mcpField
P
prompt-engineering

prompt-engineering

github.com/nickcrewエージェントワークフロー6272 回インストール18 週間前に更新
リポジトリ

prompt-engineering について

LLM機能、エージェント、アシスタントを開発する人向けのプロンプトエンジニアリングスキルです。構造化設計、合成テストデータの生成、反復評価を扱い、完成したプロンプトの提示を求めます。

主な機能

  1. 01構造化プロンプト設計
  2. 02LLM横断のプロンプト最適化
  3. 03合成テストデータ生成
  4. 04エッジケースの評価
  5. 05プロンプトチェーンとパイプライン

活用シーン

  1. 01エージェントのシステムプロンプト改善
  2. 02サポートチケットからの構造化データ抽出
  3. 03分類プロンプトのテスト
  4. 04多段階の文書分析チェーン設計

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/nickcrew/claude-cortex --skill prompt-engineering

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

同梱ファイルreferences/synthetic-data.mdreferences/techniques.md

詳細

プロンプトエンジニアリング

LLM 全体で信頼性の高い出力を実現するプロンプトを作成、テスト、改善します。プロンプト最適化の手法、構造化されたプロンプト設計、合成テストデータの生成、評価方法を扱います。

このスキルを使用する場面

  • AI を活用した機能のプロンプトを作成または最適化する
  • エージェントやアシスタントのシステムプロンプトを作成する
  • LLM 出力の信頼性と一貫性を高める
  • プロンプトの動作を検証するための合成テストデータを生成する
  • エッジケースを含めてプロンプトの性能を評価する
  • プロンプトチェーンとパイプラインを設計する

クイックリファレンス

タスク参照先
プロンプトの手法とパターンskills/prompt-engineering/references/techniques.md
合成テストデータの生成skills/prompt-engineering/references/synthetic-data.md

ワークフロー

  1. 調査:ユースケース、制約、評価基準を収集します。既存のプロンプトとモデルの挙動を監査します。
  2. 設計:例、制約、評価フックを含む構造化されたプロンプトを作成します。実験と測定の方針を計画します。
  3. テストデータの生成:プロンプトの変数を分析し、プロンプトを検証するための多様で現実的なテストケースを生成します。
  4. 検証:プロンプトを試行し、出力を記録して、調整内容を文書化します。品質基準を満たすまで繰り返します。
  5. 納品:最終的なプロンプトを、使用方法のガイダンスと評価結果とともに引き渡します。

基本原則

プロンプトを作成する際は、必ずプロンプトの全文を、明確にラベル付けしたセクションに表示してください。プロンプトを示さずに説明することは避けてください。プロンプトはコピー可能で、単独で利用できる必要があります。

成果物チェックリスト

プロンプトエンジニアリングのすべてのタスクで、次の成果物を作成してください。

  • プロンプト全文(適切に書式設定してすべて表示)
  • 設計上の選択と使用した手法の説明
  • 使用ガイドライン(モデル、温度、パラメーター)
  • 期待される出力例
  • 正常系、エッジケース、敵対的な入力を網羅するテストケース

やり取りの例

  • 「コードレビューエージェント用のシステムプロンプトを最適化してください」
  • 「サポートチケットから構造化データを抽出するプロンプトを作成してください」
  • 「この分類プロンプトを検証するテストケースを生成してください」
  • 「複数ステップの文書分析用にプロンプトチェーンを設計してください」
  • 「この要約プロンプトの一貫性を高めてください」

コメント