プロンプトエンジニアリングとコンテキストエンジニアリングの違い

違い

Anthropic の言葉では、プロンプトエンジニアリングは、よい結果のために LLM への指示を書いて整える方法です。コンテキストエンジニアリングは、推論のあいだ最適なトークンの集まりを選んで保つための方法の集まりで、プロンプト以外にそこに入るすべての情報、つまりシステムの指示、ツール、外部のデータ、メッセージの履歴を含みます。記事は後者が大事な理由も挙げています。コンテキストが埋まるほど、モデルは情報を正確に思い出しにくくなる（コンテキストロット）。入れるほどよいわけではありません。

Anthropic のプロンプトエンジニアリングの概要は、作業の順番を決めています。プロンプトを直す前に、成功の定義、それを試す方法、最初の下書きを用意する。そして、すべての失敗がプロンプトの問題ではないとも書いています。速さや費用は、別のモデルを選ぶほうが早く直ることがあります。OpenAI のモデル最適化のガイドも同じく、プロンプトエンジニアリングだけで十分よい結果が出ることもあるとしています。

小さなチームにとっての意味

• よいプロンプトはチームの財産。サポートでいちばん上手な人が書いた返信のプロンプトは、残して共有する価値があります。
• チームで差が出るのはコンテキスト。同じプロンプトでも、貼った資料が違えば答えが違います。
• どちらも手入れが要る。規程が変わったら、プロンプトと、プロンプトが指す資料を一緒に直します。

具体例

例として架空の会社を使います。8 人の語学教室カイト・ランゲージ・スクールは、保護者への返信の下書きに AI を使っています。入学担当の責任者にはうまくいくプロンプトがあります。講師 2 人がそれをコピーしましたが、チャットに去年の料金表も貼っていたので、返信が古い料金を答えていました。

プロンプトは問題なく、問題はコンテキストでした。教室はプロンプトを共有のスキルにしました。同じ指示、返信の例 3 つ、そして貼りつけた表ではなく、いまの料金のページへの案内。講師全員の AI が同じ指示と同じ情報源を使うようになり、料金の答えがそろいました。

両方を使う手順

1. その仕事でのよい結果を 2〜3 文で書く。
2. 試すための実際の入力を 5 つから 10 くらい集める。うまくいかなかったものも含める。
3. プロンプトを直す。はっきりした役割と目的、代わりの行動を添えたルール、例を 2〜3 個。
4. コンテキストを削る。テーマごとにいまの情報源を 1 つ指し、古い貼りつけ資料は外す。
5. 共有のスキルとして保存する。全員が試した版を使えるように。

よくある誤解

• 「プロンプトエンジニアリングは終わった」プロンプトは、いまもコンテキストのいちばん大事な部分です。
• 「長いプロンプトほどよい」短く順序立てた指示と例のほうが、長いルールの一覧に勝ちます。
• 「コンテキストエンジニアリングは開発者だけのもの」プロジェクト、カスタムのアシスタント、スキルを設定する人はみな、そのコンテキストを選んでいます。詳しくはコンテキストエンジニアリングの解説へ。

よくある質問

コンテキストエンジニアリングはプロンプトエンジニアリングに取って代わる？

いいえ。Anthropic は、コンテキストエンジニアリングをプロンプトエンジニアリングの自然な発展と位置づけています。プロンプトは残り、仕事の範囲が、モデルが見る資料、ツール、例、履歴にまで広がります。何ステップも動くエージェントでは特に大事です。

プロンプトを直す前にやることは？

Anthropic のプロンプトエンジニアリングの概要は、先に 3 つを用意する前提です。そのタスクでの成功の定義、それに照らして試す方法、そして直す元になる最初の下書き。

チームでよいプロンプトを残すには？

それぞれをスキルとして書きます（名前、「〜するときに使う」の説明、手順）。1 か所から共有すれば、全員の AI が同じ版を使い、直したものが全員に届きます。