Prompt Engineering Guide

1. プロジェクト概要

Prompt Engineering Guideは、大規模言語モデル（LLM）から信頼性の高い高品質な出力を得るためのプロンプト設計に関する研究論文、手法、ツール、実践例を体系的にまとめたオープンソースの教育リソースです。

2. 背景と位置づけ

DAIR.AI（Democratizing Artificial Intelligence Research）によって作成・維持されているこのプロジェクトは、ある共通の課題を解決するために始まりました。GPT-4、LLaMA、GeminiなどのLLMの能力が向上するにつれ、開発者や研究者にとって、それらのモデルに実際にどのようにプロンプトを与えればよいかを学べる単一の構造化された場所が存在しなかったのです。理論と実践を結びつける一貫したフレームワークがなく、関連する手法は学術論文、ブログ記事、ツイートなどに散在していました。

本ガイドの中心的な使命は、最新の論文を選別し、平易な言葉で解説したガイドに要約し、実行可能なノートブックと組み合わせることで、完全な初心者から研究者まで、誰もがプロンプトエンジニアリングの知識にアクセスできるようにすることです。

同様の「awesome list」形式のリポジトリと一線を画すのは、その教育的な深さにあります。単にリソースへのリンクを集めるだけでなく、段階的なカリキュラム（基礎→高度な手法→応用→リスク）を構築し、インタラクティブなコンテンツを備えた companion ウェブサイト（promptingguide.ai）を維持し、13以上の言語で提供されています。これにより、LLMエコシステムにおいて最も広く参照されるプロンプトエンジニアリングリソースの一つとなっています。

3. 機能カテゴリ

📘 コアガイド（10以上の記事） — LLMの設定、プロンプトの基礎、プロンプトの構成要素、一般的なプロンプト作成のヒントを網羅する体系的なレッスン。例：『プロンプト入門』、『プロンプトの基礎』、『プロンプトの構成要素』、『プロンプト設計の一般的なヒント』、『プロンプトの例』。
🧠 高度な手法（15以上の手法） — 公開された研究に基づく、確立された最先端のプロンプト手法を深く解説。例：『Zero-shotプロンプティング』、『Few-shotプロンプティング』、『Chain-of-Thoughtプロンプティング』、『Tree of Thoughts』、『ReActプロンプティング』、『検索拡張生成（RAG）』。
🛠️ 応用例 — 実際の製品構築に役立つ実践的なユースケースへと手法を展開するガイド。例：『関数呼び出し』、『データ生成』、『コード生成』、『生成データの多様性への対処』、『グラフ生成のためのプロンプティング』。
⚠️ リスクと信頼性 — プロンプティングの失敗モードとその軽減策に関する指針。例：『敵対的プロンプティング』、『事実性』、『バイアス』。
🤖 モデル固有のガイド — 各モデルファミリー特有のプロンプティングの癖やベストプラクティスを解説する専用ページ。例：『ChatGPT』、『GPT-4』、『LLaMA』、『Gemini』、『Mixtral』。
📚 プロンプトハブ — すぐに使えるプロンプトテンプレートを分類したライブラリ。例：『分類』、『コーディング』、『創作執筆』、『評価』、『情報抽出』、『数学』、『推論』、『要約』。
💻 ノートブック — 学習者が単に読むだけでなく、実際のモデルに対して手法を実行できるJupyterノートブック。

4. 主な特徴

研究に基づいたコンテンツ — すべての手法が元の論文に紐付けられており、読者はその方法を「どのように」使うかだけでなく、「なぜ」機能するのかを理解できます。
段階的な学習パス — コンテンツは基礎から高度な研究トピックまで整理されており、初心者にも経験豊富な実務家にも適しています。
多言語対応 — コミュニティ貢献者によって13以上の言語で活発に翻訳が維持されており、英語圏以外の開発者へも幅広くリーチしています。
連動するインタラクティブウェブサイト — promptingguide.ai では、生のMarkdown/MDXソースにはない追加のインタラクティブ要素を備え、検索可能でナビゲーションしやすいガイドを提供しています。
実行可能なノートブック — 解説ガイドと実行可能なコードを組み合わせることで、手法を読んで理解することと実際に適用することとの間のギャップを埋めます。
大規模で活発なコミュニティ — 数万のGitHubスターと数百万の学習者に支持され、継続的なコミュニティによるレビューと貢献の恩恵を受けており、変化の激しい分野においても最新の状態を保っています。

5. 役割別のユースケース

一般開発者 — アプリケーションにLLMを組み込む前に、チャットボット、コーディングアシスタント、コンテンツ生成機能向けのプロンプトの構造化方法を学べます。
データサイエンティスト・研究者 — 研究にリンクされた手法ページをプロンプティング文献への迅速な入口として活用し、ノートブックを使って実験のプロトタイプを素早く作成できます。
プロジェクトマネージャー・プロダクトオーナー — 応用例とリスクのセクションを概観することで、現在のLLMで現実的に達成可能なことや信頼性に関する注意点を理解し、スコープ決定の参考にできます。

6. はじめに

必要な情報を見つける — ウェブサイトで直接ガイドを閲覧するか、リポジトリの /guides および /pages ディレクトリを検索して特定の手法を探せます：

open https://www.promptingguide.ai

自身のワークフローで使用する — リポジトリをクローンして、オフラインで生のMarkdown/MDXコンテンツを読んだり、自身のドキュメントから参照したりできます：

git clone https://github.com/dair-ai/Prompt-Engineering-Guide.git

貢献する — リポジトリをフォークし、ガイド、ノートブック、翻訳を追加または改善してから、プルリクエストを作成します：

git checkout -b my-contribution
# pages/ または notebooks/ 配下のファイルを編集
git commit -am "Add: <短い説明>"
git push origin my-contribution

7. プロジェクト構成

Prompt-Engineering-Guide/
├── pages/          # promptingguide.ai サイトのWebコンテンツ（MDX）
│   ├── techniques/ # プロンプティング手法ページ（few-shot, CoT, ReAct, RAGなど）
│   ├── applications/ # 応用ユースケースガイド
│   ├── risks/       # 敵対的プロンプティング、事実性、バイアス
│   └── models/       # モデル固有のガイド（GPT-4, LLaMA, Geminiなど）
├── notebooks/       # 実行可能なJupyterノートブック
├── lecture/         # 連動するビデオ講義のスライドと資料
├── img/             # ガイド全体で使用される図表とイラスト
└── README.md        # プロジェクト概要とナビゲーション

pages/ ディレクトリはライブウェブサイトの唯一の情報源であり、実質的な貢献（新しい手法、修正など）のほとんどはここで行われます。

8. 関連エコシステム

上流依存関係: 本ガイドは主要なLLMプロバイダーや研究機関（OpenAI GPTモデル、Meta LLaMA、Google Gemini、Mistral）の成果物を参照し、それらの上に成り立っています。これらをソフトウェアライブラリとして依存するのではなく、これらのシステムにどのようにプロンプトを与えるかを文書化しています。
DAIR.AIによる関連リソース: DAIR.AI Academyは無料のガイド内容を補完する体系的なセルフペースコースを提供しており、連動するビデオ講義とノートブックは凝縮されたウォークスルーを提供します。
補完的なプロジェクト: LLMアプリケーションフレームワーク（LangChain、LlamaIndexなど）や評価ツールと併用するのに適しています。本ガイドはプロンプトに「何を書くか」を扱い、それらのフレームワークはアプリケーション内で「どのようにプロンプトを制御するか」を担います。

9. ライセンス

✅ 個人学習、社内研修、または商用製品の参考資料としてガイドの内容を使用可（MITライセンス）。
✅ 元の著作権表示とライセンス通知を保持する限り、派生作品を含め、内容のコピー、改変、再配布が可能。
❌ 帰属表示なしに内容を自身のオリジナル作品として提示しないこと。
ℹ️ MITライセンスはリポジトリのテキストとコードに適用されます。サードパーティのアセット（ガイドで参照されるモデルプロバイダーのロゴなど）には、それぞれの利用規約が適用される場合があります。

10. よくある質問

Q: このガイドはOpenAI、Google、Metaと提携していますか？
A: いいえ。DAIR.AIによって維持される独立したコミュニティ主導の教育リソースであり、様々なプロバイダーのモデルへのプロンプト方法を文書化したものです。

Q: ガイドを活用するにはノートブックを実行する必要がありますか？
A: いいえ。Markdown/MDXガイドは自己完結型であり、それだけで読み物として成立しています。ノートブックは実践的な練習を希望する読者のために提供されています。

Q: LLMの進化が速い中で、コンテンツはどの程度最新ですか？
A: リポジトリは活発に維持されており、新しい手法やモデル固有のガイダンスを追加するプルリクエストが頻繁に行われています。最新の更新についてはコミット履歴またはウェブサイトを確認してください。

Q: ガイドを自分の言語に翻訳できますか？
A: はい。翻訳はコミュニティによって貢献されています。重複作業を避けるため、新しい翻訳を始める前に既存の翻訳作業についてのIssueやPRを確認してください。

Q: 他のユーザーと質問したり手法について議論したりするにはどこへ行けばよいですか？
A: プロジェクトのDiscordコミュニティ、およびREADMEにリンクされているGitHub Discussions/Issuesをご利用ください。

11. クイックリンク

リポジトリ: https://github.com/dair-ai/Prompt-Engineering-Guide
公式ドキュメント / ウェブサイト: https://www.promptingguide.ai
貢献ガイド: https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/CONTRIBUTING.md
コミュニティ: リポジトリのREADMEにリンクされているDiscordおよびGitHub Discussions

12. まとめ

Prompt Engineering Guideは、研究引用、実行可能なノートブック、活発なグローバルコミュニティに支えられ、大規模言語モデル向けの効果的なプロンプト作成方法を学ぶための最も包括的で広く利用されているオープンソースリソースの一つです。断片的で変化の激しい知識体系を、単一の構造化された継続的に更新されるリファレンスに変換しているため、最初のチャットボット機能をリリースする開発者から最新のプロンプティング手法を追跡する研究者まで、LLMを活用するすべての人にとって貴重な資産となります。