CO-STAR Framework
Context · Objective · Style · Tone · Audience · Response
シンガポールGovTechのData Science & AIチームによるものとされ、同国初のGPT-4プロンプトエンジニアリングコンテストの優勝に使われたフレームワーク。声のトーン・読者・出力形式を最大限にコントロールできる。
著者 Hans Kuepper · 最終更新
- 定義
- CO-STARフレームワーク（Context · Objective · Style · Tone · Audience · Response）は、AIへのリクエストを6個の項目に分解するプロンプトエンジニアリング構造です。ビジネスコミュニケーションやマーケティングコピーに最適です。
6つの項目
Context
AIがタスクと状況を理解するために必要な背景情報。
Objective
AIに達成してほしい具体的なゴールや成果。
Style
文章のスタイル——フォーマル、会話調、ジャーナリスティック、学術的など。
Tone
感情的なトーン——説得力のある、共感的な、権威的な、親しみやすいなど。
Audience
出力の対象読者。語彙・深さ・前提知識を決める要素。
Response
出力形式の指定——箇条書き、500語の記事、JSON、表など。
実例
シナリオ： CTO向けのSaaSツールの製品ローンチメールを書く
Context: PromptQuorumは2026年7月にローンチするマルチモデルAIツールです。Objective: 登録を促す製品ローンチメールを書いてください。Style: 無駄のない明快な文体。Tone: 自信に満ちたプロフェッショナルな口調。Audience: 中規模テック企業のCTO。Response: 件名付きの200語のメール。
CO-STARを使うべき場面
よくある質問
CO-STARとは何の略ですか?
CO-STARはContext、Objective、Style、Tone、Audience、Responseの略で、AIの出力を精密にコントロールする6つの要素を表します。
CO-STARはどこから生まれ、シンガポールのGPT-4コンテストで優勝したのですか?
CO-STARはシンガポールGovTechのData Science & AIチームによるものとされるフレームワークです。Sheila Teoさんがこれを使ってGovTech主催の初のGPT-4プロンプトエンジニアリングコンテスト(参加者400人超)で優勝し、その手法をTowards Data Scienceの記事で紹介しています。フレームワーク自体が優勝したわけではなく、優勝はTeoさんの成果です。中心となる考え方は、Style(表現方法)とTone(感情)を分けることです。
CO-STARとCRAFTはどちらを使うべきですか?
声のトーンや読者層を細かくコントロールしたい場合はCO-STARを使ってください。明確なターゲット像を持つロールベースの構成にしたい場合はCRAFTが適しています。CO-STARプロンプトの効果測定方法はhttps://www.promptquorum.com/ja/prompt-engineering/how-to-evaluate-prompt-qualityで解説しています。