本文へ移動
Harch AI Lab AI Learning & Research Mediapowered by Artiql Inc.

プロンプトエンジニアリング(Prompt Engineering)とは・意味、主な手法・由来・試験

プロンプトエンジニアリングとは?

プロンプトエンジニアリング(Prompt Engineering)とは、生成AIから求める答えを安定して引き出すために、AIへの指示(プロンプト)の書き方を工夫し試しながら改善する方法のこと。

OpenAI は開発者向けのプロンプトエンジニアリングの手引きで、この語を、要件に合う内容をモデルが一貫して生成するよう、効果的な指示を書く過程と定義している。同社によると、モデルの生成する内容は実行のたびに変わりうるため、望む出力を得るためのプロンプトづくりには、勘や工夫と体系立った方法の両方が必要だ。

日本の公的な資料でも、「プロンプトエンジニアリング」という表記が使われている。総務省と経済産業省のAI事業者ガイドラインの第1.2版の別添は、AIシステムを改善・調整する手段に、ファインチューニングや強化学習などと並べて In-Context Learning(文脈内学習)を挙げている。別添は、その例としてプロンプトエンジニアリング、メモリ、RAG、ツールの拡張を示している。

Anthropic は2025年11月の解説で、プロンプトエンジニアリングを、コンテキストエンジニアリングの欠かせない土台と位置づけている。コンテキストエンジニアリングは、指示の文面だけでなく、道具やデータ、やり取りの履歴を含めてモデルに渡す情報の全体を整える技術を指す。

プロンプトエンジニアリングの主な手法

OpenAI、Google、Microsoft、Anthropic の4社は、それぞれ自社のサービスで使うモデル向けに、プロンプトの書き方の手引きを公開している。Google は手引きの題に「Prompt design」(プロンプト設計)の語を使い、プロンプトエンジニアリングは試行を繰り返す作業だと注記している。

4社の手引きには、明確な指示や例の示し方など、重なる手法が多い。

手法 内容 掲載元
明確で具体的な指示 求める出力の形式や制約、目的を具体的に書く Google、Microsoft、Anthropic
役割の設定 システムプロンプトなどで、モデルに担わせる役割を指定する Google、Anthropic
例を示す(Few-shot) 入力と望む出力の例をいくつかプロンプトに入れ、形式や傾向をまねさせる OpenAI、Google、Microsoft、Anthropic
区切りと構造 Markdown の見出しや XML のタグ、区切りの記号で、指示・資料・例の境目を示す OpenAI、Google、Microsoft、Anthropic
作業の分割と連鎖 複雑な作業を小さな段階に分けて指示する。前の段階の出力を次のプロンプトの入力にする連鎖の方法もある Google、Microsoft、Anthropic

※2026年11月時点

例の数について、Anthropic は、例を3〜5個含めると最もよい結果が得られると案内している。Google はプロンプトに例を常に含めることを勧める一方で、例が多すぎるとモデルが例に過度に合わせた答えを返すことがあるとしている。

Anthropic は、2万トークン以上の長い文書をプロンプトの先頭近くに置き、質問を末尾に置くよう案内している。

Google は手引きの Gemini 3 向けの節で、大量の資料を渡すときは資料をすべて先に置き、具体的な指示や質問はプロンプトの最後に置くよう勧めている。

推論モデルには細かな手順より目的を伝える

OpenAI によると、答えの前に考える過程を作る推論モデルは一般に、大まかな方針だけを示した作業でよい結果を出す。これに対して GPT のモデルは、とても細かな指示を与えたほうがよく働くという。

同社のたとえでは、推論モデルは目標を渡せば細部を任せられる先輩の同僚で、GPT のモデルははっきりした指示で最もよく働く後輩の同僚だ。Microsoft も、自社のプロンプトの手引きの手法は、gpt-5 や o シリーズのような推論モデルには勧めないと注記している。

思考の機能を使う Claude について、Anthropic は手で書いた段階ごとの計画より「徹底的に考えてください」のような一般的な指示のほうがよい推論を生むことが多いとしている。

新しいモデルでは以前の書き方が裏目に出ることがある

Anthropic は、プロンプトの手引きのほかに、Claude Opus 5.5 や Claude Fable 5.2 など、モデルごとのプロンプトの手引きを公開している。同社は、手引きの手法が特定のモデルの名前を挙げている場合、そのモデルで測ったものとして扱い、別のモデルに使う前に開発者自身の評価で確かめ直すよう求めている。

Claude Opus 4.5 と Opus 4.6 は以前のモデルよりシステムプロンプトに強く反応すると、Anthropic は説明している。以前のモデル向けに、ある道具を必ず使うよう強い言い方で書いた指示は、これらのモデルでは道具を使いすぎる原因になりうるという。同社は、強い表現を和らげるよう案内している。

Claude 4.6 以降のモデルは、AIの応答の書き出しを開発者が先に指定する「プリフィル」を受け付けない。出力の形式をそろえる用途に Anthropic が案内しているのは、まずモデルに形式に従うよう指示することと、決めた形式に沿って出力させる構造化出力の機能だ。

OpenAI も、同じ系統のモデルでも版(スナップショット)が違えば結果が変わることがあるとしている。複雑なアプリを作るときに同社が強く勧めているのは、本番のアプリを特定の版に固定することと、プロンプトの振る舞いを測る試験と評価の仕組みを作ることだ。

プロンプトエンジニアリングの由来と広まった経緯

prompt engineering という語は、2021年には、大きな言語モデルを追加の学習なしに指示文で使う研究の論文に現れる。Laria Reynolds 氏と Kyle McDonell 氏は2021年2月に arXiv で公開した論文で、入力と出力が自然言語の言語モデルでは、プロンプトエンジニアリングを自然言語でのプログラミングととらえることができると記した。

カーネギーメロン大学の Pengfei Liu 氏らは、2021年7月に arXiv で公開した論文で、プロンプトを使う学習の研究を整理した。Liu 氏らは論文の1つの章をプロンプトエンジニアリングにあて、目的の作業で最も高い性能を出すプロンプトの関数を作る過程と定義している。

Anthropic は2024年5月、作業の説明から Claude にプロンプトのひな形を生成させる機能を、開発者向けの画面「Console」に加えた。この機能はプロンプトエンジニアリングに慣れない利用者を助け、慣れた利用者の時間も節約するためのものだという。

Anthropic は2024年10月、既存のプロンプトを Claude に自動で書き直させる機能も Console に加えた。プロンプトの書き方のよい方法は取り入れるのに時間がかかり、AIの提供元ごとに違うことも多いという。同社は、この機能をほかのAIモデル向けに書いたプロンプトを移すときにも使えるとしている。

OpenAI は2026年6月3日、API でプロンプトを保存して使い回す機能(reusable prompt objects)の廃止を開発者に知らせ、2026年11月30日に停止する予定とした。同社は、本番のプロンプトをアプリのコードの中に置き、コードの見直しや試験と同じ手順で変更を管理するよう案内している。

プロンプトエンジニアリングに関する主な出来事・ニュース

プロンプトエンジニアリングに関する各社の機能と研究

OpenAI はデータを使うプロンプト最適化を11月に終える予定

OpenAI は、開発者向けの画面で、プロンプトを自動で改善する「prompt optimizer」を提供している。この機能は、用意したデータや採点の結果と組み合わせて使うこともできる。同社は、最適化したプロンプトがもとのプロンプトより一部の入力で悪くなることもあるとして、本番で使う前に評価と目での確認をするよう求めている。

データを使うこの prompt optimizer について、OpenAI は評価の基盤「Evals」とともに廃止するとしている。Evals は2026年10月31日に既存の利用者向けに読み取り専用になり、11月30日に停止する予定だ。

専門家の役割で正答率が上がったのは一部のモデルだけという研究

ペンシルベニア大学ウォートン校の Generative AI Labs の Savir Basil 氏らは2025年12月に arXiv で公開した報告で、モデルに専門家などの役割を与える指示が難しい選択式の問題の正答率を上げるかを調べた。問題は、大学院の水準の科学の問題を集めた GPQA Diamond と、MMLU-Pro の工学・法律・化学の300問だ。

調べた6つのモデルのうち o3-mini、o4-mini、Gemini 2.0 Flash、Gemini 2.5 Flash の結果を見ると、GPQA Diamond ではどの専門家の役割も、役割を与えない場合より正答率を安定して上げることはなかった。MMLU-Pro で5つの専門家の役割がわずかに正答率を上げたのは、4つのうち Gemini 2.0 Flash だけだった。

著者らは、この結果は答えの正確さについてのもので、出力の口調を変えるといった別の目的では役割の指示が役立つ場合があるとしている。Anthropic も、システムプロンプトで役割を決めれば、Claude の振る舞いと口調を用途に合ったものへ絞り込めると説明している。

プロンプトエンジニアリングの限界と試験での扱い

プロンプトで解決できない課題もある

Anthropic の説明では、成功の基準や失敗した評価には、プロンプトエンジニアリング以外の手段のほうが解決しやすいものもある。たとえば応答の速さやコストは、別のモデルを選ぶほうが簡単に改善できる場合があるという。同社はプロンプトの改善に入る前に、成功の基準と、その基準でプロンプトを試す方法を決めるよう求めている。

Microsoft は、プロンプトエンジニアリングをうまく使っても、モデルが生成した答えは確かめる必要があるとしている。ある場面でうまく働いたプロンプトが、ほかの場面にも広く当てはまるとは限らないという。

Anthropic は資金を動かす操作に担当者の承認を求める

Anthropic は、支払いや口座番号を扱うAIエージェントのシステムプロンプトに追加する指示の例を示している。そのうえで同社は、この指示は Claude を導くためのもので強制の仕組みではないとして、資金を動かせる道具の呼び出しはそのつど担当者が承認する形にするよう求めている。

国家試験と民間の資格の出題範囲に入る

情報処理推進機構(IPA)のITパスポート試験のシラバスの Ver.6.5 は、AIの技術の用語例に、大規模言語モデル(LLM)と並べてプロンプトエンジニアリングを挙げている。

GUGA が2027年2月の試験から使う生成AIパスポートの新しいシラバスは、第5章「生成AIの実践と活用事例」に中項目「プロンプトエンジニアリング」を置いている。学習項目には、プロンプトの基本の構成要素、Zero-Shot プロンプティング、Few-Shot プロンプティング、Chain-of-Thought(思考の連鎖)、役割設定・出力形式の指定、具体度のコントロールが並ぶ。

IPA が2026年10月30日に掲載したプロフェッショナルデジタルスキル(データ・AI)試験(仮称)のシラバス案は、生成AIの利活用の用語例に、ランダム性の制御やシステムプロンプトと並べてプロンプトエンジニアリングを挙げている。

プロンプトエンジニアリングの英語での言い方

英語表記 意味 使用主体
prompt engineering 求める出力を安定して得るために、モデルへの指示を書いて改善する方法 OpenAI、Microsoft、Anthropic など
prompt design 正確で質の高い応答を引き出すプロンプトを作る過程 Google
prompting モデルに入力を与えること OpenAI
prompt programming プロンプトを自然言語でのプログラミングとしてとらえる言い方 Reynolds 氏ら
prompt optimizer プロンプトを自動で改善する機能。用意したデータや採点の結果と組み合わせて使うこともできる OpenAI

プロンプトエンジニアリングに関連する用語

  • コンテキストエンジニアリング:AIモデルが答えを作るときに読む情報の全体(コンテキスト)を、作業の段階ごとに選んで整える技術。
  • 推論モデル:途中の考えの過程を最終の答えの前に作り、それを踏まえて答えるAIモデル。
  • プロンプトインジェクション:AIが読み込む文章に指示を紛れ込ませ、AIに意図しない動作をさせる攻撃。
  • 大規模言語モデル(LLM):大量の文章のデータで学習し、文章の生成や翻訳、要約といった言語にかかわる作業を行うAIモデル。
  • Few-shotプロンプティング:生成AIへの指示(プロンプト)に入力と望む出力の例をいくつか入れ、答えの形式や傾向をモデルにまねさせる方法。

プロンプトエンジニアリングに関する出典

OpenAI「Prompt engineering」
総務省・経済産業省「AI事業者ガイドライン(第1.2版)別添(付属資料)」(2026年3月31日)
Anthropic「Best practices for prompt engineering for 2026」(2025年11月10日)
Google「Prompt design strategies」
Microsoft「Prompt engineering techniques」(2026年5月13日更新)
Anthropic「プロンプティングのベストプラクティス」
Laria Reynolds、Kyle McDonell「Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm」(2021年2月15日、arXiv)
Pengfei Liu ほか「Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing」(2021年7月28日、arXiv)
Anthropic「Generate better prompts in the developer console」(2024年5月20日)
Anthropic「Improve your prompts in the developer console」(2024年10月14日)
OpenAI「Deprecations」
OpenAI「Prompting」
OpenAI「Prompt optimizer」
Savir Basil ほか「Prompting Science Report 4: Playing Pretend: Expert Personas Don’t Improve Factual Accuracy」(2025年12月5日、arXiv)
Anthropic「プロンプトエンジニアリングの概要」
情報処理推進機構「ITパスポート試験 シラバス Ver.6.5」(2026年1月8日掲載)
生成AI活用普及協会「生成AIパスポート試験シラバス(2027年2月試験より適用)」
生成AI活用普及協会「生成AIパスポート、2027年試験のシラバスを大幅改訂。改訂版公式テキストの予約販売および資格更新テストの受講申込受付を開始」(2026年10月1日)
情報処理推進機構「プロフェッショナルデジタルスキル(データ・AI)試験(仮称)シラバス(案)Ver.0.1」(2026年10月30日掲載)
情報処理推進機構「新試験制度のシラバス案について」(2026年6月30日公開、10月30日更新)

プロンプトエンジニアリングに関連する記事