prompt-craft

プロンプト スキャフォルド

[ROLE]        Who the model is / expertise
[CONTEXT]     Background, domain constraints
[TASK]        One clear instruction
[FORMAT]      Output structure with example
[CONSTRAINTS] Boundaries, edge cases, what to avoid
[EXAMPLES]    Few-shot demonstrations (if needed)

Claude: XMLタグを使用します。GPT: Markdownヘッダーを使用します。小規模モデル: 最小限の構造、最大限の明示性。

デュアルモデル適応

小規模モデル向け (4B-8B Ollama)

• 最大1000トークンのプロンプト長。徹底的に削減してください。
• 1プロンプトあたり1つのタスク。複合指示は避けてください。
• 完全に解いた例は必須です — モデルは形式を模倣します。
• すべての列挙値を明示的にリストしてください: quality: one of "excellent", "good", "fair", "poor"
• チェーン・オブ・ソートは検証済みでない限り使用しないでください（構造化出力を損なうことが多いです）。
• 肯定的な指示: 「Xを書く」であり「Yをしない」ではありません。
• サンドイッチ: 形式仕様を最初と最後に配置します。

大規模モデル向け (GPT-5、Claude)

• ニュアンス付きの指示を含む複数セクションのプロンプト。
• チェーン・オブ・ソート用の<thinking>タグ (Claude)。
• フューショット例はオプション — 大規模モデルは説明から一般化します。
• 「Yでない限りXをしない」という条件付き制約に対応できます。
• システムプロンプトはペルソナ用、ユーザープロンプトはタスク用。

フューショット設計

• 3～5個の例。7個以上は効果が減少します。
• 少なくとも1つのエッジケース例を含めてください。
• 推論を示してください、単なる入力→出力ではなく。
• 順序: 簡単 → 中程度 → エッジケース。
• 小規模モデルの場合: 例がプロンプトです。これらはコントラクトを定義します。

構造化出力

1. フィールド説明付きの正確なスキーマを提供してください。
2. 完全に解いた例 (JSON、コピーの準備ができた状態) を含めてください。
3. 不足している/曖昧なフィールドの処理を指定してください。
4. 列挙型の場合、プロンプト内にすべての有効値をリストしてください。
5. 重要なフィールドについて良い例と悪い例の両方を示してください:

## Dilemma ID Naming (CRITICAL)
GOOD: `host_benevolent_or_self_serving`
BAD: `host_motivation`

防御的パターン

• サンドイッチ: 重要な指示を最初と最後に繰り返してください。
• 検証 → フィードバック → 修復: 出力を検証し、構造化されたエラーをフォーマットし、モデルに修復を要求します。
• 検討 → 凍結 → シリアライズ: 探索と構造化出力生成を分離します。
• 反礼儀正しさ: 「Good luck! などで終わらないでください」。

体系的なテスト

1. イテレーション前に成功基準を定義してください。
2. エッジケースを含む10～20個の多様な入力のテストセットでテストしてください。
3. 1度に1つのことだけ変更してください。
4. 追跡: プロンプトバージョン、モデル、温度、パス率、失敗モード。
5. 失敗分類: 不正な形式、ハルシネーション、拒否、部分出力、題外。