プロンプトの基本構造
効果的なプロンプトは、以下の4要素で構成されます。すべてを含む必要はありませんが、複雑なタスクほど明示的に記述することで精度が上がります。
5つの高度なテクニック
Chain of Thought（思考の連鎖）
複雑な問題を解く前に、ステップごとに考えさせることで精度が大幅に向上します。
💡 効果: 数学・論理問題・多段階推論で30〜50%精度向上
Few-shot（少数例学習）
期待する出力形式の例を2〜5個見せることで、スタイルや形式を学習させます。
💡 効果: 特定フォーマット・スタイルの維持に効果大
ReAct（推論と行動の組み合わせ）
「考える→行動する→観察する」を繰り返させることで、複雑な調査・作業の精度を向上させます。エージェントAI設計の基本パターン。
💡 効果: 複数ステップが必要なリサーチ・計算タスクに有効
自己批判プロンプト
一度回答させた後に批判・改善を求めることで、出力品質を高めます。
💡 効果: 文章品質・論理的整合性の向上に効果大
XML/Markdown構造化プロンプト
XMLタグやMarkdownで情報を構造化すると、AIが文脈を正確に解釈しやすくなります。特に長いシステムプロンプトで有効。
💡 効果: 長文プロンプトでの精度維持・トークン効率化
API利用者向けコスト削減テクニック
最大90%削減
プロンプトキャッシング
Claude APIはシステムプロンプトをキャッシュできます。同一のシステムプロンプトを繰り返し使う場合、キャッシュHit時の料金は通常の1/10。
50%削減
Batch API活用
OpenAI/AnthropicともにBatch APIで50%割引。リアルタイム応答が不要な大量処理（文書分類・要約生成など）はバッチ処理を使う。
80〜90%削減
モデルの使い分け
全タスクをGPT-4oで処理しない。分類・要約はHaiku/GPT-4o-miniで十分なことが多い。複雑な推論のみ高性能モデルを使う。
20〜40%削減
トークン削減
不要な冗長表現を除去。JSONフォーマットより簡潔なテキスト形式、マークダウンの不要な記号の削除でトークン数を削減できる。