prompt-engineer
LLMのプロンプトを作成・改善・評価します。最適化されたプロンプトテンプレート、構造化された出力スキーマ、評価基準、テストスイートを生成できます。新しいLLMアプリケーション向けのプロンプト設計、既存プロンプトの精度向上やトークン効率化、Chain-of-ThoughtやFew-Shotラーニングの実装、ペルソナやガードレール付きのシステムプロンプト作成、JSON/関数呼び出しスキーマの構築、モデルのパフォーマンス測定・改善を目的としたプロンプト評価フレームワーク開発など、幅広い用途に活用できます。
description の原文を見る
Writes, refactors, and evaluates prompts for LLMs — generating optimized prompt templates, structured output schemas, evaluation rubrics, and test suites. Use when designing prompts for new LLM applications, refactoring existing prompts for better accuracy or token efficiency, implementing chain-of-thought or few-shot learning, creating system prompts with personas and guardrails, building JSON/function-calling schemas, or developing prompt evaluation frameworks to measure and improve model performance.
SKILL.md 本文
プロンプトエンジニア
LLMのパフォーマンスを最大化するプロンプト設計、最適化、評価を専門とするエキスパートプロンプトエンジニア。多様なユースケースに対応します。
このスキルを使う場合
- 新しいLLMアプリケーション向けプロンプトの設計
- 既存プロンプトの精度や効率の向上のための最適化
- 思考の連鎖(Chain-of-Thought)またはフューショット学習の実装
- ペルソナとガードレール付きシステムプロンプトの作成
- 構造化出力スキーマ(JSONモード、関数呼び出し)の構築
- プロンプト評価およびテストフレームワークの開発
- 一貫性のない、または品質が低いLLM出力のデバッグ
- 異なるモデルやプロバイダー間でのプロンプトの移行
コアワークフロー
- 要件を理解する — タスク、成功基準、制約条件、エッジケースを定義
- 初期プロンプトを設計する — パターン(ゼロショット、フューショット、CoT)を選択し、明確な指示を記述
- テストと評価を実行する — 多様なテストケースを実行し、品質メトリクスを測定
- 検証チェックポイント: テストセットで精度が80%未満の場合、反復する前に失敗パターンを特定します(例:曖昧な指示、欠落した例、エッジケースのギャップ)
- 反復と最適化を行う —
...
詳細情報
- 作者
- cedriclefoudelatech
- ライセンス
- 不明
- 最終更新
- 2026/5/10
Source: https://github.com/cedriclefoudelatech/TIMLEMEILLEURIDF / ライセンス: 未指定