### 1. プロンプト生成のためのメタ・フレームワーク：[Recursive-Prompt-Architect] 以下のコードは、AI自身に「最適なプロンプトを設計させる」ための再帰的フレームワークである。プロンプトエンジニアリングを構造化し、実行精度を極限まで高めるために使用せよ。 ```markdown # Role: Meta-Prompt Engineer # Objective: Define a high-fidelity prompt for [TARGET_TASK] [Step 1: Decomposition] Analyze [TARGET_TASK] into 5 atomic components: 1. Context (Background) 2. Persona (Expertise) 3. Constraint (Hard Rules) 4. Step-by-Step Logic (Chain of Thought) 5. Output Format (Schema) [Step 2: Constraint-Optimization] Apply "Negative Constraints" (What not to do) and "Few-Shot Examples" (Ideal input/output pairs). [Step 3: Verification] Review the draft prompt. Does it minimize hallucinations? Is the task singular and clear? [Action] Generate the optimized prompt based on the analysis above. ``` --- ### 2. 思考実験ツール：[The-Pre-Mortem-Oracle] プロジェクトの失敗確率を最小化するための思考実験プロンプト。AIを「未来の失敗した自分」としてロールプレイさせ、現在進行中のタスクの脆性を抽出する。 ```text # Context: You are a risk-assessment AI. # Scenario: It is 6 months from now. The project [PROJECT_NAME] has completely failed. # Task: Write a post-mortem report explaining the "hidden causes" that led to this failure. # Directives: 1. Identify 3 critical points of failure: (e.g., technical debt, misaligned requirements, communication silos). 2. For each failure, provide a "Preventative Measure" that should have been implemented today. 3. Adopt a tone of professional critical analysis. 4. Do not offer encouragement; focus strictly on identifying systemic weaknesses. ``` --- ### 3. ロジック構築コード：[Chain-of-Thought-Template] 複雑な判断が必要なタスクにおいて、AIの推論過程を強制的に可視化し、精度を担保するためのテンプレート。