8つのプロンプトエンジニアリングフレームワーク解説：CRAFT vs CO-STAR vs APE（2026ガイド）
トッププロンプトフレームワークを習得し、どのフレームワークがあなたのユースケースに最適かを学びます。
- CRAFT: Context, Role, Action, Format, Target — Best for marketing and creative content
- CO-STAR: Context, Objective, Style, Tone, Audience, Response — Comprehensive structured approach
- APE: Action, Parameter, Example — Concise framework for specific tasks
- RISEN: Role, Intention, Scenario, Expectation, Notation — Best for role-playing and personas
- TRACE: Task, Request, Action, Context, Example — Step-by-step instruction framework
- RTF: Role, Task, Format — Lightweight framework for rapid prompting
- SPECS: Setting, Problem, Expectation, Constraints, Success Criteria — Goal-oriented prompting
- Single-Prompt: One-shot, unstructured prompting for simple requests
プロンプトフレームワークとは何か？
プロンプトフレームワークは、優れたプロンプトの本質的な要素を通じてガイドする構造化テンプレートです。 だらだらした段落を書く代わりに、フレームワークはリクエストをコンテキスト、目的、トーン、オーディエンスなどの特定のフィールドに分解します。 これにより、プロンプトがより明確で効果的になり、予測可能な結果が得られます。
レシピのようなものだと考えてください。 ランダムに材料を鍋に投げ込んで最高の結果を期待することもできますし、正しい順序で測定された材料を使用した構造化されたレシピに従うこともできます。 フレームワークはプロンプトのレシピです。
1. CRAFTフレームワーク
最適：マーケティング、コピーライティング、クリエイティブコンテンツ
フィールド：
- •Context：AIが理解する必要な背景情報
- •Role：AIが担うべき役割（例：「エキスパートコピーライター」）
- •Action：AIにしてもらいたいこと（例：「メール件名を書く」）
- •Format：出力を構造化する方法（例：「箇条書き」、「段落」）
- •Target：誰のためなのか（例：「B2B SaaS意思決定者」）
例：
Context：フリーランス向けの生産性アプリを立ち上げています
Role：あなたはSaaS専門のエキスパートコピーライターです
Action：5つの説得力のあるメール件名を書く
Format：それぞれに1文の説明を付けた番号付きリスト
Target：時間節約ツールを大切にする25～45歳の忙しいフリーランサー
なぜうまくいくのか：
CRAFTは、AIに質問する前にリクエストのすべての側面を考えることを強制します。ロール+ターゲットの組み合わせにより、AIはコンテンツが誰のためのもので、どのように話しかけるべきかを正確に理解します。
2. CO-STARフレームワーク
最適：ビジネスコミュニケーション、専門的なライティング、意思決定
フィールド：
- •Context：状況または背景
- •Objective：達成しようとしていることは何か
- •Style：トーンとアプローチ（正式、カジュアル、技術的など）
- •Tone：感情的な品質（緊急、安心感、自信など）
- •Audience：これを読む/使う人は誰か
- •Response：どのようなフォーマット/長さ/詳細レベルが必要か
例：
Context：私たちのスタートアップはシリーズA資金調達を受けました
Objective：これを従業員に発表する
Style：プロフェッショナルだが熱心
Tone：お祝いと前向き
Audience：内部チーム（エンジニア、デザイナー、マーケター）
Response：メール向けの3段落の発表
なぜうまくいくのか：
CO-STARはスタイルとトーンを分離します（スタイルはプレゼンテーション、トーンは感情）。これにより、AIがどのように書くかをはるかに多く制御できます。 企業や専門的なコンテキストで精度が重要な場合に優れています。
3. SPECSフレームワーク
最適：複雑なプロジェクト、詳細な分析、技術的ライティング
フィールド：
- •Situation：現在の状態または問題
- •Purpose：質問する理由（これが何の問題を解決するのか）
- •Expected Output：結果がどのような見た目であるべきか
- •Context：追加の関連情報
- •Style：フォーマットとトーン
例：
Situation：1000件のカスタマーサポートチケットを分類する必要があります
Purpose：適切なチーム（請求、技術、機能リクエスト）にルーティングする
Expected Output：CSVを読み込み、分類し、新しいCSVを出力するPythonスクリプト
Context：これらのカテゴリを使用します：[リスト]。 カテゴリごとの一般的なキーワード：[リスト]
Style：コードのみ、説明なし、pandasライブラリを使用
なぜうまくいくのか：
SPECSは詳細志向で、複雑な要件を伝える必要がある場合に優れています。 「Expected Output」フィールドは、AIがあなたが何を望んでいるかを推測することを防ぎます。
4. RISENフレームワーク
最適：多段階タスク、ワークフロー、プロセス、指示
フィールド：
- •Role：AIが演じるべき役割
- •Instructions：詳細なステップまたは要件
- •Steps：プロセスの番号付きの内訳
- •End Goal：成功がどのような見た目か
- •Narrowing：従うべき制約または特定のルール
例：
Role：あなたはコースアウトラインを作成しているエキスパート教師です
Instructions：プロンプトエンジニアリングの4週間初心者向けコースを作成する
Steps：1) 学習目的を定義 2) 毎週スケッチ 3) リソースをリストアップ
End Goal：学生は4週目までにプロフェッショナルなプロンプトを書くことができるべき
Narrowing：コード例なし、事前のAI知識を想定しない、各レッスンを30分以下に保つ
なぜうまくいくのか：
RISENはシーケンスとプロセスに最適です。 「narrowing」フィールドはAIが脱線することを防ぎ、出力があなたの制約を尊重することを保証します。
5. APEフレームワーク
最適：クイックリクエスト、シンプルなタスク、複雑さが必要ない場合
フィールド：
- •Action：AIにしてもらいたいこと
- •Purpose：質問する理由
- •Expectation：何を期待しているか
例：
Action：この記事を要約する
Purpose：チームミーティング用に2分間の概要が必要です
Expectation：主要な知見をカバーする3～4個の箇条書き
なぜうまくいくのか：
APEは美しく単純です。 ほとんどの日常的なリクエストはこれら3つのフィールドに適合します。 より複雑なフレームワークに進む前の優れたスタートポイントです。
6. Googleプロンプトフレームワーク
最適：一般的な使用、研究、情報検索
フィールド：
- •Task：達成したいこと
- •Context：関連する背景
- •Persona：誰が質問しているか/どの視点から
なぜうまくいくのか：
Googleのフレームワークは軽量で情報指向です。 研究クエリと「もし～だったら」のシナリオに最適です。
7. TRACEフレームワーク
最適：ショット学習、例ベースのリクエスト、AIの教示
フィールド：
- •Task：あなたが望むこと
- •Request：あなたの具体的な要求
- •Action：AIがしるべきこと
- •Context：追加情報
- •Example：AIに完璧な出力の例を示す
なぜうまくいくのか：
TRACEは強力です。例を示すことはAIにあなたが何を望んでいるかを正確に教えるからです。 「この種のことをやる」は、多くの場合、それを説明するよりも明確です。
8. RTFフレームワーク
最適：企業研修、標準化されたコンテンツ、教材
フィールド：
- •Role：インストラクターまたはエキスパートロール
- •Task：教育目的
- •Format：提示方法（スライド、クイズ、レッスンなど）
なぜうまくいくのか：
RTFは研修と教育向けに設計されています。 一貫性のある、教育学的に健全な出力を確保します。
どのフレームワークを使うべき？
完全な意思決定フレームワーク — CO-STAR vs CRAFT vs RTF vs APEをいつ使うか — 各ユースケースの並べて評価については、[どのプロンプトフレームワークを使うべきか](https://www.promptquorum.com/prompt-engineering/which-prompt-framework-should-you-use?lang=ja)をご覧ください。
| Framework | Best For | Complexity |
|---|---|---|
| APE | クイックで簡単なリクエスト | ⭐ 低 |
| CRAFT | マーケティング、コピーライティング | ⭐⭐ 中 |
| CO-STAR | ビジネスコミュニケーション | ⭐⭐ 中 |
| SPECS | 複雑で技術的なタスク | ⭐⭐⭐ 高 |
| RISEN | 多段階プロセス | ⭐⭐⭐ 高 |
| TRACE | 例ベースの学習 | ⭐⭐⭐ 高 |
| 一般的な研究 | ⭐⭐ 中 | |
| RTF | 研修＆教育 | ⭐⭐ 中 |
プロのコツ：複数のフレームワークをテストする
ここが秘密です：CRAFT vs SPECSで書かれた同じプロンプトは、同じAIモデルから異なる結果を生み出すかもしれません。異なるフレームワークは、AIで異なる推論パターンをトリガーします。
だからPromptQuorumでは、フレームワーク間でインスタンティエートに切り替えて、同じアイデアがどのように再構成されるかを見ることができます。CRAFTでプロンプトを試してから、SPECSに切り替えて、CO-STARに切り替えます。結果を比較します。特定のユースケースに最適なフレームワークを学びます。
次のステップ
あなたの最も一般的なタスクに合致するフレームワークを1つ選択します。 それをマスターしてください。 その後、スキルが成長するにつれて、他のものと実験します。
これらのフレームワークを実際に使う準備はできていますか？ PromptQuorumで試してください。PromptQuorumには8つすべてのフレームワーク、自動最適化、マルチAI比較が含まれています。