生成AIパスポート 第5章 プロンプトエンジニアリング｜要点まとめ
第5章では「LLMから望む出力を引き出す技術」を扱います。実務でそのまま使えるスキルが問われる、実用性の高い章です。暗記というより「実際にプロンプトを書けるようになる」つもりで学ぶと、自然と頭に入ります。
この章のポイント
第5章の出題範囲は、次の4つです。
- プロンプティングの基本パターン：Zero-Shot、Few-Shot、Chain of Thought（CoT）の違いと使い分け
- 効果的なプロンプトの要素：Instruction、Context、Input Data、Output Indicator の4要素
- ハイパーパラメータ：Temperature、Top-p などの出力多様性制御
- 業務での具体的活用例：要約、翻訳、タスク抽出、メール、議事録、コード生成、画像生成
「プロンプトエンジニアリングの定義」「LLMが苦手なこと（正確な文字数指定・複雑な計算・最新情報）」も頻出です。
重要キーワードと解説
- プロンプトエンジニアリング：LLMに対して効果的な入力（プロンプト）を設計・最適化することで、意図した出力を引き出す技術・手法
- Zero-Shot プロンプティング：タスクの例を一切与えず、指示だけで実行させる手法
- Few-Shot プロンプティング：プロンプト内に2〜5個の入出力例を含めて、モデルにパターンを把握させる手法
- Chain of Thought（CoT）：「ステップバイステップで考えて」のような指示で推論過程を出力させる手法。数学・論理問題で精度が向上
- プロンプトの4要素：Instruction（指示）、Context（背景・文脈）、Input Data（処理対象）、Output Indicator（出力形式の指定）
- Temperature：出力のランダム性を制御。低い（0付近）と決定論的、高い（1以上）と創造的・多様
- Top-p（nucleus sampling）：累積確率がp以下の上位トークン群からサンプリングする手法。Temperatureと組み合わせる
- ロール指定（ペルソナ設定）：「あなたはベテラン編集者です」のように役割を与えて応答のトーン・専門性を調整
- Negative example：望まない出力を事前に伝える手法。良い例と悪い例を併記して期待の境界線を伝える
- LLMが苦手なこと：①正確な文字数指定 ②複雑な計算 ③最新情報の提供 ④主観性が強い芸術批評
よく出る論点（チェックリスト）
- Zero-Shot・Few-Shot・Chain of Thought の使い分けを、タスクの性質で説明できる
- 効果的なプロンプトの4要素を全て挙げられる
- Temperature と Top-p が制御するものをそれぞれ説明できる
- LLMが「苦手なこと」を3つ以上挙げ、その回避策を述べられる（計算は専用ツール、最新情報はRAGや検索連携）
- ハルシネーション対策としてプロンプト末尾に何を入れると効果的か答えられる（事実確認・出典明示・自己チェック指示）
- シラバス記載の活用例（タスク抽出、姓と名の分離、対象読者の変更、ふりがな付加、箇条書き↔文章変換 など）を5つ以上挙げられる
確認問題で実力チェック
第5章は、読むより試すほうが早く身につく章です。本サイトの「分野別学習」で第5章の70問を解きながら、気になった技法は実際のChatGPTやClaudeで試してみてください。自分で手を動かした技法は、試験でも思い出しやすくなります。
「分野別学習」から第5章を選ぶと、この章の問題だけを集中して解けます。