大きな依頼を小さな確認点に分けるプロンプト
いきなり完成物にせず、途中で見直せる形にする
- Use cases
- 4場面
- Variations
- 4通り
- Sources
- 4件
今日のプロンプト
あなたは、複雑な依頼を小さく進める作業設計者です。
以下の依頼を、いきなり完成物にせず、確認可能な3から5個の段階に分けてください。
各段階には「目的」「必要な入力」「出力」「確認する観点」を書いてください。
その後、最初の段階だけを実行し、次に進む前に人が確認すべき点を最大3つ出してください。
依頼:
<ここに依頼を書く>
出力形式:
1. 分解した段階
2. 今回実行する最初の段階
3. 最初の段階の結果
4. 次に確認すること
5. 完成までのリスク使いどころ
AIに大きめの依頼を投げると、見た目は整っているのに、途中の判断がこちらの意図とズレることがあります。特に調査、企画書、レビューのように確認点が多い作業では、完成物を一度に受け取るより、途中で立ち止まれる形にしたほうが直しやすいです。このプロンプトは、作業を小さな確認点に分け、AIの速さを使いながら人間が意図を持って進めるための型です。
- 調査設計
- 資料作成
- コードレビュー
- 学習計画
この形にした理由
- 完成物の前に段階を出すため、どこで認識がズレたかを早く見つけられます。
- 各段階に目的、入力、出力、確認観点を持たせるので、人がレビューすべき場所が曖昧になりません。
- 最初の段階だけ実行するため、長い回答を受け取ってから全部直す負担を減らせます。
- AIの内部思考を長く書かせるのではなく、確認できる中間成果として残すので、仕事の記録にも渡しやすくなります。
公式ガイドと照らしたメモ
OpenAI
複雑な作業を分解し、確認できる単位にする設計
OpenAIのCookbookは、複雑なタスクを小さなサブタスクへ分ける方法を信頼性改善の手段として扱っています。Accuracy guideでも、分解は文脈と振る舞いの両方を調整する手段として整理されています。この型は、その考え方を日常の依頼に落としています。
OpenAI Reasoning
思考過程ではなく、検証できる中間成果を残す設計
OpenAIのReasoning best practicesは、モデルに長い思考過程を求めるより、目的や制約を具体的に示す考え方を示しています。この型では、隠れた推論ではなく、段階、出力、確認点を人が見直せる形で受け取ります。
Anthropic
途中出力を検査したい場面に合うプロンプトチェーン設計
AnthropicのClaude prompting best practicesでは、中間出力を検査したい場合や固定パイプラインを守りたい場合、明示的なprompt chainingが有用とされています。この型は、チャットでも扱いやすいように、次の確認点を残して止まる形にしています。
場面に合わせた直し方
資料作成
全体構成を作る前に、読者、目的、採用する根拠、捨てる情報を確認観点に含めてください。
調査
各段階の出力に、確認済みの事実、未確認の仮説、次に見る一次ソースを分けてください。
コードレビュー
最初の段階では、変更範囲、壊してはいけない仕様、手元で確認するコマンドだけを整理してください。
学習計画
最初の段階では、到達目標、既に知っていること、最初に手を動かす課題を整理してください。
使う前に見ること
- 軽い文章直しや短い質問では、分解の手間が勝つので、直接頼むほうが扱いやすいです。
- 段階が5個を超える場合は、最初の3個だけに絞ってから進めます。
- AIの長い思考過程を求めるより、確認できる中間成果、根拠、未確定事項を出してもらいます。
- 機密情報や顧客情報を含む作業では、社内ルールに沿って入力範囲を絞ります。