Prompt Engineering Professional

Transcript

1. Prompt Engineering Professional（プロンプトエンジ ニア プロフェッショナル） 試験 三宅 雄斗
2. 試験範囲 生成AIと大規模言語モデルの基礎 知識 プロンプトエンジニアリングの 技術 生成AIの実務への活用 生成AIモデルのカスタマイズ手 法 生成AI利用時における倫理・リス ク管理・法律上の考慮事項 AIエージェントとコンテキストエ ンジニアリング
3. プロンプト設計の考慮点 生成AIに 対する指示 や 質 問のこ と で 、 その質が 応答の質に も直結 す る
4. 目 的 を 明 確 に す る 具 体 的 な 指 示 を す る コ ン テ キ ス ト を 提 供 す る 段 階 的 に ア プ ロ ー チ す る 漠然とした「〇〇について教えて」 や「〇〇を作成して」といった指示 で はなく、何を知りたいのか、ど ん な成果物が 必要 なのか という具体 的な目的を明確にし、プロンプトに 組み込む 曖昧な「挨拶文を作成して」で はな く、 「メールの文頭に添える8月の 時候の挨拶を作成して」といった具 体的かつ簡潔な指示が 効果的 分野‧年代‧地域‧対象など の背景 情報をプロンプトに加えることが 重 要。 「医療分野において~」 「1980年代 の~」 「日本におけ る~」 「専門知識 を持たない初心者に向けて説明して くだ さい」 複雑な指示や質問の場合、一度にす べ てを求めると応答が 不完全になり が ち。最初に一部の要素を尋ね、そ の後に次の要素を問うといったアプ ローチが 効果的
5. プロンプト技術 Zero-Shot Prompting Few-Shot Prompting R o l e P r o m pt i n g Emotion Prompting C h a i n - o f - T h o u gh t P r o m p t i n g Self-Consistency Tree of Thoughts Generated Knowledge Prompting R e f l e c t i o n Meta Prompting Prompt Chaining
6. Rol e Prompti ng モデ ルに対して特定の役割や人格を与えることで、応答のスタイルや 視点を制御するプ ロンプ トテクニック 回答に一貫した視点や口調 を持たせることができる。 モデ ルに知識領域を限定したロール(医師、弁護士、エンジニアなど)を与え ることで、その分野に特化した回答を引き出しやすい。 利点
7. あなたはシニアソフトウェアエンジニアです。 以下のPythonコードをレビューし、可読性・パフォーマンス・セキュリティ の観点から改善点を指摘してください。 def process(data): return [x*2 for x in data if x > 0] Rol e Prompti ng 例 あなたは優秀なソフトウェア開発プロジェクトのマネージャーです。 次の機能追加リクエストを評価し、工数・リスク・優先度を簡潔にまとめてく ださい。 機能: 既存のNextJSで作られているWebアプリに「ダークモード」を追加
8. Chai n- of - Thought Prompti ng モデ ルに中間の思考過程を逐次的に出力させることで複雑な推論を可能に するテクニック。 プ ロンプ ト中に思考の連鎖を記述するよう指示することで、モデ ルがまず 問題を分解・推論する過程を箇条書きや文章に出力し、最後に答えを提示 するようになる モデ ルの推論プ ロセスが透明化されるため、答えに至る根拠 が明示され信頼 性が増す。中間ステップ を踏ませることで複雑な問題にも対処しやすくな り、精度向上につながる 。 利点
9. Chai n- of - Thought Prompti ng 例 次の問題をステップごとに処理の流れを考えてください。 問題: 次のJavaScript配列の中で最大の数を求めるアルゴリズムを説明して ください。 const nums = [3, 7, 2, 9, 5]; 期待される思考の流れ 配列を先頭から順に確認する 最大値を保持する変数を用意する（例: max = nums[0]） 各要素とmaxを比較し、大きければ更新 最終的にmaxを返す .....サンプルコード
10. Ref l ecti on モデルが⾃分の思考プロセスを振り返り、問題解決や意思決定の質を向上さ せるための⼿法。まず通常おり質問やタスクを与えモデル回答させる。その 後、フィードバックを求める追加問いを与え、モデルが自ら直前回答を再評 価し、誤りや改善点を言語化するようにする。 モデル自己検証 を促すことで、一発では間違えた回答も修正され、結果的に 精度や完成度が向上する。 利点
11. Ref l ecti on 例 次のJSで書かれているコードのテストコードを作成してください。 [ソースコードを貼り付け] 以下の自動生成したテストコードを振り返り、網羅性が不足していない かを確認してください。 不足しているテストケースがあれば提案してください。 [プロンプト１で生成されたテストコードを貼り付け] プロンプト１ プロンプト２
12. 生成AIのカスタマイ ズ手法 プロンプトエンジニアリング R A G ( R e t r i e v a l A u g u m e n t e d G e n e r at i o n ) フ ァ イ ン チ ュ ー ニ ン グ
13. 生成AI モデルとは 生成AIのモデルとは、人間に例えると「脳の神経回路」のようなもの。 学習データは過去の経験や記憶にあたり、基本的にモデルはその中からしか 回答を生成できない。 Transformer BERT系（Google） GPT系（OpenAI） T5 / FLAN / LLaMA / Claude / Gemini ......
14. RAG 外部の知識ベースを活用して、モデルの知識を補強する手法で、検索エンジ ンとの連携によって関連性の高い情報を即座に抽出し、応答生成に利用す る。 モデル⾃体を再学習させることなく、最新の外部データや動的な情報を応答 に取り⼊れることを目的とする 外部ドキュメントやデータベースから関連情報を検索し、その結果をプ ロンプトに組み込む 検索精度や情報の整備状況に依存するため、⼗分な品質管理が必要 特徴
15. ファインチューニング モデルを再学習させ、特定のタスクや分野に最適化する手法で、計算コスト やデータ量を削減しながら、特定タスク向けのファインチューニングを効率 的に実施することが可能。 特定のタスクや分野で、より⾼い精度と特化度を実現することを目的とす る。 追加データを⽤いた微調整により、モデルの応答の精度を⼤幅に向上さ せる トレーニングには計算リソースと時間が必要となる ⼀度ファインチューニングを⾏うと、他のタスクへの汎⽤性が低下する 可能性がある 特徴
16. Thank You! 引用 日本プロンプトエンジニアリング協会 Prompt Engineering Professional試験シラバス https://prompt.or.jp/pep