mcpField
M
meta-prompt

meta-prompt

github.com/mindrallyエージェントワークフロー287696 回インストール3 週間前に更新
リポジトリ

meta-prompt について

AIの回答評価と質疑応答の軌跡分析に使うメタプロンプト集です。採点基準や構造化された振り返り項目、レビューと分析のためのプロンプトパターンを備えています。

主な機能

  1. 01回答品質の採点
  2. 02構造化された回答の振り返り
  3. 03解決軌跡の分析
  4. 04プロンプトエンジニアリングのパターン
  5. 05品質と軌跡の評価基準

活用シーン

  1. 01AIが生成した回答のレビュー
  2. 02タスク解決の成否の評価
  3. 03質疑応答の手順分析

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/mindrally/skills --skill meta-prompt

インストール後、Claude Code で/meta-promptを入力して読み込まれたか確認します。

詳細

メタプロンプト

AI の応答と解決までの道筋を評価・分析するためのメタプロンプト手法集です。

応答品質評価ツール

応答の品質を批評・振り返るためのフレームワークです。スコアを付け、応答が質問やタスクを完全に解決したかどうかを示します。

評価項目

Reflections：応答の十分性、冗長性、全体的な品質に関する批評と振り返りです。

Score：候補となる応答の品質を 0～10 で評価したスコアです。

Found_solution：応答が質問やタスクを完全に解決したかどうかです。

評価基準

応答を評価する際は、以下の点を考慮してください。

  1. 正確性：応答は質問やタスクに正しく対応していますか？
  2. 網羅性：質問やタスクのあらゆる側面を網羅していますか？
  3. 明確さ：応答は明確で理解しやすいですか？
  4. 簡潔さ：重要な詳細を損なうことなく、適切に簡潔にまとめられていますか？
  5. 関連性：応答は質問やタスクから逸れていませんか？

これらの側面や、その他関連する要素について、熟考した振り返りを提示してください。スコアで全体的な品質を示し、質問に完全に対応している場合、またはタスクを完了している場合に限り、found_solution を true に設定してください。

使用例
reflections: "The response was clear and concise, addressing the main question effectively. However, it could have provided more context on edge cases."
score: 8
found_solution: true

質疑応答の軌跡分析ツール

質疑応答タスクの解決までの道筋を分析するためのガイドラインです。

軌跡の構成要素

Observations：意思決定の文脈となる、現在の状況に関する環境情報です。

Thoughts：現在の状況について推論し、観察した内容を分析して次のステップを計画します。

Actions：タスクの解決に向けて進めるために実行したステップです。

アクションの種類

Search[entity]：指定したエンティティを検索し、該当する場合は関連情報を返します。該当しない場合は、類似するエンティティの候補を提示します。

Lookup[keyword]：キーワードを含む、次に関連する文章を返します。取得済みのコンテンツから特定の情報を見つけるために使用します。

Finish[answer]：回答を返してタスクを終了します。確定的な回答を提示するために十分な情報が集まった場合に使用します。

分析ガイドライン

軌跡を分析する際は、以下の点を確認してください。

  1. 各観察が有用な情報を提供しているか評価する
  2. 思考が論理的な推論を示しているか評価する
  3. 現在の状況に対してアクションが適切か判断する
  4. 軌跡の正確性を 1～10 で評価する
  5. 軌跡が不完全な場合も、推論の妥当性を評価する
  6. 追加のステップを生成せず、提示された内容のみを分析する

プロンプトエンジニアリングのパターン

思考の連鎖

モデルを段階的な推論に導きます。

Let's approach this step by step:
1. First, identify the key components
2. Then, analyze each component
3. Finally, synthesize the findings
少数例学習

パターンを確立するために例を提示します。

Example 1: [input] -> [output]
Example 2: [input] -> [output]
Now apply this pattern to: [new input]
自己整合性

複数の推論経路を生成し、最も整合性の高い回答を選択します。

振り返りプロンプト

自己批評を促します。

Review your response and identify:
- Any potential errors or oversights
- Areas that could be explained more clearly
- Missing information that would strengthen the answer

品質指標

応答の採点基準
  • 10：完璧な応答。すべての側面に対応し、非常に明確です
  • 8-9：優れた応答。わずかな改善の余地があります
  • 6-7：要点には対応していますが、内容がやや浅い応答です
  • 4-5：大きな抜けや不明瞭な説明がある、まずまずの応答です
  • 2-3：重要な側面を見落とす、または誤りを含む、質の低い応答です
  • 0-1：質問に対応できていない、または完全に誤った応答です
軌跡の採点
  • 10：効率的かつ論理的な、最適な道筋です
  • 7-9：わずかな非効率性はあるものの、良好な道筋です
  • 4-6：許容できる道筋ですが、不要なステップや機会の見落としがあります
  • 1-3：根本的な推論の誤りがある、質の低い道筋です

コメント

Markdown 対応