生成AIの実践と活用事例
プロンプトエンジニアリングとは（手法の種類と出る章）
プロンプトエンジニアリングは、生成AIパスポートの公式シラバスで、プロンプトの書き方を扱う中項目の名前です。プロンプトエンジニアリングは、生成AIから望む出力を得るために、指示文の書き方を工夫して改善していくことです。
このページは、公式シラバス、論文（GPT-3、Chain-of-Thought、Zero-shot-CoT）、OpenAI公式のプロンプト文書の範囲で、定義・手法の違い・出る章・押さえ方を整理しています。
公式情報の確認
試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。 当サイトの一次情報確認日: 2026-08-31。
試験の出題範囲・実施要項は変動するため、受験前に公式情報を確認してください。
結論
- プロンプトエンジニアリングは、指示文を工夫し、結果を見ながら改善していくこと
- 代表的な手法は、Zero-Shot、Few-Shot、Chain-of-Thought、役割設定・出力形式の指定の4つ
- 2027年2月適用のシラバスでは第5章の中項目に置かれ、現行の2026年版でも第5章に含まれる
- 試験では、手法の名前と「何を変える工夫か」（例の有無、手順を書かせるか）を対応づけて覚える
プロンプトエンジニアリングの定義
公式シラバス（2027年2月適用版）は、第5章の中項目「プロンプトエンジニアリング」の学習項目に「プロンプトエンジニアリングとは」を置き、詳細キーワードに「対話的な改善」を挙げます。一度書いた指示文で終わりにせず、出力を見て書き直す流れが前提です。
OpenAI公式のプロンプト文書は、開発者向けのメッセージに通常含める節として、Identity（アシスタントの目的や話し方）、Instructions（従う規則と、してはならないこと）、Examples（入力と望ましい出力の例）、Contextを、通常この順で挙げます。ただし、最適な内容と順序は使うモデルによって変わりうるとも書いています。
指示、例、背景情報を分けて書くことが、プロンプトを整える基本の考え方です。節の名前は文書によって違うため、試験では、シラバスに載る用語（Instruction、Context、Input Data、Output Indicatorなど）の言葉で確認します。
一次資料: OpenAI「Prompt engineering」、生成AIパスポート公式シラバス
代表的な手法の違い
公式シラバス（2027年2月適用版）の学習項目に並ぶ手法を、出どころとあわせて並べます。
| 手法 | 内容 | 出どころ |
|---|---|---|
| Zero-Shotプロンプティング | 例を示さず、指示だけで答えさせる | 公式シラバス（2027年版 第5章）の学習項目。Kojimaら（2022）は、例なしでも「Let's think step by step」を付けるだけで推論の性能が大きく上がると報告 |
| Few-Shotプロンプティング | 望ましい入出力の例をいくつか示してから答えさせる | 公式シラバス（2027年版 第5章）の学習項目。GPT-3論文は、重みを更新せず、課題と例をテキストのやり取りだけで指定したと述べる |
| Chain-of-Thought（思考の連鎖） | 答えの前に、途中の推論の手順を書かせる | 公式シラバス（2027年版 第5章）の学習項目。Weiら（2022）は、手順つきの例を少数示す方法で算術などの推論が向上したと報告 |
| 役割設定・出力形式の指定 | AIにどんな立場で答えさせるか、どんな形式で出すかを指定する | 公式シラバス（2027年版 第5章）の学習項目 |
Zero-ShotとFew-Shotは「例を示すかどうか」、Chain-of-Thoughtは「途中の手順を書かせるかどうか」で分かれます。2つは組み合わせることもできます。Weiらの論文は、手順つきの例を少数示す方法で、5400億パラメータのモデルに8つの例を示すだけで、数学の文章題の評価で当時の最高精度に達したと述べています。
シラバスの詳細キーワードにある「In-Context Learning（文脈内学習）」は、Few-Shotと並べて押さえる用語です。GPT-3論文の要旨は、モデルの重みを更新する再学習をせず、課題と例をテキストのやり取りだけで指定したと述べます。プロンプトの中で例を示す方法は、再学習を伴わない点が特徴です。
2つの手法の違いは、ゼロショットとフューショットの違いと、思考の連鎖と役割指定の違いで、さらに詳しく比べています。
シラバスのどこに出るか
公式シラバスでは、版によって章の名前と中身が違います。
| 場所 | 内容 |
|---|---|
| 2027年版 第5章 生成AIの実践と活用事例 | 中項目「プロンプトエンジニアリング」の学習目標は、プロンプトの基本構成要素と、代表的なプロンプティング手法、具体度のコントロールを学ぶこと。学習項目にZero-Shot、Few-Shot、Chain-of-Thought、役割設定・出力形式の指定が並び、詳細キーワードに対話的な改善と文脈内学習（In-Context Learning）が載る |
| 2027年版 第2章 生成AI（中項目 ChatGPT） | 中項目「ChatGPT」の、ChatGPTと主要な生成AIモデルの動向の項目の詳細キーワードに、推論モデル（Reasoning Model）、推論時の計算とともにChain-of-Thoughtが載る |
| 2026年版（現行） 第5章 テキスト生成AIのプロンプト制作と実例 | 中項目「プロンプティングの基礎」の詳細キーワードに、プロンプトエンジニアリング、Instruction、Context、Input Data、Output Indicator、Zero-Shotプロンプティング、Few-Shotプロンプティングが並ぶ |
2027年版は手法の種類を学習項目として並べ、現行版は書き方の構成要素まで詳細キーワードに載せています。章立ての変更は2027年2月試験の新シラバスに整理しています。試験での出題を予想するものではありません。
試験での押さえ方
手法の名前だけを丸暗記すると、選択肢の言い換えに対応しにくくなります。手法ごとに「何を変える工夫か」を一つ決めて覚えると整理しやすくなります。
- 例を示さない、示す、のどちらか: Zero-ShotとFew-Shot
- 答えの前に途中の推論を書かせる: Chain-of-Thought
- AIの立場や出力の形を指定する: 役割設定・出力形式の指定
- 書いた後に出力を見て直す: 対話的な改善
プロンプトの工夫は、出力の質を上げる手段であり、誤りをなくす手段ではありません。もっともらしい誤りへの備えはハルシネーションとはで、プロンプトの外にある情報まで含めた設計はコンテキストエンジニアリングとはで別に扱っています。
よくある質問
プロンプトエンジニアリングとは、一言でいうと何？
生成AIから望む出力を得るために、指示文（プロンプト）の書き方を工夫し、結果を見ながら改善していくことです。公式シラバスは、詳細キーワードに「対話的な改善」を挙げます。
Zero-ShotとFew-Shotの違いは何ですか？
例を示すかどうかです。Zero-Shotは例を示さず指示だけで答えさせ、Few-Shotは望ましい入出力の例をいくつか示してから答えさせます。
Chain-of-Thoughtとは何ですか？
答えの前に、途中の推論の手順を書かせる方法です。Weiら（2022）は、手順つきの例を少数示すと、算術・常識・記号の推論課題の性能が向上したと報告しています。
プロンプトエンジニアリングは、どの章で出ますか？
2027年2月適用の公式シラバスでは、第5章の中項目「プロンプトエンジニアリング」に出ます。現行の2026年版でも第5章の中項目「プロンプティングの基礎」の詳細キーワードに、Zero-ShotとFew-Shotが載っています。
プロンプトエンジニアリングとコンテキストエンジニアリングは同じですか？
同じではありません。Anthropicの技術記事は、コンテキストエンジニアリングを、プロンプトの書き方にとどまらず、ツールや外部データ、履歴を含めて推論時に渡す情報の全体を管理する取り組みとして、プロンプトエンジニアリングの自然な発展と位置づけています。
