アントロピックとOpenAIがそれぞれのドキュメントに記載している5つのプロンプティング習慣
2つの研究所は異なるモデルと異なる読者を対象に執筆しており、公表されたガイダンスは常に同じ5つの動きに落ち着いています。それらのどれも魔法の言葉ではありません。5つすべてが曖昧さをなくすことに関するものです。
ひとことで言うと
AnthropicとOpenAIは、より良いプロンプトを作成するために実際には何を推奨していますか？
両方のラボは同じ中核的なアドバイスを公開しています。指示は質問ではなくコマンドとして書き、モデルに知らないことを言う明確な許可を与え、コンテキストを質問の前に置き、プロンプトごとに1つのタスクを維持し、モデルにどれだけ積極的になるかを伝えます。共通点は、それらのすべてが曖昧さを排除していることです。それらのどれも、隠された品質を解除するために貼り付けるフレーズではありません。
要点
- 新しいモデルは指示を文字通りに実行します。質問をすると、その仕事に関する回答が得られます。コマンドを出すと、その仕事が実行されます。
- モデルに「わかりません」と答えてもよいと伝えることで、自信のある発明が測定可能に減少します。Anthropic はこれを最初の修正策として文書化しています。
- まず文脈、最後に質問。どちらのガイドも、質問を下に置かず、素材を上に置いている。
- 一つのプロンプト、一つのタスク。分割はもはやコンテキスト制限の回避策ではなく、それ自体が品質向上のためのテクニックです。
- OpenAIは、プロアクティブさを設定項目（推論努力、エージェント的な意欲）として公開しています。設定しない場合、タスクに合わない可能性のあるデフォルトを受け入れることになります。
オンラインで出回っているプロンプトのアドバイスのほとんどは、誰かが一度貼り付けて良い回答を得て、それを広めたという「民間伝承」です。ほとんどの人が利用しているモデルを構築している2つの研究所は、独自のガイダンスを公開していますが、それはそのようなものではありません。それは地味で、具体的であり、そして異なるモデル、異なる年、異なる聴衆のために書かれているため、同じようないくつかの動きにたどり着き続けています。
両方に登場する5つの方法と、それぞれの方法が機能する理由を以下に示します。
1. 指示を質問ではなく命令として書く
「この関数に変更を提案してもらえますか？」と「この関数が空のリストを処理するように変更してください」は、同じリクエストではありません。前者は提案が可能かどうかを尋ねます。文字通りの読者はその質問に答え、そこで止まります。後者は作業を要求します。
Anthropicのガイダンスでは、現在のClaudeモデルは指示を文字通りに受け取り、要求されたことを実行し、それ以上は実行しないことが明記されています。OpenAIのクックブックは、反対方向から同じ点を指摘しています。曖昧さを欠陥とみなし、リクエストが不明確な場合は、推測した解釈を述べ、停止するのではなく続行するようにモデルに指示しています。
パターン：動詞を名付け、目的語を名付け、境界を名付ける。
2. 「わかりません」と言うことを明示的に許可する
これは利用可能な最も安価な信頼性修正であり、ほとんど誰も使用していません。
情報がないことについて自信を持って答えさせられたモデルは、時にはそのギャップを埋めます。Anthropicのドキュメントはこれを直接扱っています。不確実性を認めることを明示的に許可すると、それが防がれます。プロンプトに1文追加するだけで、「十分な情報がない場合は、推測する代わりにそう述べてください」という文は、回答が必須であるという暗黙の指示を削除したため、結果を変えます。
間違った答えが、答えがないよりもコストがかかるあらゆるプロンプトに追加する価値があります。数字、引用、法律または医療の特定事項、あるいは誰かに繰り返す予定の主張に関わるものすべてです。
3. コンテキストを質問の下ではなく上に置く
両方のガイドは、プロンプトを同じ順序で並べます。マテリアルが先、指示が後です。
Anthropicの実用的なフレームワークは、長い入力は明確に構造化されるべきであり、重要な詳細は中央に埋め込まれるのではなく、最初または最後に配置されるべきであるということです。新しいモデルは、元の「真ん中で失われる」研究を生み出した世代よりも、長いコンテキストをはるかにうまく処理しますが、この順序付けの習慣は何もコストがかからず、依然として役立ちます。そして、それはあなた自身のプロンプトを編集しやすくします。なぜなら、質問は貼り付けられたテキストの壁の3段落下に隠されるのではなく、下部に1か所に留まるからです。
4. 1つのプロンプト、1つのタスク
大きなコンテキストウィンドウの誘惑は、すべてをロードして6つのことを一度に尋ねることです。両方のガイドはそれに反対しています。
Anthropicの議論のバージョンは興味深いものです。なぜなら、それは古い制約から理由を明示的に分離しているからです。大きなジョブを小さなチャンクに分割することは、コンテキストの制限のためではなく、明確な境界を持つ集中したタスクが、複数の目標を一度に追求するプロンプトよりも高品質を生み出すため、行う価値があるのです。これは、分割を回避策からテクニックとして再構築します。ウィンドウがどれだけ大きくなっても有用であり続けます。
要約、リスクリスト、メールドラフトが必要な場合は、3つのプロンプトになります。また、どれがうまくいかなかったかを判断できるようになります。
5. モデルがどれだけ積極的であるべきかを決定する
これは、ほとんどの人が決定を下したことのない習慣です。なぜなら、探さない限り見えないからです。
OpenAIのGPT-5ガイドは、「エージェントの熱意」を調整するセクションを割いており、モデルがチェックバックする前にどれだけ自分で実行するかを説明し、推論の労力を減らすと、その動作の範囲が狭まり、付随的なツールの呼び出しと遅延が削減されると述べています。デフォルトは徹底的なコンテキスト収集であり、これはオープンエンドの調査には適していますが、小さく明確に指定された編集には不適切です。
したがって、タスクごとに、どちらを実行するかを決定してください。明確に定義された変更には、タイトなリードと低い労力設定が必要です。曖昧な調査には、その逆が必要です。デフォルトを静かに受け入れることは、タスクの半分が間違った姿勢で実行されることを意味します。
その下のパターン
5つを一緒に読むと、それらは5つの帽子をかぶった1つの指示になります。「あなたが実際に望むことを言う」ということです。
質問ではなく命令にすることで、作業を実行してほしいかどうかについての曖昧さがなくなります。拒否する許可を与えることで、何かを生成する必要があるという暗黙の要件がなくなります。コンテキストを先に置くことで、マテリアルが何のためのものかについての曖昧さがなくなります。1つのタスクで、どの目標が勝つかについての曖昧さがなくなります。熱意を設定することで、どれだけ一人で行くかについての曖昧さがなくなります。
だからこそ、アドバイスは2つの研究所と複数のモデル世代にわたって収束するのです。モデルは変化し続けています。修正されているもの、つまり指定が不十分なリクエストは、変化しません。
日付を確認してください。 両方のベンダーは、モデルが出荷されるにつれてこれらのドキュメントを改訂します。ソースの下のリンクはプライマリバージョンです。数か月後にこれを読んでいる場合は、私たちではなくそれらを読んでください。
よくある質問
- 丁寧な言い方、チップの申し出、または脅迫は結果を改善しますか？
- どちらの研究所の現在の公開ガイダンスにも、それらを推奨するものは含まれていません。どちらのガイドも、具体性、構造、および明示的な制約を中心に構築されています。ベンダーの文書で裏付けられるまで、貼り付けられた「魔法のフレーズ」は伝承として扱ってください。
- より長いプロンプトは、より良いプロンプトですか？
- いいえ。Anthropic のガイダンスは、シンプルに始めて、テストで構造化が役立つことが示された場合にのみ追加するというものです。曖昧さをなくさない長さは、コストとレイテンシにすぎません。
- これはチャットアプリに適用されますか、それともAPIのみに適用されますか？
- 最初の4つの習慣は書き方に関するもので、どこでも適用できます。5番目は設定の一部です。推論の努力はAPIや一部のアプリの表面に公開されているため、インターフェースが実際に何を提供しているかを確認してください。
- モデルが異なっても、なぜ2つの研究室は収束するのですか？
- なぜなら、彼らが二人とも修正しようとしている失敗は同じだからです。モデルがあなたの意図を推測すること。異なるトレーニング、同じ不明確なリクエスト。