AIモデルの出力を価値あるものにするためには、AIモデルの出力から不安定で推測できない要素を排除する必要があります。 プロンプトエンジニアのメインの目的は、プロンプトを調整し、この出力を安定させることにあります。
空について、簡潔に一文でAIに説明文を出力してほしい状況を考えます。AIモデルに以下のように質問したとします。
▶︎例
入力 - 空について簡潔に一文で説明してください。
回答 - 空は、地球の大気圏内に存在し、私たちが見上げるときに見える広大な青い領域で、気象現象が起こり、 生物に必要な酸素を含んでいます。
質問者はより短い回答を求めていたものの、上記の例では、AIモデルは長い一文を出力しました。これに対し、期待に沿うように質問文をより具体的なものにするのも一つの手ですが、期待した出力を安定して得るまで一苦労すると思います。 しかし、プロンプトエンジニアリングの用法の一つである、Few-shot prompting(回答例の提示)を行なうことで、より期待した出力が得られるようになります。
▶︎例
入力 - Q: 海について説明してください。 A: 地球を覆う大きな水たまりです。 Q: 歴史について説明してください。 A: 人類が辿ってきた足跡です。 Q: 空について説明してください。 A:
回答 - 地球の表面から見上げると見える大気の層です。
この用法はとても汎用的であり、最後の質問文を別の質問や別の対象に変えても、安定して期待した様式の回答を出力してくれます。
▶︎例
入力 - Q: 海について説明してください。 A: 地球を覆う大きな水たまりです。 Q: 歴史について説明してください。 A: 人類が辿ってきた足跡です。 Q: 変化について説明してください。 A:
回答 - 時間と共に起こる事物や状態の違いです。
前の章：「プロンプトエンジニアリングが一つの職業になった理由」
次の章：「【プロンプトエンジニアリング】プロンプトインジェクションを回避する」
