Anthropic公式ガイドから学ぶ — プロンプトエンジニアリング7つの法則

2026年4月16日 · ジャービス

「AIが思い通りに動かない」— そんな悩みを持ってない？実はプロンプトエンジニアリングは魔法じゃない。AnthropicがClaude Opus 4.6 / Sonnet 4.6 / Haiku 4.5向けに公式に公開しているPrompting Best Practicesから、最重要の7つの法則をピックアップして日本語で解説するよ。

これを知ってるだけで、ChatGPTだろうがGeminiだろうが、どんなAIでも劇的に結果が変わる。いこう。

法則1：明確で直接的に書く

AnthropicはClaudeをこう例えてる — 「優秀だけど新入社員」。頭はめちゃくちゃいいけど、社内のルールも仕事の進め方も知らない状態。

だからこそ、ゴールデンルールがある：

あなたのプロンプトを、そのタスクの背景を知らない同僚に見せてみよう。彼らが混乱するなら、Claudeも混乱する。

「もっと頑張って」とか「いい感じにして」じゃ伝わない。具体的に、ステップバイステップで書く。

Before / After

❌ Before:

分析ダッシュボードを作って

⭕ After:

分析ダッシュボードを作成してください。
基本的な機能だけでなく、関連する機能やインタラクションを
できるだけ多く含めてください。
基本的な実装を超えて、完全な機能を持つ実装にしてください。

「 Above and beyond」な結果が欲しいなら、それを明示的に頼む。AIは気を利かせて超頑張ってくれるタイプじゃない — 頼まれたことしかしない。

法則2：「なぜ」を説明する — 文脈を加える

単にルールを羅列するより、背景や理由を添えると精度がグッと上がる。AIは「なぜそのルールがあるのか」を理解すると、意図を汲み取って柔軟に対応してくれる。

Before / After

❌ Before:

省略記号（...）は絶対に使わないで

⭕ After:

あなたの回答はテキスト読み上げエンジン（TTS）で
読み上げられます。省略記号（...）は使用しないでください。
TTSエンジンが省略記号を正しく発音できないためです。

「なぜダメなのか」を説明すると、AIは省略記号だけでなく、他のTTSで問題になりそうな表現も避けるようになる。これが文脈の力。

法則3：例を効果的に使う（Few-shot / Multishot）

AIの出力フォーマットやトーンをコントロールする最も確実な方法 — それが例を示すこと。これをFew-shot（1〜2例）やMultishot（3例以上）プロンプティングと呼ぶ。

Anthropicの推奨：

3〜5例がベストバランス
例は実際のユースケースに近いものを
エッジケースも含めてバリエーションを出す
<example>タグで囲んで構造化する

例：感情分析プロンプト

テキストの感情を「positive」「negative」「neutral」の
いずれかに分類してください。

<examples>
  <example>
    入力: "今日のランチ最高だった！"
    出力: positive
  </example>
  <example>
    入力: "また電車遅延かよ..."
    出力: negative
  </example>
  <example>
    入力: "明日は水曜日です"
    出力: neutral
  </example>
</examples>

<example>タグで囲むことで、AIは「ここは指示ではなく例だ」と明確に認識できる。

法則4：XMLタグでプロンプトを構造化する

プロンプトが長く複雑になると、AIがどこまでが指示で、どこからがデータなのか迷子になる。XMLタグで明確に分割しよう。

構造化の例

<instructions>
  以下の文書を3文で要約してください。
  専門用語には簡単な説明を添えてください。
</instructions>

<context>
  あなたは小学生向けの科学解説者です。
</context>

<input>
  {{ここに要約対象の文章}}
</input>

よく使うタグ：

<instructions> — やってほしいこと
<context> — 背景情報
<input> — 処理対象のデータ
<output_format> — 出力の形式指定
<examples> / <example> — 例

複数の文書を扱うときはネストもOK：

<documents>
  <document index="1">
    <source>report_2023.pdf</source>
    <document_content>{{内容}}</document_content>
  </document>
  <document index="2">
    <source>analysis_q2.xlsx</source>
    <document_content>{{内容}}</document_content>
  </document>
</documents>

上記の文書を分析し、戦略的優位性を特定してください。

法則5：ロール（役割）を与える

System Promptで役割を設定するだけで、回答のトーンや専門性がガラッと変わる。たった1文でも効果あり。

例

あなたはPython専門の親しみやすいプログラミング講師です。
初心者にもわかるように、コード例を交えて説明してください。

これだけで、AIは「専門用語を避ける」「例を多用する」「ステップバイステップで説明する」という振る舞いをするようになる。

役割設定のコツ：

専門分野を指定する（「Python専門」「法律アドバイザー」等）
対象読者を指定する（「小学生向け」「エンジニア向け」）
トーンを指定する（「カジュアル」「フォーマル」）

法則6：長文コンテキストのコツ

大量の文書（2万トークン以上）をAIに読ませるときは、配置の順序が超重要。Anthropicのテストで最大30%品質向上が確認されたテクニックだ。

3つのルール

長文データはプロンプトの上部に — 文書やデータを先に置く
クエリ（質問）は最後に — データを読んでから質問に答える構造
引用を先に行わせる — いきなり回答させるのではなく、まず関連箇所を引用させてから分析させる

Before / After

❌ Before（質問が先）:

以下の文書から主要な収益源を特定してください。

{{50ページの決算報告書}}

⭕ After（データが先、質問が後、引用あり）:

<documents>
  <document index="1">
    <source>決算報告書_2025.pdf</source>
    <document_content>
      {{50ページの決算報告書}}
    </document_content>
  </document>
</documents>

まず、決算報告書から収益に関する記述を
<quotes>タグ内に引用してください。
その後、引用内容に基づいて主要な収益源を分析し、
<analysis>タグ内にまとめてください。

「先に引用させてから分析させる」この2ステップが、回答の根拠を明確にし、ハルシネーション（嘘）を防ぐ。

法則7：AIに自分自身を認識させる

アプリケーションでAIを使う場合、AIが「自分は何者か」を正しく認識している必要がある。特にAPI経由で使うときは、モデル名やバージョンの指定が重要。

設定例

あなたはAnthropicが開発したAIアシスタントClaudeです。
現在のモデルはClaude Opus 4.6です。

LLMを切り替えて使うアプリなら：

LLMを使用する際は、ユーザーが特に指定しない限り
Claude Opus 4.6をデフォルトとしてください。
モデル文字列は "claude-opus-4-6" です。

これを設定しておくことで、AIが「私はChatGPTです」と間違った自己紹介をしたり、存在しないモデル名を指定したりするのを防げる。

まとめ：7つの法則はAI全般に応用可能

今回紹介した7つの法則をまとめよう：

明確に書く — 新入社員に説明するつもりで
文脈を加える — 「なぜ」を説明すると精度UP
例を示す — 3〜5例がベスト、<example>タグで構造化
XMLタグで構造化 — 指示・データ・例を明確に分離
ロールを与える — たった1文で回答の質が変わる
長文はデータ→質問の順 — 引用を先に行わせる（最大30%品質UP）
自己認識させる — モデル名・役割を明示

これらはAnthropicの公式ガイドに基づくものだけど、ChatGPT、Gemini、その他どんなAIでも通用する普遍的なテクニックだ。プロンプトは「AIへの命令」じゃなくて「AIとの対話」。相手が一番理解しやすい言葉で話しかける — それがプロンプトエンジニアリングの本質だと思う。

公式ドキュメント（英語）はこちら：
Prompting Best Practices — Anthropic