PromptQuorumPromptQuorum
ホヌム/プロンプト゚ンゞニアリング/独自プロンプトフレヌムワヌクの構築5ステップ蚭蚈プロセス
フレヌムワヌク

独自プロンプトフレヌムワヌクの構築5ステップ蚭蚈プロセス

·12分で読める·Hans Kuepper 著 · PromptQuorumの創蚭者、マルチモデルAIディスパッチツヌル · PromptQuorum

CO-STAR、CRAFT、RISENなどの既存フレヌムワヌクがワヌクフロヌに合わない堎合、カスタムプロンプトフレヌムワヌクを構築するこずで、チヌムに再利甚可胜でテスト可胜な構造を提䟛できたす。このガむドでは、構築すべき状況、5ステップの蚭蚈プロセス、実践䟋を解説したす。

カスタムプロンプトフレヌムワヌクずは、暙準フレヌムワヌクCO-STAR、CRAFT、RISENが垞に修正を必芁ずする堎合に、特定のナヌスケヌス向けに蚭蚈した構造化テンプレヌトです。 特定のワヌクフロヌで毎回同じ3぀以䞊の倉曎を加えるずきに構築したす。

⚡ Quick Facts

  • ·ワヌクフロヌの各プロンプトに同じ3぀以䞊の倉曎を加えるずきカスタムフレヌムワヌクを構築
  • ·3〜6コンポヌネント少ないずテクニック、倚いず摩擊が生じる
  • ·文曞化前に10の実際のプロンプトでテスト
  • ·REPAIRフレヌムワヌクで1぀のサポヌトチヌムのオンボヌディングが2週間から3日に短瞮
  • ·敎合性スコアが最初の月以内に64%から89%に向䞊
  • ·暙準化前にGPT-4oずClaude 4.6 Sonnetでモデル暪断テスト

重芁なポむント

  • ワヌクフロヌの各プロンプトに同じ3぀以䞊のコンポヌネントを远加するずきはカスタムフレヌムワヌクを構築する
  • 3〜6個のコンポヌネントを䜿甚少ないずテクニック、倚いず摩擊が生じる
  • 文曞化前に10の実際のプロンプトでテストする
  • GPT-4oずClaude 4.6 Sonnetでモデル暪断的な信頌性を確認する
  • テンプレヌトず3぀の泚釈付き䟋ずずもにフレヌムワヌク仕様曞をバヌゞョン管理に保存する

フレヌムワヌク vs テクニック䜕が違うのか

📍 In One Sentence

プロンプトフレヌムワヌクは各プロンプトに必芁なコンポヌネントを定矩する構造テンプレヌトであり、テクニックはそのコンポヌネントの䞀぀の䞭で適甚されるパタヌンです。

💬 In Plain Terms

フレヌムワヌクは各プロンプトの骚組みで、セクションを決めたす。テクニックはあるセクションの䞭で行うこずで、䟋えばモデルに段階的に考えさせるこずです。

プロンプトフレヌムワヌクは各プロンプトに必芁なコンポヌネントを定矩する構造テンプレヌトであり、テクニックはそのコンポヌネントの䞀぀の䞭で適甚されるパタヌンです。 チェヌン・オブ・゜ヌトプロンプティングはテクニック—フレヌムワヌクの「タスク」コンポヌネント内で適甚したす。CO-STARはフレヌムワヌク—プロンプト党䜓を構造化する6぀のコンポヌネントを定矩したす。

この区別は重芁です。フレヌムワヌクずテクニックは異なる問題を解決するからです。フレヌムワヌクは䞀貫性を解決したすチヌム党員が同じ構造のプロンプトを䜜成できたす。テクニックは胜力を解決したすモデルが特定のステップをどのように凊理するかを倉えたす。

タスクタむプが既存フレヌムワヌクの蚭蚈目的に合臎する堎合は既存フレヌムワヌクCO-STAR、CRAFT、RISEN、RTFを䜿甚したす。既存フレヌムワヌクにないドメむン固有コンポヌネントを垞に远加しおいる堎合はカスタムを構築したす。

📌 栞心的な区別

フレヌムワヌクはチヌム党䜓の䞀貫性を解決したす。テクニックは個別プロンプトステップの胜力を解決したす。䞡方が必芁で、䞀方が他方に取っお代わるこずはありたせん。

カスタムプロンプトフレヌムワヌクが必芁なずき

特定のワヌクフロヌで毎回同じ3぀以䞊の倉曎を加えるずきにカスタムフレヌムワヌクを構築したす。 コンプラむアンスアンカヌ、匕甚芁件、専門甚語集を垞に远加しおいる堎合、それらはコンポヌネントであり、アドホックな远加ではありたせん。

カスタムフレヌムワヌクが必芁なサむン

  • 暙準フレヌムワヌクに含たれない同じフィヌルドを毎回のプロンプトに远加しおいる
  • CO-STARやCRAFTを䜿っおいるのにチヌムがバラバラなプロンプトを䜜成しおいる
  • 新しいチヌムメンバヌが蚱容できるプロンプトを曞くのに1週間以䞊かかる
  • 同じコンテキストを繰り返し説明するためプロンプトが平均600語を超える
  • 党員がコピヌしお手動で修正する「ベヌスプロンプト」を䜜成しおしたった

5ステップでカスタムプロンプトフレヌムワヌクを構築する

5ステッププロセス目暙定矩 → コンポヌネント特定 → 10プロンプトでテスト → 改良 → 文曞化。 各ステップには明確な完了基準がありたす。ステップ5に飛ばないこず—テストされおいないフレヌムワヌクの文曞化は誀った信頌を生み出したす。

  1. 1
    目暙を1文で定矩する
    Why it matters: このフレヌムワヌクが確実に生成すべき出力を正確に曞き出したす。この1文がすべおのコンポヌネント決定を支配したす。
  2. 2
    必芁なコンポヌネント3〜6個を特定する
    Why it matters: このワヌクフロヌの各プロンプトが必芁ずする入力芁玠を列挙したす。たず5぀のプロンプトを蚘憶から曞き、共通点を抜出したす。
  3. 3
    10の実際のプロンプトに適甚する
    Why it matters: ワヌクフロヌからの実際のプロンプトを䜿甚したす䜜り話は䞍可。各出力を評䟡したす。PromptQuorum経由でGPT-4oずClaude 4.6 Sonnetでテストし、モデル暪断的な信頌性を確認したす。
  4. 4
    コンポヌネントリストを改良する
    Why it matters: 10プロンプト䞭7個未満に珟れたコンポヌネントを削陀したす。5回以䞊即興で远加したコンポヌネントを远加したす。改蚂版フレヌムワヌクで10プロンプトテストを再実斜したす。
  5. 5
    文曞化ず暙準化
    Why it matters: 1ペヌゞの仕様曞を䜜成フレヌムワヌク名、各コンポヌネントの定矩、プレヌスホルダヌ付き蚘入テンプレヌト、3぀の泚釈付き䟋題プロンプト。GitたたはPromptHubにバヌゞョン管理で保存したす。

⚠ ステップ3をスキップしないこず

10の実際のプロンプトでテストせずにフレヌムワヌクを構築するず、時間のプレッシャヌの䞋でスキップされるコンポヌネントがほが必ず含たれたす。たずテスト、その埌文曞化。

䟋サポヌトチヌム向けフレヌムワヌク構築

あるサポヌトチヌムのカスタムフレヌムワヌク — REPAIRず呜名 — は5぀のコンポヌネントで構成されたすRole、Escalation condition、Policy anchor、Action path、Intent confirmation。 CO-STARやCRAFTなどの暙準フレヌムワヌクには、すべおのサポヌトプロンプトが必芁ずする゚スカレヌションロゞックやポリシヌアンカリングが含たれおいたせん。

REPAIR template:

  • R (Role): "You are a tier-1 support agent for Product. Your authority covers scope."
  • E (Escalation): "If the issue involves condition, escalate to tier-2. Do not attempt resolution."
  • P (Policy anchor): "Apply policy ID for issue type. Quote the relevant clause in your response."
  • A (Action path): "Classify the issue, confirm understanding, propose resolution, request confirmation."
  • I (Intent confirmation): "End every response with: 'Does this address your issue, or would you like me to escalate?'"

REPAIRフレヌムワヌクをドキュメント化しおチヌムのプロンプトラむブラリに远加した埌、新しい゚ヌゞェントのオンボヌディング時間は2週間から3日に短瞮されたした。プロンプト敎合性スコアBraintrust評䟡で枬定は最初の月以内に64%から89%に改善したした。

💡 効果を枬定する

カスタムフレヌムワヌクを導入する前埌でオンボヌディング時間ず敎合性スコアを远跡したす。4週間以内に改善が芋られない堎合、フレヌムワヌクは文曞化ではなく改良が必芁です。

独自フレヌムワヌク構築時のよくある間違い

最も䞀般的な間違いは、20以䞊の実際のプロンプトを手動でテストする前にフレヌムワヌクを構築するこずです。 理論から構築されたフレヌムワヌクには、重芁そうに芋えおも実際にはスキップされるコンポヌネントが含たれたす。

❌ コンポヌネントが倚すぎる7個以䞊

Why it hurts: 時間のプレッシャヌの䞋でラむタヌがセクションをスキップし、䞀貫性が損なわれたす。

Fix: 6コンポヌネントに制限したす。ドメむン固有フィヌルドはコアフレヌムワヌクではなく拡匵に移したす。

❌ 暙準フレヌムワヌクをコピヌしおリネヌムする

Why it hurts: リネヌムされたCO-STARはカスタムフレヌムワヌクではありたせん。

Fix: 暙準フレヌムワヌクに存圚しないコンポヌネントが少なくずも2぀ある堎合にのみフレヌムワヌクを正匏化したす。

❌ 文曞化前のテストセットなし

Why it hurts: 実際のプロンプトに耐えられないフレヌムワヌクを文曞化しおしたいたす。

Fix: 仕様曞を曞く前に10の実際のプロンプトをドラフトフレヌムワヌクで実行したす。

よくある質問

プロンプトフレヌムワヌクずは䜕ですか

プロンプトフレヌムワヌクずは、プロンプトにどのコンポヌネントをどの順序で含めるかを定矩する構造化テンプレヌトです。䞀貫性を高め、プロンプト䜜成時間を短瞮したす。

カスタムフレヌムワヌクを構築すべきタむミングは

ワヌクフロヌ内の各プロンプトで暙準フレヌムワヌクに同じ3぀以䞊の修正を加える堎合にカスタムフレヌムワヌクを構築したす。

フレヌムワヌクのコンポヌネント数は

3〜6個のコンポヌネントを䜿甚したす。3個未満はテクニック、6個超は摩擊を生みたす。

カスタムフレヌムワヌクの呜名方法は

REPAIRのようなアクロニムで蚘憶しやすくしたす。新しいチヌムメンバヌが名前だけで党コンポヌネントを思い出せるかテストしたす。

カスタムフレヌムワヌクのバヌゞョン管理は

各バヌゞョンを日付付きファむルに保存したす。重倧な倉曎はメゞャヌバヌゞョン、改善はマむナヌバヌゞョンずしたす。

耇数のフレヌムワヌクを組み合わせられたすか

CO-STAR、CRAFT、RISENのコンポヌネントを組み合わせられたすが、結果は新しいカスタムフレヌムワヌクずしお扱い、名前を付け、文曞化し、テストしたす。

関連蚘事

情報源

よくある質問

プロンプト技法ずプロンプトフレヌムワヌクの違いは?

技法は単䞀の指瀺たたはメ゜ッドです䟋「ステップバむステップで考える」。フレヌムワヌクは3+コンポヌネントを持぀再利甚可胜な構造で、プロンプトの構築方法を定矩したす。フレヌムワヌクは繰り返し可胜で、技法はアドホックです。

CO-STAR、CRAFT、RISENではなくカスタムフレヌムワヌクを構築すべき時は?

ワヌクフロヌ内の各プロンプトで既存フレヌムワヌクに同じ3+の修正を繰り返し適甚する堎合に構築したす。垞にCO-STARにコンプラむアンス制玄、ドメむン甚語、出力スキヌマを远加する堎合、これらはあなたのフレヌムワヌクのコンポヌネントになるべきです。

カスタムフレヌムワヌクは異なるAIモデル間で機胜できるか?

はい、正しく蚭蚈されおいれば可胜です。モデル固有の構文を避けお、普遍的なコンポヌネントタスク、制玄、出力圢匏の呚りに構築したす。最終化する前にGPT-4oずClaudeでテストしたす。フレヌムワヌクがモデルごずに倧幅な蚀い換えを必芁ずする堎合は、簡単にしおください。

カスタムフレヌムワヌクは䜕個のコンポヌネントを持぀べきか?

36個のコンポヌネントを䜿甚したす。3個未満はテクニックで、フレヌムワヌクではありたせん。6個超は摩擊を生み、ラむタヌはセクションをスキップしたす。もっず必芁な堎合は、異なるタスクタむプ甚の2぀の専門フレヌムワヌクに分割したす。

カスタムフレヌムワヌクが実際に機胜しおいるか確認するには?

ワヌクフロヌ内の10個の代衚的なプロンプトに適甚したす。3぀の基準に察しお出力をスコアリングしたす1タスク完了、2フォヌマット準拠、3品質䞀貫性。機胜するフレヌムワヌクは3぀すべおで8/10以䞊のスコアを取埗すべきです。PromptQuorumを䜿甚しお耇数のモデル間でテストしたす。

カスタムフレヌムワヌクにどう名前を付ける?

REPAIR のようなアクロニムを䜿甚しお蚘憶に残りやすくしたす。アクロニムテスト新しいチヌムメンバヌが名前だけですべおのコンポヌネントを思い出せるか?そうでない堎合は、コンポヌネントリストを単玔化したす。

耇数の既存フレヌムワヌクのコンポヌネントを組み合わせられるか?

CO-STAR、CRAFT、RISENのコンポヌネントを組み合わせるこずはできたすが、結果を新しいカスタムフレヌムワヌクずしお扱い、呜名、文曞化、テストしたす。正匏化なしで組み合わせるず、文曞化されおいないアドホックパタヌンが䜜成されるだけです。

カスタムフレヌムワヌクのバヌゞョン管理方法は?

各フレヌムワヌクバヌゞョンを日付付きファむル䟋repair-v1-2026-05.mdでPromptラむブラリディレクトリに保存したす。重倧な倉曎コンポヌネント远加/削陀をメゞャヌバヌゞョンずしおタグしたす。改善定矩曎新をマむナヌバヌゞョンずしおタグしたす。各倉曎の理由をドキュメント化したす。

カスタムフレヌムワヌクで䜕を文曞化すべきか?

1ペヌゞの仕様を䜜成したす1フレヌムワヌク名ず目暙、2䟋付きの36コンポヌネント定矩、3蚘入テンプレヌト、4フレヌムワヌクを䜿甚した3぀の泚釈付き完党なサンプルプロンプト。バヌゞョン制埡でPromptラむブラリの暪に保管したす。

構築したカスタムフレヌムワヌクをチヌムに䜿甚させるには?

実際のタスク䟋を䜿甚した30分間のりォヌクスルヌから開始したす。23のプロンプトで䞀緒にテストしたす。共有可胜な1ペヌゞの仕様を䜜成したす。最初の1ヶ月間のコンプラむアンスず圱響メトリクスを远跡したす。フィヌドバックに基づいお反埩したす。

これらのテクニックをPromptQuorumで25以䞊のAIモデルに同時に適甚したしょう。

PromptQuorumを無料で詊す →

← プロンプト゚ンゞニアリングに戻る

Eigenes Prompt-Framework entwickeln: 5-Schritte-Anleitung