カスタム指示とメモリ:役立つ標準設定と、確認した背景情報

機微情報を含まない安定した標準設定とメモリを選び、保持される内容を確認し、作業が変わったら古い背景情報を見直します。

あなたが行えること

カスタム指示には機微情報を含まず継続して使える標準設定を、メモリには保存されても問題ない事実だけを残します。両方を定期的に確認し、タスクが変わったら上書きしてください。

このブラウザのみに保存されます。
この記事の目次

好みを保存するのは、それが安定していて役に立ち、保持に適している場合です。一度だけ使うプロジェクトの事実は、その作業の中にとどめます。メモリを有効にする前に、将来の会話で何を再利用してよいか決めてください。

カスタム指示、メモリ、プロジェクトの背景情報、学習への利用設定、削除機能は、それぞれ別の役割を持ちます。製品間で名前が似ていても、動作、アクセス範囲、保持ルールが同じとは限りません。

背景情報を適切な場所に置く

情報出発点として適した場所確認すること
継続して使う回答の好みカスタム指示標準設定なのか、他の作業を妨げる絶対条件なのか
再利用する低リスクの個人的な背景パーソナライズを望む場合の任意のメモリ保存される内容、情報源、修正方法
1つのプロジェクトの指示と資料承認されたプロジェクト/ワークスペース範囲、メンバー、資料の版、共有
一時的な作業の事実現在の作業そもそも保持する必要があるか
機密情報や機微情報明示的に承認された処理経路のみ送信前の許可、必要性、アクセス、保持

プロジェクトのフォルダーは、セキュリティ上の境界がある証拠ではありません。仕事用のメールアドレスも、すべてのデータ区分が承認されている証拠にはなりません。設定を学ぶ間は架空の資料から始めます。

試せる標準設定を2つ決める

たとえば、次のように書きます。

作業に表や別の形式が必要な場合を除き、短い段落を使ってください。
与えられた事実と不確実性を保ってください。欠けている日付、場所、約束を
作らず、情報不足で作業を完了できない場合は質問してください。

これは回答方法の指示であり、自分の人生についての事実ではありません。明快な文章を得るだけのために、勤務先名、顧客の詳細、個人の経歴を保存せずに済みます。OpenAIのカスタム指示の文書で機能を確認し、古い画面画像ではなく、自分のアカウントの現在の設定を使ってください。

「不確実性を一切示さない」と「不確実性を正確に示す」を並べないでください。「不要な表現を省きつつ、必要な条件や留保は残す」とします。標準設定が特定の作業を損なうなら、明示的に別の指示を出し、結果が変わったか確認します。

会場未定のテスト

次は作成された教材例です。保存済みのChatGPT設定を実際に試した記録ではありません。

元のメモ:ワークショップは金曜日です。会場は未定です。
作業:このメモだけを使って、短い招待文を書いてください。

確認済みの回答例:

「金曜日のワークショップにぜひご参加ください。会場はまだ決まっていません。」

決まっている曜日と、決まっていない会場を保っています。「10時にスタジオへお越しください」は、2つの情報を作り足します。「住所は明日お送りします」も、親切に聞こえますが、約束を作り足しています。

次は別の形式を試します。カレンダー用の1行の説明を依頼してください。短い段落という標準設定が、1行の回答を妨げてはいけません。続いて、無関係な架空の作業を始め、ワークショップの背景が混入していないか確かめます。こうした観察は役立ちますが、1回の成功で今後すべての回答が標準設定に従うとは証明できません。

メモリは別に調べる

OpenAIのメモリの文書は、パーソナライズと利用可能な設定を説明しています。現在のアカウントで何が提供されているか調べ、古い背景情報を修正し、関連する情報源ごとの最新の削除手順に従ってください。記憶内容の要約は、保持されたすべてのチャット、ファイル、接続先を確認した証拠にはなりません。

パーソナライズを無効にする、会話を削除する、モデルの学習への利用を無効にするのは、別々の操作です。学習設定はData Controls FAQで確認します。学習のスイッチを見つけたからといって、機微情報をメモリに入れないでください。

一時チャットにも、独自のモードと保持ルールがあります。選んだモードが既存のパーソナライズを使うか、保存するとどうなるか確認します。「一時的」を、処理されない、保持される可能性がない、機密情報を共有してよい、という意味に解釈しないでください。

プロジェクトを管理しやすくする

共有する許可がある資料を使う、まとまりのある作業にプロジェクト指示を使います。ClaudeのProjects文書で背景情報の扱いを確認し、ファイル追加前に実際のワークスペースの公開範囲とメンバーを調べてください。

現在の事実、どの資料がどれに優先するか、管理する人を記録します。役割、プロジェクト、方針が変わったら古い背景情報を削除または修正します。指示が繰り返し無視されるなら、未検証のルールを増やし続けるのではなく、作業手順を見直してください。

コンテキストの練習で、通常のプロンプトと標準設定を含むものを比べます。役に立つ指示を残し、将来本当に再利用したい背景情報だけを保持しましょう。

次を読む

次の実践的な記事で同じ学習パスを続けてください。

さらに深く学ぶ

このトピックについてさらに詳しく学べる、厳選された外部コースです。

Coursera · Vanderbilt University

Prompt Engineering for ChatGPT

Dr. Jules White

DeepLearning.AIの短期講座を学術面から補完する講座です。同じ分野をより長い時間をかけ、コーディングをしない人向けに教えます。Dr. Whiteは、プロンプト作成を小技ではなく、再利用可能なパターン(Ask for Input、Outline Expansion、Fact Check List、Menu Actions)として解説します。修了後は、当てずっぽうではなく、設計者のようにLLMへのプロンプトを作成できるようになります。

初心者約18時間確認済み 8日前
DeepLearning.AI

ChatGPT Prompt Engineering for Developers

Isa Fulford · Andrew Ng

90分で1年分の勘所を学べます。LLMを呼び出すコードを書き始めた人、またはこれから書こうとしている人にとって、「ChatGPTを試す」段階と「LLMを呼び出す機能をリリースする」段階の差を埋める、オンラインで最も効率的な講座です。

中級者約1.5時間確認済み 8日前
Microsoft Learn

Work Smarter with AI: Craft Effective Prompts for Microsoft Copilot

Microsoft Learn

Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.

中級者~1h 5m · self-paced確認済み 8日前

プロンプトエンジニアリングのすべてのコースを確認