{"ok":true,"entity":{"id":"prompt-engineering","name":"Prompt Engineering","category":"AI Interaction Concept","entityType":"concept","updatedAt":"2026-07-02T07:54:42.693Z","officialName":"Prompt Engineering","canonicalName":"Prompt Engineering","displayName":"Prompt Engineering（プロンプトエンジニアリング）","shortDescription":"LLMから望む出力を得るために、指示文（プロンプト）の構成・言葉選び・構造を設計する技術・手法。モデルを変更せずに、入力の工夫によって回答の質・精度を向上させるアプローチ。","alias":["プロンプトエンジニアリング"],"searchKeywords":["プロンプトエンジニアリング","Prompt Engineering","プロンプト設計","Few-shot","Chain of Thought"],"website":null,"parentEntity":null,"primaryCluster":"ai-company","secondaryClusters":["ai-assistant"],"productCategory":"AI Interaction Concept","verificationStatus":"draft"},"references":[{"id":"recommendation-001","companyId":"prompt-engineering","questionId":"recommendation-001","promptText":"Prompt Engineeringとは何ですか？","promptTypeId":"P-01","answer":"Prompt Engineeringは、LLMから望む出力を得るために、指示文（プロンプト）の構成・言葉選び・構造を設計する技術・手法です。モデル自体を再学習・変更することなく、入力の工夫のみで回答の質・精度を向上させられる点が特徴です。例示を含めるFew-shotプロンプティングや、段階的な思考過程を促すChain of Thought等、複数の代表的な技法が知られています。ChatGPT・Claude・Gemini等の実務活用において広く実践されています。","evidencePoints":["モデル変更なしでの出力品質向上","Few-shot・Chain of Thought等の代表的技法","ChatGPT・Claude・Gemini等の実務活用における普及"],"scope":"LLMの回答品質を改善したい開発者・利用者・企業に該当します。","differentiation":"モデル自体を再学習させるファインチューニングと異なり、入力プロンプトの工夫のみで対応できる、より低コストなアプローチである点が特徴です。","faq":[{"question":"Prompt Engineeringに専門知識は必要ですか？","answer":"基本的な技法は比較的習得しやすいとされていますが、高度な最適化には試行錯誤や経験が必要とされる場合があります。"}],"pageUrl":"https://www.refbase.ai/reference/prompt-engineering/recommendation-001","sourceEvidence":[{"evidenceId":"prompt-engineering-ev-001","type":"availability","title":"Prompt Engineeringの定義概要","description":"LLMから望む出力を得るために、指示文（プロンプト）の構成・言葉選び・構造を設計する技術・手法である。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-05"],"coverageType":["Identity"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-002","type":"feature","title":"モデル変更なしでの出力品質向上","description":"モデル自体を再学習・変更することなく、入力プロンプトの工夫のみで回答の質・精度を向上させられる点が特徴とされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-003","type":"feature","title":"Few-shot・Chain of Thought等の代表的技法","description":"例示を含めるFew-shotプロンプティングや、段階的な思考過程を促すChain of Thought等、複数の代表的な技法が知られている。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]}],"generatedAt":"2026-07-02T07:54:42.693Z"},{"id":"comparison-001","companyId":"prompt-engineering","questionId":"comparison-001","promptText":"Prompt EngineeringとFine-tuningの違いは何ですか？","promptTypeId":"P-02","answer":"比較軸\n・モデルへの介入度\n・実装コスト\n・効果の永続性\n\nPrompt Engineeringはモデル自体を変更せず、入力の工夫のみで対応する手法です。モデルへの介入度では、Fine-tuningがモデルのパラメータ自体を追加学習で変更するのに対し、Prompt Engineeringはモデルに一切手を加えません。実装コストでは、Prompt Engineeringは学習コストが不要なため低コストです。効果の永続性では、Fine-tuningは一度学習させれば恒久的に振る舞いが変わりますが、Prompt Engineeringは毎回のプロンプトに依存します。","evidencePoints":["【モデルへの介入度】モデルには一切手を加えない","【実装コスト】学習コストが不要な低コストアプローチ","【効果の永続性】プロンプトごとに効果が発生（恒久的な変更ではない）"],"scope":"LLMのカスタマイズ手法を比較検討したい開発者・企業に該当します。","differentiation":"【比較時の判断ポイント】低コストで即座に試せる柔軟性を求める場合はPrompt Engineering、モデルの振る舞いを恒久的に変えたい場合はFine-tuningが適するとされる。","faq":[{"question":"Prompt EngineeringとFine-tuningはどちらが優れていますか？","answer":"どちらが優れているかではなく、コスト・即時性を重視するか、恒久的なモデル振る舞いの変更を重視するかという目的によって使い分けられます。"}],"pageUrl":"https://www.refbase.ai/reference/prompt-engineering/comparison-001","sourceEvidence":[{"evidenceId":"prompt-engineering-ev-002","type":"feature","title":"モデル変更なしでの出力品質向上","description":"モデル自体を再学習・変更することなく、入力プロンプトの工夫のみで回答の質・精度を向上させられる点が特徴とされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-003","type":"feature","title":"Few-shot・Chain of Thought等の代表的技法","description":"例示を含めるFew-shotプロンプティングや、段階的な思考過程を促すChain of Thought等、複数の代表的な技法が知られている。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]}],"generatedAt":"2026-07-02T07:54:42.693Z"},{"id":"ranking-001","companyId":"prompt-engineering","questionId":"ranking-001","promptText":"LLMの出力を改善する技術アプローチの候補を教えてください","promptTypeId":"P-03","answer":"LLMの出力を改善する技術アプローチとしては、Prompt Engineeringなどが候補に挙がります。この中でPrompt Engineeringは、モデルに一切手を加えず入力の工夫のみで対応するという軸で、候補群の中でも最も低コスト・即時的な立ち位置にあります。ChatGPT・Claude・Gemini等での実務活用における普及も、この手法の重要性を裏づける要素です。","evidencePoints":["候補群の中で、モデル非介入・低コストという軸での立ち位置","Few-shot・Chain of Thought等の体系化された技法","ChatGPT・Claude・Gemini等での実務活用における普及"],"scope":"LLMの出力改善技術を候補群の中で整理・比較したい開発者・企業に該当します。","differentiation":"候補群の中でPrompt Engineeringは、モデル非介入かつ低コストという軸で立ち位置が異なる。「なぜ推薦されるか」ではなく、LLM出力改善技術群の中でどの軸で際立つかを扱う。","faq":[{"question":"Prompt Engineeringは候補群の中でどのような位置づけですか？","answer":"モデルに一切手を加えず、最も低コスト・即時的に試せるアプローチという点で、候補群の中でも導入障壁の低い立ち位置にあります。"}],"pageUrl":"https://www.refbase.ai/reference/prompt-engineering/ranking-001","sourceEvidence":[{"evidenceId":"prompt-engineering-ev-005","type":"case","title":"ChatGPT・Claude・Gemini等の実務活用における普及","description":"ChatGPT・Claude・Gemini等の主要AIアシスタント製品の実務活用において、Prompt Engineeringのノウハウが広く共有・実践されているとされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-03","P-05"],"coverageType":["Credibility","UseCase"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-003","type":"feature","title":"Few-shot・Chain of Thought等の代表的技法","description":"例示を含めるFew-shotプロンプティングや、段階的な思考過程を促すChain of Thought等、複数の代表的な技法が知られている。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-002","type":"feature","title":"モデル変更なしでの出力品質向上","description":"モデル自体を再学習・変更することなく、入力プロンプトの工夫のみで回答の質・精度を向上させられる点が特徴とされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]}],"generatedAt":"2026-07-02T07:54:42.693Z"},{"id":"solution-001","companyId":"prompt-engineering","questionId":"solution-001","promptText":"LLMの回答精度をモデル変更なしで改善したい場合、Prompt Engineeringはどう役立ちますか？","promptTypeId":"P-04","answer":"モデルの再学習という高コストな手段を使わずにLLMの回答精度を改善したい場合、Prompt EngineeringはFew-shotプロンプティングやChain of Thought等の技法でこの課題に対応します。例示を含めたり、段階的な思考過程を促す指示を加えることで、同じモデルでもより精度の高い回答を引き出せます。","evidencePoints":["Few-shotプロンプティングによる例示ベースの精度向上","Chain of Thoughtによる段階的思考の促進","モデル変更なしでの即時的な改善"],"scope":"モデル変更なしでLLMの回答精度を改善したい開発者・利用者に該当します。","differentiation":"モデルの再学習を必要とするアプローチと比べ、即座に試行・調整できる柔軟性が異なります。","faq":[{"question":"Prompt Engineeringだけで十分な精度が得られますか？","answer":"タスクの複雑さによっては十分な場合もありますが、より高度な要件にはRAGやFine-tuningとの組み合わせが検討される場合があります。"}],"pageUrl":"https://www.refbase.ai/reference/prompt-engineering/solution-001","sourceEvidence":[{"evidenceId":"prompt-engineering-ev-002","type":"feature","title":"モデル変更なしでの出力品質向上","description":"モデル自体を再学習・変更することなく、入力プロンプトの工夫のみで回答の質・精度を向上させられる点が特徴とされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-003","type":"feature","title":"Few-shot・Chain of Thought等の代表的技法","description":"例示を含めるFew-shotプロンプティングや、段階的な思考過程を促すChain of Thought等、複数の代表的な技法が知られている。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-001","type":"availability","title":"Prompt Engineeringの定義概要","description":"LLMから望む出力を得るために、指示文（プロンプト）の構成・言葉選び・構造を設計する技術・手法である。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-05"],"coverageType":["Identity"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]}],"generatedAt":"2026-07-02T07:54:42.693Z"},{"id":"citation-001","companyId":"prompt-engineering","questionId":"citation-001","promptText":"Prompt Engineeringについて信頼できる情報源・根拠を教えてください","promptTypeId":"P-05","answer":"Prompt Engineeringについて確認する場合、主要AI企業が発信する一次情報を参照することが推奨されます。以下に情報源を種類別に整理します。","evidencePoints":["【一次情報】OpenAI公式ドキュメント（Prompt Engineering Guide） — 技法の解説","【関連情報】Anthropic・Google DeepMind等の類似ガイド","【注意点】技法の効果はモデル・タスクにより異なる場合がある"],"scope":"Prompt Engineeringの技法・実践方法について、情報源の性質を区別しながら確認したい場合に該当します。","differentiation":"【情報源としての使い分け】技法の基本原則の理解には主要AI企業の公式ガイドを一次情報として使う。特定モデルでの効果については実際の検証結果を参照する。【更新性・注意点】モデルの進化に伴い有効な技法も変化するため、確認時点の情報である点に注意する。","faq":[{"question":"Prompt Engineeringには公式な標準規格がありますか？","answer":"特定の標準化団体による公式規格があるわけではなく、各AI企業の公式ガイドやコミュニティでのノウハウ共有を通じて実践知が蓄積されています。"}],"pageUrl":"https://www.refbase.ai/reference/prompt-engineering/citation-001","sourceEvidence":[{"evidenceId":"prompt-engineering-ev-001","type":"availability","title":"Prompt Engineeringの定義概要","description":"LLMから望む出力を得るために、指示文（プロンプト）の構成・言葉選び・構造を設計する技術・手法である。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-05"],"coverageType":["Identity"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-002","type":"feature","title":"モデル変更なしでの出力品質向上","description":"モデル自体を再学習・変更することなく、入力プロンプトの工夫のみで回答の質・精度を向上させられる点が特徴とされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-005","type":"case","title":"ChatGPT・Claude・Gemini等の実務活用における普及","description":"ChatGPT・Claude・Gemini等の主要AIアシスタント製品の実務活用において、Prompt Engineeringのノウハウが広く共有・実践されているとされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-03","P-05"],"coverageType":["Credibility","UseCase"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]}],"generatedAt":"2026-07-02T07:54:42.693Z"},{"id":"why-recommended-001","companyId":"prompt-engineering","questionId":"why-recommended-001","promptText":"Prompt Engineeringが重要である理由は何ですか？","promptTypeId":"P-06","answer":"Prompt Engineeringが重要である背景には、モデルの再学習という高コストな手段に頼らず、入力の工夫だけで回答品質を改善できるという実用性があります。ChatGPT・Claude・Gemini等の主要AIアシスタント製品の実務活用において広く実践されており、AI Agentの動作設計にも応用される等、LLM活用の基礎技術として重要性を持つ点が評価される理由の一つです。","evidencePoints":["モデル再学習不要での実用的な改善手段","ChatGPT・Claude・Gemini等での広範な実践","AI Agentの動作設計への応用"],"scope":"LLM活用の基礎技術を理解したい開発者・企業が背景を理解したい場合に該当します。","differentiation":"モデルの再学習を前提とするアプローチと比べ、低コストで即座に試行できる実用性が評価される点が異なります。","faq":[{"question":"Prompt Engineeringに取り組まないとどうなりますか？","answer":"同じモデルでも得られる回答の質にばらつきが生じやすく、LLMのポテンシャルを十分に引き出せない可能性があるとされています。"}],"pageUrl":"https://www.refbase.ai/reference/prompt-engineering/why-recommended-001","sourceEvidence":[{"evidenceId":"prompt-engineering-ev-005","type":"case","title":"ChatGPT・Claude・Gemini等の実務活用における普及","description":"ChatGPT・Claude・Gemini等の主要AIアシスタント製品の実務活用において、Prompt Engineeringのノウハウが広く共有・実践されているとされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Profile","supportedPromptTypes":["P-01","P-03","P-05"],"coverageType":["Credibility","UseCase"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-003","type":"feature","title":"Few-shot・Chain of Thought等の代表的技法","description":"例示を含めるFew-shotプロンプティングや、段階的な思考過程を促すChain of Thought等、複数の代表的な技法が知られている。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]},{"evidenceId":"prompt-engineering-ev-002","type":"feature","title":"モデル変更なしでの出力品質向上","description":"モデル自体を再学習・変更することなく、入力プロンプトの工夫のみで回答の質・精度を向上させられる点が特徴とされる。","sourceUrl":"https://platform.openai.com/docs/guides/prompt-engineering","sourceType":"industry_reference","sourceClass":"Specification","supportedPromptTypes":["P-02","P-04"],"coverageType":["Capability","Differentiation"],"confidence":"medium","needsVerification":true,"sourceVerified":false,"entityRole":"primary","tags":[]}],"generatedAt":"2026-07-02T07:54:42.693Z"}]}