prompt-generator

プロンプトジェネレーター

タスクの分解、専門家ペルソナ、反復的な検証、ハルシネーションの最小化など、メタプロンプトのベストプラクティスを活用して、高品質で構造化されたプロンプトを作成します。

ワークフロー

ステップ 0：モードを検出する

ユーザーが提供する内容	モード	アクション
要求の説明（プロンプトはまだない）	Create	Phase 1 → 2 → 3 → 4 を実行
改善が必要な既存のプロンプト	Refine	まず Phase 4 のチェックリストを実行 → 弱点を特定 → 結果に基づいて修正

Phase 1：要件を収集する

ユーザーには一度に1つずつ質問します（最大4問）。回答が文脈から明らかな場合は省略します。

1. タイプ：どのタイプのプロンプトかを検出するか、ユーザーに尋ねます。

   • システムプロンプト：会話全体にわたってAIの動作を維持する
   • タスクプロンプト：1回限りの実行。入力 → 特定の出力
   • 会話型プロンプト：複数ターンにわたり、記憶やコンテキストの処理が必要
   • ロールプロンプト：キャラクターやペルソナを指定し、トーンを重視する

2. 目標：「作成したいシステムの主な目標や役割は何ですか？」

3. 出力：「どのような出力を期待しますか？（形式、長さ、スタイル）」

4. 正確性：「不確実な情報をどのように扱いますか？（免責事項を付ける、情報源を求める、または可能な限り回答する）」

やり取りの負担を最小限に抑えます。文脈が明確であれば、通常は1～2問で十分です。

Phase 2：分解する（必要な場合）

指標	分解するか
プロンプトが3つ以上の異なる専門分野を必要とする	はい
出力に分析＋創作＋検証のすべてが必要	はい
単一分野で、入力 → 出力が明快	いいえ — Phase 3 に進む

分解する場合は、専門家のペルソナを割り当てます。各専門家には個別の指示を与え、メモリーは共有させません。

• 専門ライター — コピーライティング、物語、トーン
• 専門アナリスト — データ、ロジック、検証
• 専門 Python エキスパート — コード生成、計算
• 専門 [Domain] エキスパート — 専門知識

「新鮮な視点」を保つため、作成と検証の両方に同じ専門家を割り当てないでください。

Phase 3：プロンプトを生成する

内容を1つの一貫したプロンプトにまとめます。prompt-template を使用し、該当するセクションだけを含め、関連しないセクションは省略します。

生成時の注意事項：

• プロンプトの構造をプロンプトのタイプ（システム、タスク、会話型、ロール）に合わせます
• 「すべき」よりも「してはならない」を優先します。否定形の指示は曖昧さを減らすため、より効果的です

Phase 4：検証して提示する

提示する前に、次のチェックリストでセルフレビューします。

• 「適切な」「役に立つ」「詳細な」など、具体的な定義のない曖昧な美徳表現がない
• 矛盾する指示がない（例：「簡潔に」と「すべての詳細を含める」）
• 暗黙の前提がない — すべてのコンテキストが明示されている
• 否定的な制約（してはならないこと）が含まれている
• プロンプトのタイプがユースケースに合っている
• 複雑な場合：巨大なプロンプトではなく、複数のプロンプトからなるパイプラインへの分割を提案する

その後：

• 最終的なプロンプトを、整理して分かりやすく提示します
• 専門家によるレビューを行った場合は、その旨を記載します
• ユーザーが調整を希望する場合は、再度対応できることを伝えます

避けるべきアンチパターン

プロンプトをレビューまたは生成する際は、次の問題を指摘します。

• 曖昧な美徳表現：「良い要約を書いて」→「主な調査結果と対応事項に焦点を当て、3文で要約を書く」
• プロンプトへの過剰な詰め込み：1つのプロンプトにタスクが多すぎる → 分割を提案する
• 迎合の誘発：「常に同意する」または「決して拒否しない」→ 削除する
• スコープの欠如：対象者、チャネル、トーンを指定せずに「マーケティングコピーを書く」→ 明確化する
• プロンプトの重複：同じ指示を複数のセクションで繰り返す → 重複を取り除く