30 分毎日使えるAIツールとその活用法
ワークフローの工程を区別し、工程ごとにテスト可能なツール選定基準を作ります。
Tina Huang. Tinaは、タスク、コンテキスト、参考情報、評価、反復改善から成る5要素の枠組みと、名前の付いた4つの改善手法を紹介します。候補となるスキーマの下書きには役立ちますが、エージェントと思考の連鎖の例は講座が作られた時点の状況を反映しています。抽出したパターンを承認済みライブラリに追加する前に、代表的な事例でテストしてください。
この枠組みは、完全なライブラリ標準ではなく、テスト対象となる過去の講座資料として扱ってください。承認は、現在のモデル、ポリシー、データ境界、評価結果に基づいて判断します。
プロンプト構造の候補を抽出し、担当者、バージョン、評価、制限、フォールバックの項目を加えてからレビューに回します。
自分でプロンプトを作成できること。この動画では、その能力を共有資産に変える方法を扱います。
最終確認日:2026年8月11日
同じ学習パスで次のキュレーション済みの補完動画を続けて視聴してください。
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。
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。
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.
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。