高度なプロンプト
推論プロンプト、再利用可能なライブラリ、コンテキスト設計、本番向けプロンプト層。
22件のコンテンツ (記事8件 · 動画14件)
ここから開始
一覧を見る前に、まずおすすめのコンテンツをいくつかご覧ください。
11 分の読書再利用可能なプロンプトライブラリの構築：スニペットから共有テンプレートへ
AIを本格的に使い始めると、同じようなプロンプトを何度も書くようになります。プロンプトライブラリを構築・整理・共有するための実践的な仕組みを、記録すべき内容、バージョン管理の方法、利用するインフラまで含めて解説します。
中級者
10 分の読書推論モデル向けプロンプトエンジニアリング（o3、R1、Claude extended thinking）
推論モデルは、単に手順を追加した高速モデルではありません。異なる指示方法で力を発揮し、従来のパターンの一部は無視され、独自の落とし穴もあります。推論モデルを効果的に使うための実践ガイドです。
中級者
12 分の読書コンテキストエンジニアリング：コンテキスト劣化を避けて100万トークンのウィンドウを管理する
100万トークンのコンテキストウィンドウは実現していますが、品質は上限に達するはるか前から低下します。コンテキストエンジニアリングとは、何を含め、何を要約し、何を新たに検索するかを決め、コンテキストが増えても高い品質を維持するパターンを適用することで、コンテキストウィンドウを効果的に使うための規律です。
上級者このトピックの他の記事
10 分の読書思考の連鎖、自己批評、思考の木 — それぞれを使う場面
難しい問題でAIの出力を実際に改善する3つの推論手法と、それらを使う際の費用対効果を解説します。具体的なプロンプト、並列比較、最新の推論モデル特有の注意点も紹介します。
中級者
12 分の読書プロンプティング、RAG、ファインチューニングの選び方（および組み合わせるべき場面）
プロンプティング、RAG、ファインチューニングは、LLMを課題に適応させるための3つの大きな手段です。それぞれに適した課題と適さない課題があります。選択のためのフレームワーク、各手法の現実的なコスト、そして組み合わせることで効果を発揮する本番パターンを解説します。
上級者
12 分の読書本番環境向けプロンプトの設計：system、developer、userの各層
本番環境のプロンプトは、「AIに要望を伝える」だけのものではありません。安定した指示、動的コンテキスト、呼び出しごとの変数からなる多層システムであり、コードのように管理します。本番環境とプロトタイプを分けるアーキテクチャ、パターン、規律を解説します。
上級者
7 分の読書タスクに適したモデルの選び方：2026年版クイック判断ガイド
タスクの種類ごとに、どのモデルを選ぶべきかを解説します。GPT、Claude、Gemini、推論モデル、オープンウェイトモデルを、それぞれが実際に得意とする用途別に整理し、簡単な判断基準を示します。
初心者
13 分の読書構造化出力と関数呼び出し：本番運用のパターン
構造化出力と関数呼び出しは、「テキストを生成するLLM」から「作業を実行するシステム」への橋渡しとなります。本番環境で重要なのは、JSONモードだけではなく、スキーマ、エラー処理、冪等性、グレースフルデグラデーションのパターンです。
上級者
29 分Tree of Thoughts：大規模言語モデルによる熟考型問題解決（論文詳解）
Yannic Kilcher. YannicがPrinceton／DeepMindによる思考の木の原論文を解説します。候補を生成し、評価し、枝刈りし、行き詰まれば戻るループ、Game of 24の正解率が4%から74%に向上する理由、そして10倍のトークンコストに見合わなくなる場面を取り上げます。思考の木を魔法のプロンプト接頭辞ではなく探索アルゴリズムとして捉えざるを得ない点に、この動画の価値があります。
中級者
25 分プロンプト入門
Anthropic. AnthropicのApplied AIチームの2人が、役割、構造化されたセクション、明示的な思考手順を重ねながら、実務向けのプロンプトをその場で組み立てます。「思考の連鎖を儀式化せずに使う方法」を示すYouTube上で最も信頼できるデモであり、記事の「何にでも『Let's think step by step』を貼り付けるのはやめましょう」という主張を具体的に理解できます。
中級者
22 分エージェントのためのコンテキスト設計
LangChain. Lance Martinが「書き出す、選択する、圧縮する、分離する」という枠組みを、具体例とともに解説します。操作履歴を要約するタイミング、状態をファイルへ退避するタイミング、親エージェントのコンテキストを守る目的だけでサブエージェントを起動するタイミングを扱います。実際に100万トークンのウィンドウを管理する記事のセクションと、ほぼそのまま対応しています。
上級者
8 分コンテキスト劣化：入力トークンの増加がLLM性能に与える影響
Chroma. Kelly Hongが18のモデルを対象としたChromaの研究を解説します。needle-in-a-haystackテストのスコアが誤解を招く理由、曖昧さや妨害情報によって性能が低下する仕組み、単純な文字列反復タスクでさえ500トークンを超えると性能が落ちる理由を扱います。短く、根拠に基づいており、工学的な対策へ進む前に記事が読者へ真剣に受け止めてほしい問題を的確に示しています。
上級者
3 分OpenAI o1の開発
OpenAI. o1チームが、強化学習による訓練中にモデルが自らの推論を問い直し始めた瞬間について3分間で説明します。思考の連鎖はプロンプト内ではなくモデル内部で行われるようになったという記事の主張について、一次情報を確認できます。
中級者
28 分o1とは何か？第3のモデルパラダイムである理由と知っておきたい10項目
AI Explained. o1、ひいてはo3、R1、Claude extended thinkingが、次トークン予測に強化学習を重ねて正しい多段階の回答を評価する仕組みと、それがモデルへの指示方法に何を意味するかを、誇張なく最も明快に説明しています。この動画を見れば、記事の「『think step by step』と言うのをやめ、仕様を書く」という助言が恣意的なものではないと分かります。
中級者
9 分RAGとファインチューニングの比較
IBM Technology. チームが最も混同しやすい2つの手法に、より焦点を絞っています。データの鮮度、出典の帰属、ファインチューニングによる推論時の速度向上を詳しく説明します。不要なファインチューニングのプロジェクトに反対する根拠を示したい場合に、視聴する価値があります。
上級者
13 分RAG・ファインチューニング・プロンプト技術：AIモデルを最適化する
IBM Technology. 3つの手法と、それぞれのコストをホワイトボードで明快に説明します。検索のレイテンシー、学習の計算コストと破滅的忘却、プロンプトだけによる解決策の限界に加え、本番環境で実際に有効な組み合わせを扱います。最後に紹介される3つすべてを使用した法務AIシステムの例は、記事の「組み合わせるタイミング」という主張とほぼ完全に一致します。
上級者
77 分AIプロンプト技術を徹底解説
Anthropic. 研究、アラインメント、応用、開発者向け広報を担当するAnthropicの4人のプロンプトエンジニアが、日々の実務について詳しく語ります。切迫した状況でプロンプトをどう修正するか、指示の「正直さ」をどう考えるか、XMLによる足場作りが役立つ場合と役立たない場合などを扱います。記事のレイヤーモデルは、登壇者が説明する実務にきれいに対応しています。そのメンタルモデルを当事者の言葉で理解する最良の方法です。
上級者25 分プロンプト入門｜Code with Claude
Anthropic. AnthropicのApplied AIチームが保険金請求用プロンプトをライブで構築するセッションです。曖昧な指示から始めて、開発者が実際に提供できる形まで反復改善し、記事で説明しているシステムレイヤーと開発者レイヤーの修正を実演します。記事にある例、出力構造、拒否の処理に関するチェックリストを読み直す前に視聴してください。
上級者
10 分2か月かけて磨いた、プロンプトを作るための最高のChatGPTプロンプト
Lawton Learns. 記事でも考え方として触れている、コピーしてすぐに使えるC.R.A.F.T.メタプロンプト（Context、Role、Action、Format、Target audience）を具体的に紹介しています。新しいライブラリの最初の項目、つまりチーム全員のために適切に構造化されたプロンプトを生成するプロンプトとして役立ちます。
中級者
20 分Googleの9時間のAIプロンプト技術講座を20分で学ぶ
Tina Huang. Tinaは、Googleのプロンプティング講座全体を、ライブラリに実際に保存する2つの要素に凝縮しています。タスク、コンテキスト、参考情報、評価、反復改善から成る5要素のフレームワークと、プロンプトを継続的に磨くための名前付きの4つの改善手法です。エージェントや思考の連鎖のパターンも解説しているため、後からライブラリに追加する高度なテンプレートへの入口としても役立ちます。
中級者
41 分OpenAI DevDay 2024｜信頼性の高いアプリケーションのための構造化出力
OpenAI. `strict: true`、従来のJSONモードとの違い、拒否の処理、関数呼び出しとレスポンス形式のスキーマを組み合わせる方法を順に解説しています。APIが提供する契約を説明しており、記事の本番パターンはその契約の上に構築されているため、特に有用です。
上級者
18 分必要なのはPydanticだけ：Jason Liu
AI Engineer. 「Pydanticモデルを定義してLLMに渡し、残りは検証に任せる」という現代的なパターンを確立した講演です。ネストしたオブジェクト、ハルシネーションによるURLを検出するバリデーター、型付きフィールドとしての思考の連鎖など、具体例を紹介しています。記事のバリデーターに関する節を読み直す前に視聴すれば、再試行と拒否のルールがどこから来たのかを理解できます。
上級者