prompt-engineering

prompt-engineering

目的

このスキルを使うと、OpenClaw で AI モデル向けのプロンプトを作成、最適化し、テキスト生成、分類、コード補完などのタスクにおける出力の品質、正確性、効率を向上させることができます。Chain-of-thought プロンプティングや少数例学習などの手法を用いて、LLM とのやり取りを微調整します。

使用するタイミング

曖昧な応答、ハルシネーション、NLP タスクでの低い性能など、AI の出力が最適でない場合にこのスキルを使用します。モデルのファインチューニング、AI の動作のデバッグ、チャットボットや自動コンテンツ生成ツールなどのアプリケーションへのプロンプトの統合にも適用できます。

主な機能

• 動的に再利用できる変数（例：{input_text}）を含むプロンプトテンプレートを生成します。
• 組み込みのアナライザーを使用し、パープレキシティや応答の長さなどの指標でプロンプトを最適化します。
• アダプターを介して GPT-4 や BERT などの人気モデルをサポートします。
• 反復的な改善：フィードバックループに基づいて、バリエーションを自動的に提案します。
• 提供された埋め込みヒントを使用した意味的類似性チェックのために、埋め込みサービスと統合できます。

使用パターン

常に基本のプロンプトから始め、反復的に改善します。1）プロンプトの構造を定義する、2）サンプル入力でテストする、3）出力を分析する、4）最適化フラグを使用して改善する、という手順です。CLI では、openclaw prompt create に続けて openclaw prompt test などのコマンドを連結します。コードでは、プロンプトを関数でラップしてモジュール化し、再利用します。複雑な設定には JSON 設定ファイルを使用します。たとえば、"model": "gpt-4" と "temperature": 0.7 を指定します。

主なコマンド／API

簡単な操作には OpenClaw CLI を使用します。環境変数 $OPENCLAW_API_KEY を使って認証します。API の場合は、JSON ペイロードを指定して https://api.openclaw.ai/v1/prompts にリクエストを送信します。

• CLI コマンド：プロンプトを作成する
  openclaw prompt create --name myPrompt --template "Summarize {text} in 50 words" --model gpt-4
  再利用可能なプロンプトテンプレートを生成します。

• CLI コマンド：プロンプトをテストして最適化する
  openclaw prompt test --prompt-id 123 --input "Long article text here" --optimize perplexity
  プロンプトを実行し、指定された指標に基づいて最適化を適用します。

• API エンドポイント：プロンプトを作成する（/v1/prompts に POST）
  ヘッダー：Authorization: Bearer $OPENCLAW_API_KEY
  本文：{"name": "myPrompt", "template": "Translate {text} to French", "model": "gpt-4"}
  レスポンスには、今後参照するためのプロンプト ID が含まれます。

• コードスニペット：Python で基本的なプロンプトを実行する

  import openclaw  
  client = openclaw.Client(api_key=os.environ['OPENCLAW_API_KEY'])  
  response = client.prompts.execute(prompt_id='123', input_data={'text': 'Hello world'})
  

統合に関する注意事項

このスキルを統合するには、プロンプトを他の OpenClaw スキルや外部ツールに読み込みます。たとえば、次のようにワークフロー設定ファイルでプロンプト ID を参照します。
{ "skill": "prompt-engineering", "prompt_id": "123", "dependencies": ["aimlops/data-processing"] }
Hugging Face などのサービスと組み合わせる場合は、関連するベクトルを照合するため、クエリに埋め込みヒントを使用します。例："embedding_hint": "prompt engineering ai ml nlp optimization" を渡します。サービス間の呼び出しに必要な API キーは、環境変数（例：$HUGGINGFACE_API_KEY）として設定してください。インジェクションのリスクを防ぐため、プロンプトの出力は常にスキーマに照らして検証してください。

エラー処理

一般的なエラーには、認証の失敗（例：401 Unauthorized。$OPENCLAW_API_KEY が設定され、有効であることを確認してください）、無効なプロンプト構造（例：変数の不足。openclaw prompt validate --id 123 を実行して確認してください）、モデルのタイムアウト（例：レート制限。指数バックオフを使って再試行してください）などがあります。API エラーの場合は、レスポンス JSON を解析して "error_code": "INVALID_TEMPLATE" などのコードを確認し、テンプレート文字列を編集して修正します。コードでは、呼び出しを try-except ブロックで囲みます。

try:  
    response = client.prompts.execute(...)  
except openclaw.errors.AuthenticationError:  
    print("Set $OPENCLAW_API_KEY and retry")

具体的な使用例

1. テキスト要約プロンプト：記事を要約するには、次のプロンプトを作成します：openclaw prompt create --name summaryPrompt --template "Summarize the following text: {text} in under 100 words" --model gpt-4。次にテストします：openclaw prompt test --prompt-id <returned_id> --input "This is a long article about AI..."。簡潔な要約が生成されます。出力が冗長すぎる場合は、--optimize length を追加して調整します。

2. コード生成プロンプト：Python 関数を生成するには、次を使用します：openclaw prompt create --name codePrompt --template "Write a Python function that {task_description}" --model gpt-4。次のコマンドで実行します：openclaw prompt test --prompt-id <id> --input "sorts a list of numbers"。構文エラーがないか確認し、--template "Write secure Python function that {task_description}" のようなバリエーションで再実行して安全性を高め、調整します。

グラフの関係

• 関連するクラスター：aimlops（例：data-processing および model-training スキルと依存関係を共有します）。
• タグによる接続：ai（一般的な AI ツールに関連します）、ml（機械学習のワークフローと統合します）、nlp（言語タスクと直接関連します）、prompts（プロンプト最適化スキルとの中核的な関係です）。
• 埋め込みによる関係：意味的なリンクに埋め込みヒントを使用します。たとえば、ベクトルベースのプロンプト強化では nlp-processing スキルにリンクします。