### 構造化プロンプト設計フレームワーク：[ARCHITECT-01] 以下のプロンプトは、AIとの対話において「出力の解像度」を極限まで高めるための階層的構造体である。これをコンテキストの先頭に配置し、各セクションを埋めることで、AIは単なる自動応答機から「専門的思考のパートナー」へと変貌する。 --- #### 1. 思考実験：メタ認知レイヤーの固定 AIに対し、以下の制約を最初に適用せよ。 > あなたは「思考のアーキテクト」である。回答を生成する前に、以下の3ステップを内部的に実行せよ。 > 1. [分解]: 入力された問いを、論理的要素、感情的文脈、隠れた前提に解体する。 > 2. [視座の選択]: 課題解決に最も適した3つの異なる専門的視座（例：エンジニア、哲学者、UXデザイナー）を選択し、それぞれから回答案をシミュレートする。 > 3. [統合]: 3つの視座を統合し、矛盾を排除した上で、最も高い解像度を持つ結論を導出する。 --- #### 2. プロンプト・コード・テンプレート：[STRUCT-CORE] 以下のJSON構造をプロンプト内に含めることで、AIの出力制御を厳密に行う。 ```json { "Meta_Command": { "Target": "目的の明記", "Role_Persona": "専門的役割の定義", "Constraint_Set": ["制約条件1", "制約条件2"], "Output_Format": "マークダウンテーブル / コードブロック / 構造的リスト", "Tone_Voice": "論理的かつ簡潔に" }, "Reasoning_Chain": { "Step_1": "現状の分析と定義", "Step_2": "制約に基づいた解決策の構築", "Step_3": "自己批判（欠陥の抽出と修正）" } } ``` --- #### 3. 哲学的な問い：構造的整合性の確認 プロンプトの設計者が自己の意図をAIに正確に反映させるための思考ツール。 **問い：このプロンプトは「何を語らないこと」を定義しているか？** AIの生成精度は、指示した内容よりも「指示しなかった除外事項」に依存する。以下の「ネガティブ・プロンプト・チェックリスト」をプロンプトの末尾に付与せよ。 * [ ] 曖昧な形容詞（「素晴らしい」「効率的な」等）を排除したか？ * [ ] 具体的な比較対象となるベンチマークを設定したか？ * [ ] 失敗した時の「軌道修正ルール」を事前に定義したか？ --- #### 4. 実行用プロンプト・テンプレート（コピー＆ペースト用） ```text # 役割: [ここに専門的な役割を入力] # 目的: [ここに達成したい目標を入力] ## 背景と文脈 - 前提条件: [現在の状況や前提] - 制約事項: [禁止事項や守るべきルール] ## 思考プロセス 1. 最初に[特定の分析手法]を用いて課題を切り分けよ。 2. 次に、[具体的な指標]に基づいて解決案を3つ列挙せよ。 3. 最後に、それらの案を統合し、最も実行可能性の高い結論を提示せよ。 ## 出力要件 - 結論を最初に述べること（結論ファースト）。 - 論理的な因果関係を明確にすること。 - 専門用語を用いる場合は、文脈に応じた簡潔な定義を付与すること。 --- [ここに具体的な入力データや問いを配置] ``` --- #### 5. 反復的改善のための思考コード（Python的擬似コード） プロンプトを単発の命令ではなく、反復的なアルゴリズムとして捉え直せ。 ```python def generate_high_fidelity_response(prompt_input): base_prompt = load_struct_core() context = analyze_context(prompt_input) # AIへの再帰的フィードバックループ draft = ai_engine.generate(base_prompt + context) critique = ai_engine.self_evaluate(draft) if critique.score < 0.9: return optimize_prompt(draft, critique) return draft ``` このフレームワークにおける「精度」とは、入力された情報の密度と、AIがそれを解釈する際の「自由度の制限」の積である。自由度を減らし、構造を強固にするほど、AIは迷走を止め、設計者の意図に合致した高解像度の答えを生成する。今、あなたが入力しているそのプロンプトは、AIという巨大なデータベースを彫刻するためのノミである。そのノミの角度（プロンプト）が正しければ、出力（石像）は設計図そのものになる。