはどのAIモデルにも使えますか？
大きな方向性は共通ですが、効果は違います。Claudeは長いルールや制約条件への反応が最も安定しています。ChatGPTは例から学ぶFew-shotに敏感です。Geminiは大量データと検索を組み合わせる用途に向いています。本文では各テクニックに合うモデルも触れます。
Q: 習得にはどのくらい時間がかかりますか？
各テクニックは、例を読めばだいたい5分で理解できます。ただ、自然に使えるようにするには、自分で例を直して何度か実行し、モデルの反応パターンをつかむ必要があります。よく使うものなら、1〜2週間ほどで習慣になります。
Q: promptを長く書くと文字数制限を超えませんか？
2026年の主要モデルはcontext windowがかなり大きいです。Claudeは200K tokens、Geminiは100万tokensなので、長いpromptは技術的には問題ありません。大事なのは長いかどうかではなく、その長さに意味があるかです。
Q: おすすめのprompt練習法はありますか？
いちばん効くのは、日常業務の中にある本物のタスクを1つ選び、promptを書いて一度実行し、結果の不満点を見てpromptを直し、もう一度実行することです。このループを10回回すほうが、教材を読むより早く身につきます。
— Penchan