生成AIの5つの設計手法とは？違いと使い分け

TL;DR

生成AIの回答品質を高めるには、指示、背景情報、実行環境、反復改善、処理構造を一体として設計する。曖昧な指示を具体化し、必要十分な情報と安全な道具を与え、別のAIによる検証と修正を合格水準まで繰り返すことが重要である。

Transcript

はい、こんにちは。ケトです。この チャンネルは生成AIの最新情報や活用 事例を紹介してます。是非チャンネル登録 のお願いいたします。あと通知ボタンもお 願いします。そして今回のテーマはAI 界隈ですごく言われているまるまる エンジニアリングについてをですね、解説 していきたいと思います。はい。特にです ね、最近この動画を撮ってる時点で言われ ているのはですね、ループエンジニアリン グってやつですよね。で、このループ エンジニアリングっていうのが出てくる前 に言われてたのがハーネス エンジニアリングとかコンテキスト エンジニアリング、そしてプロンプト エンジニアリングとか、え、そして最近 なってまた新しく出てきたのがグラフ エンジニアリングってやつ。そしてその先 に出てくるようなまるまエンジニ... Read More

Key Insights

• プロンプトエンジニアリングは、役割、条件、形式、禁止事項を具体化し、曖昧な依頼から生じる曖昧な回答を減らすための指示設計である。
• コンテキストエンジニアリングは、添付資料、履歴、検索結果、ルール、記憶から、AIに読ませる背景情報を選択して量とタイミングを調整する設計である。
• 背景情報は、多すぎるとAIが内容を忘れ始め、少なすぎると前提知識が不足するため、目的の処理に必要な情報だけを適量で渡すことが重要である。
• ハーネスエンジニアリングは、利用する道具、操作可能なファイル、権限、禁止領域、承認手順、作業ルールを含むAIの実行環境全体の設計である。
• 危険な操作は、削除や外部送信などに承認フローを設け、読んでよい領域と触れてはいけない領域を分けることで、安全性を確保できる。
• ループエンジニアリングは、成果物をすぐ人間へ返さず、実行、検証、改善を合格水準に達するまで繰り返して品質を高める手法である。
• 検証工程は、作成したAI自身ではなく、背景情報を共有していないサブエージェントや別のAIに担当させると、見落としや甘い自己評価を減らしやすい。
• 5つの設計手法は、指示、情報、環境、時間軸、構造という異なる範囲を扱うが、最終的にはAIの回答品質を上げるという目的で相互につながっている。

Questions & Answers

Q: 生成AIの5つのエンジニアリング手法とは何ですか？

プロンプト、コンテキスト、ハーネス、ループ、グラフの5つである。順に、指示を磨く、渡す情報を選ぶ、動作環境を整える、実行と検証と改善を時間軸で回す、処理を構造で組むという範囲を担当し、すべてAIの回答品質向上を目的としている。

Q: プロンプトエンジニアリングで回答品質を上げる方法は？

役割、条件、出力形式、実施事項、禁止事項を具体的に記述する。「いい感じにまとめて」ではなく、「議事録を決定事項、宿題の順で表にまとめて」のように、対象、順序、完成形を明示すると、同じAIモデルでも期待する回答を得やすくなる。

Q: コンテキストエンジニアリングとは何ですか？

AIに何を、いつ、どれだけ読ませるかを設計する考え方である。指示文だけでなく、添付ファイル、過去の会話履歴、検索結果、作業ルール、記憶などから必要な背景情報を選び、目的に適した量で渡すことで回答の精度を高める。

Q: AIに背景情報を与えすぎると、なぜ問題になるのですか？

AIが処理できる情報には制限があり、大量の資料を渡しすぎると内容を忘れ始めるためである。一方で、情報が少なすぎても前提知識が不足し、何をすべきか判断できない。目的に必要な情報を選別し、過不足のない量に調整する必要がある。

Q: ハーネスエンジニアリングとは何ですか？

AIが仕事をする環境を丸ごと設計する手法である。利用できるアプリケーションや検索先、操作対象のファイル、読み書き可能な領域、権限、承認手順、毎回読むルールや記憶を整え、AIが安全かつ安定して作業できる状態を作る。

Q: AIの実行環境を安全に整える方法は？

読んでよい領域と操作してはいけない領域を分け、AIごとに必要な権限だけを与える。削除や外部送信などの危険な操作には人間の承認フローを設け、使用する道具、接続先、作業ルール、記憶を事前に定義することが重要である。

Q: ループエンジニアリングの方法は？

AIが成果物を作った後に別のAIが検証し、問題があれば修正して再び検証する。実行、検証、改善を繰り返し、人間へ見せられる水準に達した段階で完成品として返す。画像の文字崩れやレポートの計算結果など、確認可能な問題の改善に使える。

Q: なぜ成果物の検証を別のAIに任せるのですか？

AIは自分で作った成果物への採点が甘くなり、見落としが生じやすいからである。背景情報を共有していないサブエージェントや、まったく別のAIに検証と指摘を担当させると、作成側とは異なる視点から問題を発見し、修正精度を高めやすくなる。

Summary & Key Takeaways

• プロンプトエンジニアリングは、AIへの仕事の頼み方を具体化する手法である。「いい感じにまとめて」のような曖昧な依頼ではなく、役割、条件、出力形式、禁止事項まで明示する。同じAIモデルでも、議事録を決定事項と宿題の順で表にするなど、完成形を具体的に指定すれば目的に合う回答を得やすくなる。

• コンテキストエンジニアリングは、指示と一緒に何を、いつ、どれだけ読ませるかを設計する。添付資料、会話履歴、検索結果、作業ルール、記憶などから必要な情報を選ぶことが重要である。情報が少なすぎると前提が不足し、多すぎると重要事項を忘れやすくなるため、目的に合う必要十分な量へ調整する。

• ハーネスは道具、権限、制限、ルールを含む作業環境を整え、ループは実行、検証、改善を時間軸で繰り返し、グラフは処理を構造として組む考え方である。これらは独立した流行語ではなく、AIの回答品質を高めるという共通目的を持つ。個別手法だけでなく、全体のつながりを理解して業務へ適用する必要がある。