コンテキストエンジニアリングとは？プロンプトを直しても伝わらないときの整理術

プロンプトは依頼文、コンテキストは判断に使う材料全体

プロンプトエンジニアリングは、主に指示の書き方や例の与え方を工夫します。コンテキストエンジニアリングは、それに加えて、どの資料や履歴を参照させるか、道具の返答をどこまで渡すか、長くなった情報をどう整理するかまで扱います。両者は対立する方法ではありません。

たとえば「正しい料金を答えて」と強く書いても、入力に去年の料金表しかなければ問題は残ります。「もっと注意深く読んで」と足すより、最新版を指定し、対象プランの行へ絞る方が直接的です。

• 出典：Anthropic / context engineering（新しいタブ）
• 出典：OpenAI / Projects（新しいタブ）

問い合わせの回答を作るなら、4つを分ける

架空のサービス「青葉予約」の問い合わせで考えます。新料金は10月1日から月額1,200円。旧料金は1,000円。質問した人は9月に契約した既存利用者ですが、既存契約の移行日は資料にありません。

ここで正しい仕事は、1,200円と断言して返信することではありません。「新料金は確認できるが、既存契約へいつ適用するかは未確認」と整理し、担当者へ確認できる下書きを作ることです。資料をきれいにまとめる目的は、分からない部分まで分かったことにしないためでもあります。

資料の一覧を一枚作る

最初から専用のデータベースを導入する必要はありません。ファイル名、用途、版、更新する担当、AIへ渡す範囲を書いた一覧があれば、資料の取り違えを発見しやすくなります。日付だけ新しいファイルが正本とは限らないので、承認済みかも分けます。

以下は小規模チーム用の記入例です。古い資料は消すとは限りません。履歴として保存しつつ、通常の回答で使うフォルダーから外します。最新版の差し替え後は、前の版から条件が変わった質問を一つ用意して、正しい版を参照しているか確かめましょう。

資料が増えたら「全部渡す」以外を選ぶ

毎回使う短いルールは固定の指示へ、特定の仕事で使う資料はプロジェクトへ、量の多い規程集は必要箇所を検索して渡す方法へ、という分け方ができます。検索した資料を生成AIへ渡す構成はRAGと呼ばれます。

ただし、検索を入れると、どの資料を拾ったかという新しい確認が必要です。検索結果に古い版が混ざったり、例外条件の段落だけ落ちたりすれば、AIの文章が自然でも回答を間違えます。方式を増やす前に、少数の資料で困り方を確かめてください。

改善したかは、同じ質問で確かめる

毎回違う質問をすると、資料整理の効果なのか、質問が簡単だっただけなのか分かりません。通常条件、例外条件、資料に書かれていない条件を含め、答えの分かる質問を用意します。使った資料の版と入力を残して、変更前後で比べます。

上の料金例なら「新規契約の金額」「旧料金はいくらだったか」「既存契約へいつ適用されるか」を分けます。最後の質問へ勝手な日付を答えたら、文章が読みやすくても不合格です。正答率だけでなく、分からないことを確認へ回せたかも見ます。

買い足す前に、資料の読みにくさを解消する

紙の規程が大量にあり、毎回撮影する作業が負担なら、まず数枚だけPDFにして読み取りを試します。必要なのは「読み取りミスが少ない資料」であって、高価なAI契約とは限りません。継続してばらの紙を取り込む場合には、自動給紙に対応するScanSnap iX1300が候補になります。綴じた本や対応外の紙を無理に通さず、原稿条件と使う端末を確認してください。

紙を扱う前の確認は書類をPDFにする手順へ。検索の設計へ進む場合はRAGと追加学習の違いで、必要な構成を絞れます。

• 出典：ScanSnap iX1300 ホワイト（FI-IX1300A） 公式仕様（新しいタブ）