Make the Machine Understand 最初のプロンプトから、エージェント設計まで

1. 立場と課題を渡す（Context & Role）

一文を投げるのではなく、演出家のように役を決めます。

交通事故の報告書だと言わなければ、スキーの事故だと受け取られることもあります。立場をはっきり書けば、推測で埋められずに済みます。

2. 手元に置く資料を渡す（Background Data）

変わらない情報（定型の書式、規程など）は先頭に置きます（システムプロンプト）。

• なぜか。 形式を毎回覚え直させず、中身に集中させるためです。インターンに就業マニュアルを渡すのと同じです。
• コツ。 XML タグを使います（<form>中身</form> のように）。構造のあるデータのほうがよく通ります。

3. 手順で指示する（Step-by-Step Instructions）

結果だけを求めず、過程を決めます。人が考える順番を、そのまま書いて渡します。

考えた筋道を書かせる（show its work）だけで、正確さははっきり上がります。

4. 出力の形を決める（Output Formatting）

「JSON で返してください」「結論は <verdict> タグで囲んでください」と書きます。

そのままプログラムで取り出せます。人が写して貼る手間が消えます。

1. エージェントとは何か

基礎編の AI は「答える機械」です。エージェントは「自分で動く担当者」で、ループの中で働きます。
ツールを使う → 結果を見る → 次を考える → またツールを使う
仕事が終わるまで、これを繰り返します。

2. どんなときに使うか

何にでも使うものではありません。込み入っていて、進む道筋が決まっていない仕事に向いています。

• 向いている：市場調査。何回検索すれば答えに届くか、始める前にはわかりません。
• 向いていない：手順が確定している定型業務や、単純な仕事。

3. こつ：エージェントの側に立って考える

自分に聞いてみてください。「新人の自分がこの道具一式を渡されて、途方に暮れないだろうか」。

• ツールははっきりさせる。名前は短く正確に。役割が重ならないように。
• 台本ではなく原則を渡す。たとえば「簡単な問いなら 5 回、込み入っていれば 10 回まで検索する」「答えが出たらそこで止める」。

4. 動く前に考えさせる（Plan & Guide Thinking）

いまのモデルは、動きながら考えられます。

• 書き方。ツールを呼ぶ前に計画させます。「どの語で検索するか。どの情報源を当たるか」。
• 点検のしくみ。結果が返ったら評価させます。「この情報は信用できるか。裏を取る必要があるか」。

5. どう確かめるか（Evaluation）

小さく始めます。いくつかの事例を手で試し、ログを見ます。
どのツールを呼んだか。同じところを回っていないか。最終的な答えだけを見るより、指示を直す手がかりがずっと多く取れます。