{ "schema_version": "core-reviewed-term-ai-handoff-v2", "version": "core-reviewed-term-ai-handoff-v2", "compat": { "backward_compatible_schema_versions": [ "core-reviewed-term-ai-handoff-v1" ], "v1_fields_preserved": true }, "contract_status": "preview", "distribution": "per_term_read_only_ai_handoff", "no_write_operations": true, "content_tier": "db_backed", "canonical": { "url": "https://core.yogoq.com/ja-JP/core/prompt-engineering", "slug": "prompt-engineering", "locale": "ja-JP" }, "summary": { "schema_version": "core-reviewed-term-summary-v1", "term_id": "ec613f40-6bcd-5244-87fe-f3c580b6c840", "canonical_slug": "prompt-engineering", "canonical_url": "https://core.yogoq.com/ja-JP/core/prompt-engineering", "locale": "ja-JP", "display_name": "プロンプトエンジニアリング", "english_name": "Prompt Engineering", "abbreviation": null, "short_definition": "プロンプトエンジニアリングは、生成AIへ渡す指示、文脈、制約、出力形式を設計し、期待する結果に近づける実務である。単なる言い回しではなく、評価と再現性まで含めて扱う。", "content_tier": "db_backed", "quality": "reviewed", "publication_status": "published_reviewed", "version": "core-reviewed-term-summary-v1", "last_reviewed_at": "2026-07-04T15:30:00.000Z", "sources_count": 2, "limitations_key": "core-trust-policy-v1-2026-06-22" }, "aliases": [ { "text": "プロンプトエンジニアリング", "type": "display_name", "locale": "ja-JP" }, { "text": "Prompt Engineering", "type": "english_name", "locale": "en-US" }, { "text": "プロンプト・エンジニアリング", "type": "katakana", "locale": "ja-JP" }, { "text": "プロンプトエンジニアリング", "type": "localized_title", "locale": "ja-JP" } ], "content": { "definition": { "key": "definition", "title": "一言でいうと", "text": "プロンプトエンジニアリングは、生成AIへ渡す指示、文脈、制約、出力形式を設計し、期待する結果に近づける実務である。単なる言い回しではなく、評価と再現性まで含めて扱う。", "items": [] }, "formula": { "key": "formula", "title": "計算の考え方", "text": "プロンプトは、出力品質と運用コストの改善幅で評価する。 成功率 | 合格出力数 / テストケース数 | 期待品質を満たす割合を見る 再作業率 | 差し戻し数 / 生成数 | 指示が曖昧で手戻りが出ていないかを見る レビュー負荷 | 1出力あたり確認時間 | 自動化効果を食い潰していないかを見る", "items": [ "成功率 | 合格出力数 / テストケース数 | 期待品質を満たす割合を見る", "再作業率 | 差し戻し数 / 生成数 | 指示が曖昧で手戻りが出ていないかを見る", "レビュー負荷 | 1出力あたり確認時間 | 自動化効果を食い潰していないかを見る" ] }, "boundary": { "key": "boundary", "title": "含めるもの / 含めないもの", "text": "プロンプトで解ける問題と、モデル、データ、権限、業務設計で解く問題を分ける。 含める | 目的、文脈、制約、出力形式、例、評価基準、禁止事項 | 入力設計で制御できる 含めない | 学習データの恒久修正、事実の保証、権限管理、外部システムの安全性 | 別の設計が必要 明示する | テストケース、失敗時の扱い、参照元、レビュー責任 | 再現性を高める", "items": [ "含める | 目的、文脈、制約、出力形式、例、評価基準、禁止事項 | 入力設計で制御できる", "含めない | 学習データの恒久修正、事実の保証、権限管理、外部システムの安全性 | 別の設計が必要", "明示する | テストケース、失敗時の扱い、参照元、レビュー責任 | 再現性を高める" ] }, "usage": [ { "key": "meaning", "title": "意味", "text": "プロンプトエンジニアリングは、AIモデルに対する入力を設計して、出力の品質、再現性、安全性、業務適合性を高める活動である。目的、役割、背景情報、禁止事項、参照データ、出力形式、評価基準を整理し、出力を観察して改善する。モデルの内部を直接変更するわけではないため、用途によっては限界がある。重要な業務では、良いプロンプトだけでなく、テストケース、失敗例、レビュー条件、ツール権限、ログを合わせて運用する。 実務では、単に長い指示を書くことではなく、役割、入力、出力形式、根拠、禁止事項、評価方法を再利用できる形に分け、変更しても品質を比較できるようにする。", "items": [] }, { "key": "usage", "title": "役立つ場面", "text": "プロンプト改善だけで十分か、RAG、ツール利用、ファインチューニングへ進むべきかの切り分けができる。 業務チームが再利用できるテンプレートを作ることで、個人の書き方依存を減らせる。 判断時は、回答品質だけでなく、再利用性、レビューしやすさ、失敗時にどの指示を直すかの追跡性も見る。 出力の失敗パターンを記録すると、モデル変更やデータ更新時の回帰テストに使える。 判断時は、回答品質だけでなく、再利用性、レビューしやすさ、失敗時にどの指示を直すかの追跡性も見る。", "items": [ "プロンプト改善だけで十分か、RAG、ツール利用、ファインチューニングへ進むべきかの切り分けができる。", "業務チームが再利用できるテンプレートを作ることで、個人の書き方依存を減らせる。 判断時は、回答品質だけでなく、再利用性、レビューしやすさ、失敗時にどの指示を直すかの追跡性も見る。", "出力の失敗パターンを記録すると、モデル変更やデータ更新時の回帰テストに使える。 判断時は、回答品質だけでなく、再利用性、レビューしやすさ、失敗時にどの指示を直すかの追跡性も見る。" ] }, { "key": "usage", "title": "使い方のポイント", "text": null, "items": [ "プロンプトエンジニアリングは、指示文の技巧ではなく、入力、制約、評価の設計である。", "良いプロンプトは、目的、文脈、出力形式、禁止事項、合格条件を含む。", "改善は一回で終わらず、テストケースと失敗例を使って反復する。", "事実確認や権限管理はプロンプトだけでは保証できない。 良いプロンプトは再利用、評価、改善の単位として管理する。", "業務利用では、テンプレート化、ログ、レビュー責任をセットにする。" ] }, { "key": "drivers", "title": "何が数字を動かすか", "text": "プロンプト品質は、文脈の量よりも、目的、制約、評価基準の明確さで変わる。 目的 | 何を達成したいかが明確だと出力が絞られる 出力形式 | 表、箇条書き、JSONなどを指定すると後続処理が安定する 例示 | 良い例と悪い例を示すと判断軸が揃いやすい 評価 | 合格条件を持つと改善が感覚頼みにならない", "items": [ "目的 | 何を達成したいかが明確だと出力が絞られる", "出力形式 | 表、箇条書き、JSONなどを指定すると後続処理が安定する", "例示 | 良い例と悪い例を示すと判断軸が揃いやすい", "評価 | 合格条件を持つと改善が感覚頼みにならない" ] } ], "misunderstandings": [ { "key": "misunderstandings", "title": "判断するときの注意点", "text": "プロンプトで安全性や真実性を完全に保証しようとしない。 重要情報はモデル出力ではなく、信頼できるデータソースや承認フローで確認する。 プロンプトを長くするだけでは品質は安定しない。余計な文脈はノイズになる。 社内テンプレートを作る場合は、機密情報を貼り付けない例と禁止事項も含める。", "items": [ "重要情報はモデル出力ではなく、信頼できるデータソースや承認フローで確認する。", "プロンプトを長くするだけでは品質は安定しない。余計な文脈はノイズになる。", "社内テンプレートを作る場合は、機密情報を貼り付けない例と禁止事項も含める。" ] }, { "key": "misunderstandings", "title": "よくある誤解 / 落とし穴", "text": null, "items": [ "魔法のプロンプトを見つければ全て解決する、という誤解がある。業務では評価と運用が必要である。", "長い指示ほど良い、という誤解がある。目的と制約が曖昧なら長くても失敗する。", "プロンプトだけでセキュリティを守れる、という誤解がある。権限、検証、UI、ログも必要である。" ] } ], "examples": [ { "key": "examples", "title": "最小例", "text": "営業企画チームが、商談メモから次回アクションを抽出するプロンプトを作った。最初の指示では、モデルが重要度の低い話題も同列に並べ、担当者が毎回修正していた。チームは、出力形式を「顧客課題、決裁者、期限、次アクション、根拠引用」に固定し、未確認情報は推測しないという制約を追加した。さらに20件の過去商談メモで合格条件を作り、差し戻し理由を記録した。結果として抽出時間は短縮したが、根拠が弱い項目が残ったため、RAGでCRMの正式項目を参照する次の改善に進んだ。 その後、悪い出力例を集め、禁止表現、根拠不足、形式崩れを評価セットにした。担当者が自由文で毎回直すのではなく、指示ブロックを目的、制約、出力形式、確認観点に分けたため、改善点を比較しやすくなり、モデル変更後も品質低下を発見できた。", "items": [] } ], "comparisons": [ { "key": "comparisons", "title": "似ている言葉との違い", "text": "プロンプトエンジニアリング | 入力を設計する | 低コストで素早く改善しやすい RAG | 外部知識を検索して渡す | 最新性や根拠が必要な場合に向く ファインチューニング | 追加学習でモデルを調整する | 一貫した形式や領域適応に向く", "items": [ "プロンプトエンジニアリング | 入力を設計する | 低コストで素早く改善しやすい", "RAG | 外部知識を検索して渡す | 最新性や根拠が必要な場合に向く", "ファインチューニング | 追加学習でモデルを調整する | 一貫した形式や領域適応に向く" ] }, { "key": "related_metrics", "title": "一緒に見る指標", "text": "プロンプト改善は、評価とセキュリティの用語と一緒に見る。 AI評価 | プロンプト変更の効果を測る | 感覚ではなくテストで判断する プロンプトインジェクション | 悪意ある入力で指示が破られるリスク | 外部入力を扱うなら必須 ファインチューニング | モデルの振る舞いを学習で調整する | プロンプトで限界がある場合に検討する", "items": [ "AI評価 | プロンプト変更の効果を測る | 感覚ではなくテストで判断する", "プロンプトインジェクション | 悪意ある入力で指示が破られるリスク | 外部入力を扱うなら必須", "ファインチューニング | モデルの振る舞いを学習で調整する | プロンプトで限界がある場合に検討する" ] } ], "faq": [ { "question": "プロンプトエンジニアリングは誰が担当しますか？", "answer": "AI担当だけでなく、業務を知る担当者と一緒に設計します。合格条件は業務側が持つ必要があります。" }, { "question": "プロンプトだけで事実確認できますか？", "answer": "できません。事実確認には出典、検索、DB、レビューなど別の仕組みが必要です。" }, { "question": "ファインチューニングより先にやるべきですか？", "answer": "多くの場合は先に試します。プロンプト、評価、RAGで限界が明確になってから追加学習を検討します。" } ] }, "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "sources": { "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "visible_sources": [ { "label": "NIST: Generative AI Profile", "url": "https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf", "kind": "tier_s" }, { "label": "NIST: AI RMF", "url": "https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf", "kind": "tier_s" } ] }, "related_terms": [ { "topic_id": "slug:prompt-injection", "canonical_slug": "prompt-injection", "canonical_url": "https://core.yogoq.com/ja-JP/core/prompt-injection", "title": "プロンプトインジェクション", "relation_type": "next" }, { "topic_id": "slug:generative-ai", "canonical_slug": "generative-ai", "canonical_url": "https://core.yogoq.com/ja-JP/core/generative-ai", "title": "生成AI", "relation_type": "prerequisite" }, { "topic_id": "slug:ai-evaluation", "canonical_slug": "ai-evaluation", "canonical_url": "https://core.yogoq.com/ja-JP/core/ai-evaluation", "title": "AI評価", "relation_type": "used_together" } ], "relations": [ { "term_id": "slug:prompt-injection", "canonical_slug": "prompt-injection", "canonical_url": "https://core.yogoq.com/ja-JP/core/prompt-injection", "display_name": "プロンプトインジェクション", "relation_type": "related", "source_relation_type": "next" }, { "term_id": "slug:generative-ai", "canonical_slug": "generative-ai", "canonical_url": "https://core.yogoq.com/ja-JP/core/generative-ai", "display_name": "生成AI", "relation_type": "related", "source_relation_type": "prerequisite" }, { "term_id": "slug:ai-evaluation", "canonical_slug": "ai-evaluation", "canonical_url": "https://core.yogoq.com/ja-JP/core/ai-evaluation", "display_name": "AI評価", "relation_type": "related", "source_relation_type": "used_together" } ], "chunk_ids": [ "core:chunk:prompt-engineering:ja-JP:definition:9b7377dfc5ce1f69", "core:chunk:prompt-engineering:ja-JP:formula:15577d516fd3636f", "core:chunk:prompt-engineering:ja-JP:boundary:5466e0f316c0a727", "core:chunk:prompt-engineering:ja-JP:meaning:8e33986f9f7c858c", "core:chunk:prompt-engineering:ja-JP:usage:641da8e6b15ff390", "core:chunk:prompt-engineering:ja-JP:usage:5e8308b788478a3e", "core:chunk:prompt-engineering:ja-JP:drivers:c1034791397fcce7", "core:chunk:prompt-engineering:ja-JP:misunderstandings:ad887bb0deee9534", "core:chunk:prompt-engineering:ja-JP:misunderstandings:d741417ee64ff463", "core:chunk:prompt-engineering:ja-JP:examples:f5bb0fd74002498d", "core:chunk:prompt-engineering:ja-JP:comparisons:4d1d39b0a547e76f", "core:chunk:prompt-engineering:ja-JP:related_metrics:0bbe63a1bce4192b", "core:chunk:prompt-engineering:ja-JP:faq:aa7217cb998518a9", "core:chunk:prompt-engineering:ja-JP:faq:7442d0fb184af0f0", "core:chunk:prompt-engineering:ja-JP:faq:a6b537b3fdcee08c" ], "chunks": [ { "chunk_id": "core:chunk:prompt-engineering:ja-JP:definition:9b7377dfc5ce1f69", "section_key": "definition", "heading": "一言でいうと", "text": "プロンプトエンジニアリングは、生成AIへ渡す指示、文脈、制約、出力形式を設計し、期待する結果に近づける実務である。単なる言い回しではなく、評価と再現性まで含めて扱う。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "9b7377dfc5ce1f697ad0718d48d89f1e587c91a179a3e5ec2c36411bbdc4a87c" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:formula:15577d516fd3636f", "section_key": "formula", "heading": "計算の考え方", "text": "プロンプトは、出力品質と運用コストの改善幅で評価する。 成功率 | 合格出力数 / テストケース数 | 期待品質を満たす割合を見る 再作業率 | 差し戻し数 / 生成数 | 指示が曖昧で手戻りが出ていないかを見る レビュー負荷 | 1出力あたり確認時間 | 自動化効果を食い潰していないかを見る 成功率 | 合格出力数 / テストケース数 | 期待品質を満たす割合を見る 再作業率 | 差し戻し数 / 生成数 | 指示が曖昧で手戻りが出ていないかを見る レビュー負荷 | 1出力あたり確認時間 | 自動化効果を食い潰していないかを見る", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "15577d516fd3636f14b30cd29ec9483a845655423e0bc91fd47962cd51bf4f12" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:boundary:5466e0f316c0a727", "section_key": "boundary", "heading": "含めるもの / 含めないもの", "text": "プロンプトで解ける問題と、モデル、データ、権限、業務設計で解く問題を分ける。 含める | 目的、文脈、制約、出力形式、例、評価基準、禁止事項 | 入力設計で制御できる 含めない | 学習データの恒久修正、事実の保証、権限管理、外部システムの安全性 | 別の設計が必要 明示する | テストケース、失敗時の扱い、参照元、レビュー責任 | 再現性を高める 含める | 目的、文脈、制約、出力形式、例、評価基準、禁止事項 | 入力設計で制御できる 含めない | 学習データの恒久修正、事実の保証、権限管理、外部システムの安全性 | 別の設計が必要 明示する | テストケース、失敗時の扱い、参照元、レビュー責任 | 再現性を高める", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "5466e0f316c0a727d9f60caa1feef6e7e2e9fd12ded9cc4a4fa3fb8956665751" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:meaning:8e33986f9f7c858c", "section_key": "meaning", "heading": "意味", "text": "プロンプトエンジニアリングは、AIモデルに対する入力を設計して、出力の品質、再現性、安全性、業務適合性を高める活動である。目的、役割、背景情報、禁止事項、参照データ、出力形式、評価基準を整理し、出力を観察して改善する。モデルの内部を直接変更するわけではないため、用途によっては限界がある。重要な業務では、良いプロンプトだけでなく、テストケース、失敗例、レビュー条件、ツール権限、ログを合わせて運用する。 実務では、単に長い指示を書くことではなく、役割、入力、出力形式、根拠、禁止事項、評価方法を再利用できる形に分け、変更しても品質を比較できるようにする。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "8e33986f9f7c858c0faa36292d56e0e81a605b0e318d59172b4fc972ad019b4e" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:usage:641da8e6b15ff390", "section_key": "usage", "heading": "役立つ場面", "text": "プロンプト改善だけで十分か、RAG、ツール利用、ファインチューニングへ進むべきかの切り分けができる。 業務チームが再利用できるテンプレートを作ることで、個人の書き方依存を減らせる。 判断時は、回答品質だけでなく、再利用性、レビューしやすさ、失敗時にどの指示を直すかの追跡性も見る。 出力の失敗パターンを記録すると、モデル変更やデータ更新時の回帰テストに使える。 判断時は、回答品質だけでなく、再利用性、レビューしやすさ、失敗時にどの指示を直すかの追跡性も見る。 プロンプト改善だけで十分か、RAG、ツール利用、ファインチューニングへ進むべきかの切り分けができる。 業務チームが再利用できるテンプレートを作ることで、個人の書き方依存を減らせる。 判断時は、回答品質だけでなく、再利用性、レビューしやすさ、失敗時にどの指示を直すかの追跡性も見る。 出力の失敗パターンを記録すると、モデル変更やデータ更新時の回帰テストに使える。 判断時は、回答品質だけでなく、再利用性、レビューしやすさ、失敗時にどの指示を直すかの追跡性も見る。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "641da8e6b15ff39017b8fbf838cfba4b490a5075afec96e9ab68267b76a42522" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:usage:5e8308b788478a3e", "section_key": "usage", "heading": "使い方のポイント", "text": "プロンプトエンジニアリングは、指示文の技巧ではなく、入力、制約、評価の設計である。 良いプロンプトは、目的、文脈、出力形式、禁止事項、合格条件を含む。 改善は一回で終わらず、テストケースと失敗例を使って反復する。 事実確認や権限管理はプロンプトだけでは保証できない。 良いプロンプトは再利用、評価、改善の単位として管理する。 業務利用では、テンプレート化、ログ、レビュー責任をセットにする。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "5e8308b788478a3e2358f1cafbec91eaf1b5df34b6d82a71b1bfcaf3dbba94f0" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:drivers:c1034791397fcce7", "section_key": "drivers", "heading": "何が数字を動かすか", "text": "プロンプト品質は、文脈の量よりも、目的、制約、評価基準の明確さで変わる。 目的 | 何を達成したいかが明確だと出力が絞られる 出力形式 | 表、箇条書き、JSONなどを指定すると後続処理が安定する 例示 | 良い例と悪い例を示すと判断軸が揃いやすい 評価 | 合格条件を持つと改善が感覚頼みにならない 目的 | 何を達成したいかが明確だと出力が絞られる 出力形式 | 表、箇条書き、JSONなどを指定すると後続処理が安定する 例示 | 良い例と悪い例を示すと判断軸が揃いやすい 評価 | 合格条件を持つと改善が感覚頼みにならない", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "c1034791397fcce7d91f86741932200b8ebb15e79df5eb2d1d312c4725edbd1b" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:misunderstandings:ad887bb0deee9534", "section_key": "misunderstandings", "heading": "判断するときの注意点", "text": "プロンプトで安全性や真実性を完全に保証しようとしない。 重要情報はモデル出力ではなく、信頼できるデータソースや承認フローで確認する。 プロンプトを長くするだけでは品質は安定しない。余計な文脈はノイズになる。 社内テンプレートを作る場合は、機密情報を貼り付けない例と禁止事項も含める。 重要情報はモデル出力ではなく、信頼できるデータソースや承認フローで確認する。 プロンプトを長くするだけでは品質は安定しない。余計な文脈はノイズになる。 社内テンプレートを作る場合は、機密情報を貼り付けない例と禁止事項も含める。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "ad887bb0deee953409bf4cde0ef674aa32fa0f652d4e93b774a858ebf2ef310a" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:misunderstandings:d741417ee64ff463", "section_key": "misunderstandings", "heading": "よくある誤解 / 落とし穴", "text": "魔法のプロンプトを見つければ全て解決する、という誤解がある。業務では評価と運用が必要である。 長い指示ほど良い、という誤解がある。目的と制約が曖昧なら長くても失敗する。 プロンプトだけでセキュリティを守れる、という誤解がある。権限、検証、UI、ログも必要である。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "d741417ee64ff46386cb3e4beb996be2a3b18b0d96e3283b861164eec700727b" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:examples:f5bb0fd74002498d", "section_key": "examples", "heading": "最小例", "text": "営業企画チームが、商談メモから次回アクションを抽出するプロンプトを作った。最初の指示では、モデルが重要度の低い話題も同列に並べ、担当者が毎回修正していた。チームは、出力形式を「顧客課題、決裁者、期限、次アクション、根拠引用」に固定し、未確認情報は推測しないという制約を追加した。さらに20件の過去商談メモで合格条件を作り、差し戻し理由を記録した。結果として抽出時間は短縮したが、根拠が弱い項目が残ったため、RAGでCRMの正式項目を参照する次の改善に進んだ。 その後、悪い出力例を集め、禁止表現、根拠不足、形式崩れを評価セットにした。担当者が自由文で毎回直すのではなく、指示ブロックを目的、制約、出力形式、確認観点に分けたため、改善点を比較しやすくなり、モデル変更後も品質低下を発見できた。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "f5bb0fd74002498d3a84a3462de414cf34f4204dd5cae2dd9e4736a28b22dc45" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:comparisons:4d1d39b0a547e76f", "section_key": "comparisons", "heading": "似ている言葉との違い", "text": "プロンプトエンジニアリング | 入力を設計する | 低コストで素早く改善しやすい RAG | 外部知識を検索して渡す | 最新性や根拠が必要な場合に向く ファインチューニング | 追加学習でモデルを調整する | 一貫した形式や領域適応に向く プロンプトエンジニアリング | 入力を設計する | 低コストで素早く改善しやすい RAG | 外部知識を検索して渡す | 最新性や根拠が必要な場合に向く ファインチューニング | 追加学習でモデルを調整する | 一貫した形式や領域適応に向く", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "4d1d39b0a547e76f7df894b730d83a0129ed25858695584157968a85f418476e" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:related_metrics:0bbe63a1bce4192b", "section_key": "related_metrics", "heading": "一緒に見る指標", "text": "プロンプト改善は、評価とセキュリティの用語と一緒に見る。 AI評価 | プロンプト変更の効果を測る | 感覚ではなくテストで判断する プロンプトインジェクション | 悪意ある入力で指示が破られるリスク | 外部入力を扱うなら必須 ファインチューニング | モデルの振る舞いを学習で調整する | プロンプトで限界がある場合に検討する AI評価 | プロンプト変更の効果を測る | 感覚ではなくテストで判断する プロンプトインジェクション | 悪意ある入力で指示が破られるリスク | 外部入力を扱うなら必須 ファインチューニング | モデルの振る舞いを学習で調整する | プロンプトで限界がある場合に検討する", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "0bbe63a1bce4192b1f521443469bf5429e9a2b5df80a56ae41bf9f0a0cdf00b8" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:faq:aa7217cb998518a9", "section_key": "faq", "heading": "プロンプトエンジニアリングは誰が担当しますか？", "text": "プロンプトエンジニアリングは誰が担当しますか？ AI担当だけでなく、業務を知る担当者と一緒に設計します。合格条件は業務側が持つ必要があります。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "aa7217cb998518a957a1f6381bd0ace3ab4d838d083fa368052ea8c0d5037562" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:faq:7442d0fb184af0f0", "section_key": "faq", "heading": "プロンプトだけで事実確認できますか？", "text": "プロンプトだけで事実確認できますか？ できません。事実確認には出典、検索、DB、レビューなど別の仕組みが必要です。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "7442d0fb184af0f0aae10be0f112e4f05aa645dc94f7f00ad962de8488dab055" }, { "chunk_id": "core:chunk:prompt-engineering:ja-JP:faq:a6b537b3fdcee08c", "section_key": "faq", "heading": "ファインチューニングより先にやるべきですか？", "text": "ファインチューニングより先にやるべきですか？ 多くの場合は先に試します。プロンプト、評価、RAGで限界が明確になってから追加学習を検討します。", "source_refs": [ "concept:prompt-engineering:en-US", "concept:prompt-engineering:ja-JP", "core-product-update-ai-term-pack-v1:prompt-engineering" ], "content_hash": "a6b537b3fdcee08c5a290abe72178b1ce47ba6d7b5d66c1657cebe876a0ce9f4" } ], "content_hash": "2612dee401886a81c0d54a35a9788194c6bc7897bf036f83b102d41bead046b2", "hash_algorithm": "sha256", "rag": { "chunk_id_policy": "core:chunk:{canonical_slug}:{locale}:{section_key}:{sha256_16}", "content_hash_policy": "sha256_stable_json", "source_refs_precision": "source_object_ref_or_source_key_current_snapshot" }, "quality": { "content_tier": "db_backed", "quality": "reviewed", "publication_status": "published_reviewed", "source_count": 2, "last_reviewed_at": "2026-07-04T15:30:00.000Z", "trust_policy_version": "core-trust-policy-v1-2026-06-22" }, "limitations": { "policy_version": "core-trust-policy-v1-2026-06-22", "professional_advice_boundary": "reference_only_not_professional_advice", "text": "このページは調査・学習のための参照情報です。会計、法務、金融、医療、セキュリティなどの個別判断では一次情報や専門家の確認を優先してください。", "items": [ "公開ページは一般的な理解と実務上の判断材料を提供するもので、個別案件の専門助言ではありません。", "制度、価格、規制、会計基準、製品仕様など変化が速い情報は、最終判断前に一次情報で確認してください。", "AI支援を含む制作・監査フローを使う場合も、公開可否は品質ゲートと人間が読める証跡に基づいて扱います。" ] } }