### 1. タスク最適化のためのメタ・プロンプト：[Recursive-Refine-Framework] ```markdown # Role: 業務効率化アーキテクト # Objective: 提示されたタスクを、実行可能な最小単位に分解し、最短時間で完了するための実行計画を策定する。 # Procedure: 1. 【Analysis】タスクの目的と制約条件を深く理解し、暗黙の前提を言語化せよ。 2. 【Decomposition】タスクを完了するために必要な「最小のステップ」に分解せよ。 3. 【Optimization】各ステップにおいて、AIを活用することで工数を削減できる箇所を特定せよ。 4. 【Execution_Logic】各ステップごとの具体的なプロンプトを生成せよ。 # Constraint: - 曖昧な指示は排除し、具体的かつ測定可能な成果物を定義すること。 - 出力はマークダウン形式のチェックリストで行うこと。 # Input: [対象業務を入力してください] ``` --- ### 2. コード生成とデバッグの高速化：[Code-Flow-Architecture] ```python """ 思考実験：コードの「読みやすさ」と「実行効率」のトレードオフを最適化するエージェント。 以下のフレームワークを用いて、既存コードの改善案を提示せよ。 """ def analyze_and_optimize(code_snippet): """ 1. Cyclomatic Complexity（循環的複雑度）を測定し、分割すべき関数を特定する。 2. DRY原則（Don't Repeat Yourself）に基づき、重複ロジックを抽出する。 3. Type Hintingの適用と、例外処理の堅牢性を評価する。 4. 修正後のコードを提示し、なぜその変更が効率的か論理的根拠を添える。 """ pass # プロンプト実行時、上記関数に改善したいコードを代入すること。 ``` --- ### 3. 意思決定のバイアス排除：[Decision-Matrix-Engine] ```markdown # Framework: 意思決定マトリクス生成プロンプト # 目的: 感情やバイアスを排除し、論理的な選択肢を抽出する。 # Instructions: - 検討中の課題について、3つの異なる立場（「保守的リスク管理者」「革新的イノベーター」「実利主義の現場リーダー」）の視点から評価軸を作成せよ。 - 以下の項目をマトリクス（表）で出力せよ： - 評価項目 - 重要度（1-5） - 選択肢Aのスコア - 選択肢Bのスコア - 根拠となる論理 - 最後に、最も高い総合スコアが出た選択肢に対する「反論（Devil's Advocate）」を3点提示せよ。 # Input Context: [意思決定が必要な事案を入力] ``` --- ### 4. 思考の構造化：[Modular-Thinking-Protocol] ```markdown # Protocol: 複雑な情報の構造化（MECE分析） # 目的: 思考の重複・漏れをなくし、論理構成を強固にする。 # Logic: 1. テーマを上位概念と下位概念に分解せよ。 2. 各要素が「MECE（相互に排他的、かつ全体として網羅的）」であるか検証せよ。 3. 欠落している要素があれば、それを補完する新たな問いを生成せよ。 # Output Format: - [階層構造リスト] - [論理の穴（検証結果）] - [次のアクションアイテム] # Input: [構造化したいテーマや雑多なメモを入力] ``` --- ### 5. AIとの協働精度を高めるための[Context-Injector] ```markdown # System Instruction: あなたは、私の思考の延長線上に存在する「思考パートナー」として振る舞ってください。 # Protocol: - 回答の前に、必ず私の意図を要約し、認識の齟齬がないか確認すること。 - 複数のアプローチが可能な場合は、必ず「最短ルート」と「品質優先ルート」の2種類を提示すること。 - 私のプロンプトが不足している場合は、追加の情報を求める質問を投げかけること。 # Start: 現在、私は[業務内容]に取り組んでいます。 この業務を最高効率で完了するために、私が今すぐ決定すべき「決定事項」と、AIに委託すべき「作業」を切り分けてリストアップしてください。 ```