この記事、丸ごとパクって売ってもらって構いません
先に、いちばん大事なことを言っておきます。
この記事の内容は、丸ごとパクって、あなたのコンテンツとして売ってもらって構いません。
そのままnoteに転載しても、Brainで売っても、講座のテキストに組み込んでも、SNSのネタに分解して投稿しても、ぜんぶOKです。許可も連絡もいりません。「これ、自分が考えました」みたいな顔で出してもらっても、わたしは一切文句を言いません。約40個の技術が入っているので、1記事1技術に切り出すだけで、ネタが40本分つくれます。
なぜここまで言うのか。理由は単純で、それくらいしないと、日本人はこの情報の価値に気づかないからです。
正直に言いますね。海外のAIガチ勢の間では、日本人のプロンプトは「原始時代レベル」って、もう公然と言われてます。最初に聞いたときは「何言ってんだコイツ」と思いました。でも、彼らが普段使っているプロンプトを実際に見せてもらった瞬間、ぐうの音も出なくなりました。完敗でした。
何が違ったのか。日本人の99%は、プロンプトを「指示」として書いています。「ブログ記事を書いて」「この文章を要約して」「アイデアを5つ出して」。これ、ぜんぶただの命令ですよね。一方で海外のプロは、1行目から「思考プロセス」や「ゴール」をAIに渡していました。命令と設計図、それくらい違ったんです。
そして、もっとキツい現実を言います。今この瞬間も、あなたが「いい感じのプロンプトないかな」と探している横で、海外勢はプロンプトを論文で研究し、コードのように管理し、アルゴリズムで自動最適化しています。手書きの職人芸 VS 自動最適化。勝負は、もうついています。残酷ですが、これが2026年の現在地です。
でも、安心してください。この差を埋めるのに、才能も英語力もいりません。必要なのは「型」を知っているかどうか。それだけです。
この記事には、わたしがこれまでThreadsで紹介してきたプロンプト技術・ノウハウを、ぜんぶ詰め込みました。論文発の本格的な型、AIの内部構造を逆手に取る裏ワザ、MCPによる機能拡張、Claude CodeとCodexの自動化まで、カテゴリ別の章立てで約40個。すべてに「コピペOK」のプロンプトを付けてあります。読みながら、そのまま試せます。
ここから先を読み終えたとき、あなたは2つに分かれます。この40個を「自分のもの」にして武器にする側か、まだ手書きでプロンプトを唸って書き続ける側か。 どっちに立つかは、この記事を最後まで読むかどうかで決まります。
くり返します。パクって売ってOKです。だから、遠慮なく持って帰ってください。それでは、いきましょう。
第1章：思考プロセスを渡す ― 自己検証・自己採点・枝分かれ思考
最初の章は「考え方そのものをAIに渡す」型です。日本のプロンプトは「役割を与えて丁寧に書く」で止まりがちですが、海外のプロは「どう考えさせるか」を渡します。ここで紹介する5つは、すべて研究論文発の本物の型です。
1. Chain-of-Verification（CoVe）― AIに自分の答えを取り調べさせる
ハルシネーション（事実誤認）を叩き潰すための型です。普通のプロンプトはAIに1発で答えさせますが、CoVeは「自分の答えを自分で検証させる」という発想で組まれています。叩き台を出させて、その回答に潜むリスクを検証質問に変換させて、ひとつずつエビデンスで答えさせて、最後に矛盾を直した最終版を出させる。この一連の流れを1回のプロンプトで完結させます。
リサーチ系や記事系のタスクで使うと、出力が別物になります。事実誤りが目に見えて減るので、信頼性が求められる作業ほど効果が出ます。
コピペ用プロンプト
以下のテーマで、次の手順をワンレスポンスで完結させてください。①まず叩き台の回答を出す ②その回答に潜む事実誤認のリスクを、検証質問5つに変換する ③各質問にエビデンスベースで答える ④矛盾箇所を修正した最終版を提示する。テーマ：［ ］
2. Self-Refine ― 生成役・批評役・改稿役の3役を演じさせる
1つのプロンプトの中で、AIに3つの役を順番に演じさせる型です。まず生成役として初稿を書かせる。次に辛口の編集者として、自分が書いたものを採点させる。最後に改稿役として、その採点を踏まえた完成版を書かせる。
ポイントは、評価の観点を具体的に指定することです。「説得力・独自性・論理性・読みやすさ・抜け漏れ」のように5観点を明示すると、採点が甘くならず、改稿の精度が上がります。1回投げるだけで品質がワンランク上がる感覚が体感できます。
コピペ用プロンプト
以下のお題について、次の3ステップを1レスポンスで全部やってください。①初稿を書く ②辛口編集者として、説得力・独自性・論理性・読みやすさ・抜け漏れの5観点で採点する ③採点を踏まえた改稿版を書く。お題：［ ］
3. Tree of Thoughts（ToT）― 答えを枝分かれで考えさせる
1本道で答えを出させるのではなく、複数のアプローチを「枝」として展開させて、AI自身にベストな枝を選ばせる型です。人間が頭の中で「A案もB案もC案もあるな……」と考えるプロセスを、そのままプロンプトに落とし込んだものだと思ってください。
アイデア出しや戦略立案で次元が変わります。1つの方向に決め打ちしないので、思いがけない切り口が出てきます。
コピペ用プロンプト
以下のお題に対し、次の手順で回答してください。①考えられるアプローチを3本の枝として全部展開する ②各枝の強みと弱みを評価する ③最も筋のいい枝を1つ選び、その枝だけを深掘りした最終回答を出す。お題：［ ］
4. Skeleton-of-Thought（SoT）― 先に骨組み、あとから肉付け
先に見出しレベルの「骨組み」だけを並べさせて、それから各パートを肉付けさせる思考法です。長文を書かせるときに、いきなり頭から書かせると後半が失速したり、構成が崩れたりしますよね。先に骨組みを固めると、その崩れが起きにくくなります。
長文の記事作成や提案書づくりで化けます。骨組みという「設計図」が先にあるので、肉付けのときに迷子になりません。
コピペ用プロンプト
以下のテーマで、次の手順を踏んでください。①記事の見出しスケルトンを5つ並列で出す ②各見出しを、独立した別タスクとして肉付けする ③最後に全体を統合して1本にまとめる。テーマ：［ ］
5. Meta-Prompting ― プロンプト自体をAIに進化させる
これは少し上級です。プロンプトの中身を改善するのではなく、「このプロンプト自体を進化させて」とAIに頼む型です。改良版を複数つくらせて、それぞれの狙いと「なぜ効くのか」の理由を書かせ、最後に最強案を1つ選ばせます。
月1回、自分がよく使う主要プロンプトにこれを当てるだけで、手持ちのプロンプト資産が勝手に育っていきます。ストックしているプロンプトを「塩漬け」にしない仕組みだと考えてください。
コピペ用プロンプト
以下のプロンプトを、性能を大幅にパワーアップさせた改良版を5つ作ってください。各案について「狙い」と「なぜ効くのか」の理由も書いてください。最後に最強案を1つ選び、その選定理由を述べてください。対象プロンプト：［ ］
この章の5つに共通するのは、「指示」ではなく「考える手順」を渡しているという点です。自己検証、自己採点、枝分かれ、骨組み並列化、自己進化。この5つを1行に仕込めるかどうかで、AIはただの便利ツールから「自走する研究員」に変わります。
第2章：出口から逆算する ― Outcome-First設計
第1章が「どう考えさせるか」なら、第2章は「何が返ってきたら勝ちか」を先に決める発想です。日本人は「何を投げるか」で頭を使い、海外のプロは「ゴール」から書く。ここでは公式ドキュメント発の逆算プロンプトを5つ紹介します。
1. Output-First Specification ― 完成形のテンプレを先に固定する
普通の人は「ブログ記事を書いて」と投げます。でも、これだと出力がブレます。逆算型では、出力の完成形テンプレを先に組んで、AIに穴埋めさせます。タイトルは何字以内、導入には何を入れる、本論の見出しはいくつ……と枠を先に決めてしまうわけです。
出力のブレが激減して、品質が安定します。同じテーマで何本も書くときほど、この安定感が効いてきます。
コピペ用プロンプト
以下のテンプレを完璧に埋めてください。タイトル：［40字以内・数字入り］／導入：［読者の悩み3つを各1文で］／本論：［H2見出し3つ＋各300字］／結論：［行動提案1つ］／CTA：［15字以内］。テーマ：［ ］
2. Prefilling ― AIの応答の冒頭を先に指定する
AIの応答の「書き出しの一文」を、こちらから指定してしまう型です。Claudeはその続きから書くしかなくなるので、出力の方向がロックされます。前置きの挨拶や余計な枕詞が消えて、フォーマットの脱線もほぼなくなります。
地味ですが効きます。「で、結論は？」とツッコミたくなる回答が返ってくるのを防げます。
コピペ用プロンプト
あなたの応答は、必ず次の一文から書き始めてください。「以下、要件に基づき構造化して回答します。まず最重要のポイントは」
3. Negative Constraints ― 「やるなリスト」を具体的に列挙する
AIは「これはするな」を曖昧に書くと、逆に守りません。「自然な文章にして」みたいなふわっとした禁止は効きにくいんです。でも、具体的に列挙すると守ります。敬語禁止、冒頭の挨拶禁止、特定の言い回し禁止……と箇条書きで明示します。
AIっぽい凡庸なパターンが、かなりの割合で消えます。文章の「いかにも生成しました」感を抜きたいときの定番です。
コピペ用プロンプト
以下を作成してください。ただし禁止事項は厳守してください。①敬語禁止 ②3文字熟語の連発禁止 ③「〜について」「〜することが大切」という表現禁止 ④冒頭の挨拶禁止 ⑤箇条書きの羅列禁止。違反したら全部書き直してください。作成対象：［ ］
4. XML Structured Tagging ― 情報をタグで分離する
情報をタグで区切って渡すと、AIの読解精度が上がります。ゴール、背景、制約、参考例、出力形式。これらをひとかたまりの雑文で投げるのではなく、それぞれタグで仕切ってあげる。プロは雑文で投げません。設計図の形で投げます。
コピペ用プロンプト
以下の構造でプロンプトを組みます。それぞれのタグの中身に沿って回答してください。 <goal>達成すべきゴール</goal> <context>背景情報</context> <constraints>禁止事項</constraints> <examples>参考例</examples> <output_format>出力形式の枠</output_format>
5. Persona Stack ― 役割を3層で重ねる
普通の人は「あなたはコピーライター」で終わります。プロは役割を1人ではなく3層で重ねます。執筆役、添削役、そして想定読者という受け手の役。この3人格を1人のAIに同時に持たせて、執筆→添削→読者目線で再修正、を1回で走らせます。
多角的な視点が同時に回るので、説得力が増します。ただし、この「ペルソナを与える」やり方には注意点もあります。それは第10章でくわしく扱います。
コピペ用プロンプト
あなたは次の3人格を、1人で同時に持ってください。①TOPコピーライター（執筆役）②辛口の編集長（添削役）③想定読者である30代会社員（受容役）。執筆→添削→読者目線で再修正、を1レスポンスで全部実行してください。テーマ：［ ］
逆算の本質はシンプルです。1行目に「ゴール」「禁止事項」「フォーマットの枠」がない時点で、AIはもう迷っています。入口から書くか、出口から書くか。その差です。
第3章：AIを「軍団」で動かす ― マルチエージェント運用
ここからは少し発想が変わります。1体のAIを使い倒すのではなく、AIに複数の役割を振って「軍団」として運用する考え方です。1体だけで戦うのは、武器1本で戦場に出るようなもの。海外のプロは参謀本部から指揮するフェーズに入っています。
なお、ここで紹介するパターンは、複数のAIアカウントを別々に立てなくても大丈夫です。1つのチャットの中で「役を切り替えさせる」だけで再現できます。
1. Routing Pattern ― 振り分け役を1体置く
入力をまず「分類役」のAIに受けさせて、適切な「専門役」に振り分ける、軍隊式の組織化です。普通の人は1体のAIに全部投げて、中途半端な答えで終わります。プロは受付係を1体置いて、そこから専門家にパスします。
1体のAIが万能を装うより、専門特化に振ったほうが精度が上がります。
コピペ用プロンプト
あなたは「振り分け担当」です。以下の依頼を読み、①リサーチ系 ②執筆系 ③分析系 ④コード系 のどれかに分類してください。その分類に最適化されたシステムプロンプトを5行で作成し、それを使って再度この依頼を実行してください。依頼：［ ］
2. Parallelization ― 同じ問いを並列で解かせて多数決
同じタスクを複数の視点で並列に解かせて、多数決で結論を確定するパターンです。1人の専門家に聞くより、5人の専門家に別々のアプローチで答えてもらって、いちばん支持された結論を採る。そういう発想です。
ハルシネーションが減ります。重要な判断をAIに任せたいときに、安心感がまるで違います。
コピペ用プロンプト
以下の問いに対し、まず5人の独立した専門家の視点から、それぞれ違うアプローチで回答案を1つずつ出してください。次にその5案を比較し、最も多くの視点で支持されている結論を最終回答とし、選定理由も述べてください。問い：［ ］
3. Evaluator-Optimizer ― 生成役と評価役を完全に分離する
1人でやる自己評価は、どうしても甘くなります。役者と審査員を分けると、判定が辛口になる。これを1つのプロンプトの中で再現します。生成役として最高の回答を作り、人格を完全に切り替えて辛口の評価役として採点し、また生成役に戻って完全版を作る。
第1章のSelf-Refineと似ていますが、こちらは「人格を完全に切り替える」と明示する点がポイントです。
コピペ用プロンプト
以下のお題に対し、まず「生成役のAI」として最高の回答を作成してください。次に人格を完全に切り替え、「辛口の評価役のAI」として、その回答を100点満点で採点し、減点理由を5項目挙げてください。最後にまた生成役に戻り、評価を踏まえた完全版を作成してください。お題：［ ］
4. Multi-Agent Debate ― 肯定派・否定派・裁定役で討論させる
複数のAIに討論させてから、統合役が結論を出す型です。肯定派と否定派が論戦して、中立の裁定役が両者の論点をまとめる。極論や思考停止が消えて、バランスの取れた結論が出ます。
戦略立案や意思決定のように「決め切るのが難しい問い」で、特に強さを発揮します。
コピペ用プロンプト
以下のテーマで、あなたは①肯定派AI ②否定派AI ③中立の裁定役AI の3体になりきってください。①と②が3往復ずつ論戦し、③が両者の論点を統合して最終結論と理由を出してください。テーマ：［ ］
5. Self-Verifying Output ― 出力前に自分で検証させる
生成した本人に、別人格として自分の出力を「取り調べ」させてから最終提出させる型です。自分の文章を自分で見直しても粗は見えにくいので、視点を強制的に変えさせます。海外の競合プロ、ターゲット読者、辛口の上司、と3つの人格を着替えさせて、各視点から問題点を挙げさせます。
最近のAIモデルは「出力を自分で検証してから報告する」方向に進化しています。その動きを、プロンプト側から先取りする型だと考えてください。
コピペ用プロンプト
以下のアウトプットを、まったく違う人格として読み直してください。あなたは①海外の競合プロ ②ターゲット読者 ③辛口の上司 の3人格を順番に着替え、各視点から問題点を3つずつ挙げ、最後に最強の改善版を1つ提示してください。アウトプット：［ ］
軍団運用の本質は、「AIは1体で使うものじゃない」という前提に立てるかどうかです。役割を振って指揮する。それだけで、同じAIから出てくる結果が変わります。
第4章：コンテキストを「環境」として設計する ― 4階層思考
ここまでは「プロンプトの中身」の話でした。でも、海外のAI設計者の世界では、プロンプトはもっと大きな構造の「最下層」として扱われています。プロンプト → コンテキスト → インテント → スペック、という4階層。多くの人はまだ1階層目で止まっています。この章は、その上の階層に登るための5つです。
1. Bookend Placement ― 重要な制約は冒頭と末尾の両方に置く
長い文章をAIに渡すと、中盤に置かれた情報は注意が散りやすくなります。いわゆる「中盤は盲点になる」現象です。だから、重要な制約条件は冒頭と末尾の2か所に必ず置きます。本の「ブックエンド」のように、大事なものを両端で挟むイメージです。
プロンプトを長く書く人ほど効きます。長文の指示なのに制約が真ん中に1回しか書かれていない、というのはよくある失敗です。
コピペ用プロンプト
以下の依頼で、重要な制約条件は、プロンプトの「冒頭」と「末尾」の2か所に必ず再掲してから処理してください。コンテキスト中盤の情報は注意が散りやすい前提で構造化してください。依頼：［ ］
2. Goldilocks Altitude ― システムプロンプトの「ちょうどいい高度」
システムプロンプトには、最適な「高度」があります。低すぎる（細かすぎるif-else論理で縛る）と硬直化し、高すぎる（抽象的な理念だけ）と何も決まらない。その中間の高度に合わせます。童話になぞらえて「ゴルディロックスゾーン」と呼ばれる考え方です。
3層に分けて設計するのがコツです。絶対に変えない原則、状況判断の枠組み、個別タスクの自由度。この3つを意識して書くと、硬直も抽象も避けられます。
コピペ用プロンプト
あなたへの指示を、以下の3層に分けて固定します。①不変の原則（why・絶対に変えない）②状況判断の枠組み（when・ケース別の分岐ルール）③個別タスクの自由度（what・あなたの判断に委ねる）。硬直化を避けつつ抽象論にも逃げず、ちょうど中間の高度で設計してください。
3. Just-In-Time Context Injection ― 必要なときに必要な分だけ渡す
コンテキストの枠が大きいからといって、資料を全部詰め込むと、かえって精度が崩れます。プロは最初に「目次・サマリー・索引」だけを渡し、必要な章を都度取得させます。図書館で全部の本を机に積むのではなく、必要な1冊だけ借りにいくイメージです。
大きな資料を扱うときの正しい使い方は「全部詰める」ではなく「動的に呼び出す」です。
コピペ用プロンプト
以下の巨大な資料は、最初に全部投入しません。最初の段階では「目次」「各章の100字サマリー」「索引」だけを読み込んでください。詳細が必要な章があれば、わたしに明示的に要求してから取得し、その章だけをコンテキストに追加して作業してください。
4. Intent Encoding ― 判断基準を先に明文化する
組織や自分の「価値観・優先順位・トレードオフの判断基準」を、毎回ゼロから説明するのではなく、最初に1回明文化して渡す型です。これを冒頭に置くだけで、AIが「あなたの代理人」として動き始めます。指示待ちではなく、迷ったときに自分で正しい方向に倒せるAIになります。
コピペ用プロンプト
以下の作業の前提として、わたしの判断基準を明文化します。①優先順位［A＞B＞C］②絶対NG［X、Y、Z］③曖昧なケースでのデフォルト判断［D］。判断に迷う場面では、必ずこの基準に戻ってから判断してください。
5. Specification Layer ― 「仕様書」を作る側に立つ
4階層のいちばん上が、この「仕様」です。品質基準や業務ルールを、構造化したテキスト＝仕様書として固定し、それ自体を毎回コンテキストの起点にします。プロンプトを書く人から、仕様書を作る人へ。ここに立った瞬間、作業の再現性が一気に上がります。
コピペ用プロンプト
今後の作業は、以下の「仕様書（マークダウンの構造化形式）」を、毎セッションの起点として参照します。仕様書の外の判断が必要になった場合は、推測せず必ずわたしに確認してください。 【ここに自分の仕様書を貼る】
この章の発想は、「プロンプト1行で勝負する」から「コンテキスト全体を1つの環境として設計する」への移行です。1階層で戦うか、4階層で戦うか。それだけの違いがあります。
第5章：AI内部の仕組みに合わせる ― KVキャッシュ前提の構造設計
この章は、ちょっとマニアックです。でも知っておくと、AIの「速度」と「コスト」と「使用枠の減り方」が変わります。
AIの内部には「KVキャッシュ」という仕組みが回っています。ものすごくざっくり言うと、AIは一度処理した内容を内部で保持していて、同じ内容が再び来たときはそれを再利用できる。逆に言うと、再利用が効かない使い方をしていると、毎回ゼロから計算し直していることになります。
「使用制限にすぐ引っかかる」「会話が長くなると応答が遅くなる」「API利用なら請求が思ったより高い」。こうした困りごとの原因は、プロンプトの中身ではなく「置き方」がAI内部の仕組みとズレているケースが多いんです。
1. Stable Prefix First ― 動かないものを冒頭に固定する
キャッシュは「冒頭から完全に一致した分だけ」効きます。だから、毎回変わらないもの（前提条件・参考資料・ルール）は冒頭に固定し、毎回変わるもの（今日の質問）は末尾に置きます。同じ前提を毎回頭に置くだけで、キャッシュが効き始めます。
コピペ用プロンプト
以降の作業の前提を固定します。①わたしの業界＝［A］②ターゲット＝［B］③禁止事項＝［C］④出力形式＝［D］。これを毎セッションの冒頭で再宣言してから本題に入ってください。
2. Anchor Document Pattern ― 資料は最初に1回だけ投げる
大量の参考資料やガイドラインを、毎回貼り直していませんか。それ、もったいないです。資料は最初に1回だけ「アンカー（錨）」として投げて、以降の質問はその資料を参照させるだけにします。
コピペ用プロンプト
以下の資料を、本セッションのアンカーとします。【ここに参考資料を一括投入】。以降、わたしが出す質問はすべて、この資料を参照して答えてください。資料の再提示は不要です。
3. Session Continuity ― 関連作業は1スレッドで続ける
新しいチャットを開くたびに、AIは内部のキャッシュをゼロから構築し直します。1日に10回新規チャットを開くのと、1日1回のロングセッションで続けるのとでは、使用枠の減り方も出力品質も変わります。新規チャットの乱発が、「すぐ制限に引っかかる」の原因の一部です。
運用の指針
同じテーマの作業は、必ず1スレッドで継続する。スレッドが長くなりすぎたら、冒頭で「これまでのまとめ」を1回作り、それをアンカーにして継続する。
4. Differential Edit Pattern ― 直したいときは差分だけ指示する
出力を改善したいとき、全文を投稿し直すのはNGです。全文を投げ直すと、せっかくのキャッシュが消えて、また最初から計算し直しになります。「ここだけ」「この部分をこう変えて」と、差分だけ指示します。
コピペ用プロンプト
以前の出力を直したいときは、全文を再投稿しません。「○○の部分だけ」「△△を××に変えて」のように、差分だけを指示します。前提条件や参考資料の再提示は一切しません。
5. Cache-Aware Sub-agent Design ― サブエージェントの冒頭をそろえる
第3章のような軍団運用をするときも、各エージェントのシステムプロンプトの「冒頭部分」（役割定義・前提・ルール）をそろえると、キャッシュが効きやすくなります。タスクの中身だけを末尾で個別に変える。これだけで軍団運用の効率が上がります。
コピペ用プロンプト
マルチエージェント運用をするとき、全エージェントのシステムプロンプトの冒頭部分（役割定義・前提・ルール）を完全に統一してください。タスクの内容だけを末尾で個別に変えてください。
この章の本質は「プロンプトは中身じゃなく構造で勝負する」です。何を書くかと同じくらい、どこに何を置くかが効いてきます。
第6章：プロンプトの「外側」を作る ― ハーネスとエージェント
2026年に入って、海外のAI開発者は「プロンプトの中身」を競うのをやめて、「プロンプトの外側」を設計し始めました。その外側のことを「ハーネス（harness）」と呼びます。まずは、その全体像から整理します。
そもそも「ハーネスエージェント」とは何か
普通に使っているChatGPTやClaudeは、実は「AIエージェント」ではありません。ただの「脳みそ単体」です。AIエージェントとは、その脳みそに部品を組み付けて「自走する機械」に変えた状態のことを指します。
エージェントは、おおまかに次の要素でできています。
Model（モデル本体）：エージェントの「知能」。LLMそのもの。脳みそだけだと、判断はできても行動はできません。
Harness（ハーネス）：モデルに与える指示（システムプロンプト）と、ガードレール（やってはいけないこと）のセット。たとえば「一定金額を超える支払いは必ず人間に確認を取れ」のような安全弁です。エージェントの「性格」「判断基準」を決める層だと考えてください。
Tools（ツール）：エージェントの「手足」。メール送信、カレンダー操作、ファイル読み書き、Web検索など、AIが現実世界に触れるための窓口です。ツールがなければ、AIはレシートを読めても、それを経費精算に提出することはできません。
Environment（環境）：エージェントが「どこで動くか」。同じAIでも、動く環境が変わるとできることが大きく変わります。
Agent Loop（自走サイクル）：これら全部が連携して、計画 → 行動 → 結果観察 → 調整 → 繰り返し、というループを自分で回し続ける。人間の確認が必要なら止まる。1問1答で完結するチャットボットと、自走するエージェントの決定的な差はここにあります。
この5要素が組み合わさったものが「エージェントの完成形」です。ここからは、その外側＝ハーネスを高度に設計するための5つの技術を紹介します。
1. Execution Loop ― 観察・思考・自己批判・行動の循環を組み込む
ハーネスの心臓部です。タスクを実行するとき、毎ステップで「観察 → 思考 → 自己批判 → 行動」のサイクルを明示的に踏ませます。1発出しの「お願い」とは別次元の動き方になります。
コピペ用プロンプト
以下のタスクを実行する際、毎ステップで次の4段階を必ず順番に書いてから進めてください。①観察「現状の状態を3行で記述」②思考「次に必要な一手と理由」③自己批判「その一手の盲点を1つ」④行動「修正後の最終アクション」。タスク：［ ］
2. Context Compaction ― 長い会話を段階的に圧縮する
会話が長くなると、文脈が崩れていきます。それを防ぐために、一定の往復ごとに、過去のやり取りを決まった形式に強制的に圧縮します。長尺タスクで会話が「腐らない」ための必須設計です。
コピペ用プロンプト
以降、会話が10往復を超えるごとに、過去のやり取りを毎回「確定した事実3つ＋保留中タスク2つ＋次の最重要アクション1つ」の形式に強制圧縮し、その圧縮版を起点として新しい指示を実行してください。
3. Playbook Memory ― 再利用できる「型」を蓄積する
戦略を毎回ゼロから出させるのではなく、再利用できる「型（プレイブック）」として蓄積していく設計です。1回のやり取りが、毎回「資産」になっていきます。
コピペ用プロンプト
以下のタスクを実行したあと、必ず最後に「今回の汎用ルール3つ」をマークダウンの箇条書きで出力してください。次回からはわたしがそれを冒頭で提示するので、それをプレイブックとして読み込んでから作業してください。
4. Self-Modification Loop ― AIに自分の取扱説明書を書き換えさせる
エージェント自身に、次回もっと上手くやるための「自分への指示テンプレート」を書かせる型です。AIが自分の取扱説明書を、使うたびに更新し続ける状態をつくれます。
コピペ用プロンプト
以下のタスクを実行したあと、自分が次回もっと精度よく実行するための「自分への指示テンプレート（改良版）」を出力してください。改良の意図と狙いも併記してください。次回からはそのテンプレートを使います。
5. Auto-Harness Optimization ― 仕組み全体を反復改善する
第1章のMeta-Promptingに近いですが、対象が「プロンプト構造そのもの」です。週1回これを回すだけで、プロンプト資産が複利で進化していきます。
コピペ用プロンプト
現在のわたしのプロンプト構造を、1段階改善する具体案を5つ出してください。各案の狙い・想定改善効果・想定リスクを書き、最後に最強案を1つ選んで、採用理由と次の使用例を提示してください。
プロンプトの中身を1行ずつ磨くのも大事です。でも、その「外側」にはもっと大きな世界があります。ハーネスという視点を持てるかどうかで、AIの使い方が一段変わります。
第7章：誰も知らない裏プロンプト5選
この章は、定番のプロンプト本にはまず載っていない、ニッチな型を集めました。研究発のもの、認知科学を応用したもの。日本ではほぼ発信されていない切り口です。
1. Question Reframing ― 中立な疑問文に直させてから答えさせる
AIには「ユーザーに媚びる（同調しすぎる）」というクセがあります。こちらの発言に賛成も反対も先回りして、忖度した答えを返してくる。これを抑える方法として、「媚びるな」と直接命令するより、こちらの発言をいったん「中立的な疑問文」にリフレームさせてから答えさせるほうが効く、と報告されています。
意見を求めているのに「おっしゃる通りです」ばかり返ってくる、というときに使ってみてください。
コピペ用プロンプト
以下のわたしの発言に答える前に、必ずまず、わたしの発言を「中立的な疑問文の形式」にリフレームしてください。元の発言への賛同・否定の意思表示は断ったうえで、論理的に答えてください。発言：［ ］
2. Verbalized Sampling ― 確率つきで複数案を出させる
AIは、同じ質問をすると毎回似たような答えを返しがちです（出力の多様性が崩れる現象）。その対策が、回答案を「選ばれるべき確率」つきで複数出させる型です。確率の分布から1案を選ばせると、普通のプロンプトでは出てこない発想が引き出せます。
コピペ用プロンプト
以下のお題に対し、5つの異なる回答案を、それぞれの「選ばれるべき確率（％）」つきで生成してください。確率の合計は100％にしてください。最後に、その分布から1案を確率に従って選んで提示してください。お題：［ ］
3. 反事実アンカリング ― 反対の答えを先に出させる
これは認知心理学の「アンカリング効果（係留効果）」を応用した型です。AIに、自分が直感的に出そうとしている答えの「完全に反対の答え」を先に出させることで、平凡な解への慣性を壊します。決まり切った答えが、急に深くなります。
※「反事実アンカリング」という名称はわたしの造語です。元になっている原理（アンカリング効果）は実在の認知科学ですが、この型自体は応用です。
コピペ用プロンプト
以下の問いに答える前に、まず、あなたが直感的に出そうとしている答えの「完全に反対の答え」を1つ生成してください。その反対案がもし正しかった場合の根拠を5つ書き出してください。最後に、その検証を経たうえで最終回答を出してください。問い：［ ］
4. 自己Pre-Mortem ― 失敗の原因を先に列挙させる
「Pre-Mortem（事前検死）」は、プロジェクトを始める前に「これが失敗したとしたら、原因は何か」を先に考える、有名な思考法です。これをAIのタスク実行に応用します。実行前に失敗パターンを列挙させ、それを回避する形で実行させます。長尺タスクで効きます。
※元のPre-Mortem手法は実在のものですが、AIへの応用はわたしの使い方です。
コピペ用プロンプト
以下のタスクを実行する前に、まず「このタスクが最低品質に終わった場合の、想定原因5つ」を列挙してください。各原因への回避策を1行で書き、その回避策をすべて守ったうえでタスクを実行してください。タスク：［ ］
5. Calibrated Confidence Prompting ― 確信度を明示させる
AIの最大の弱点は、「間違っているときも自信満々に言う」ことです。これを封じるのが、各主張に「確信度（0〜100％）」を必ず併記させる型です。ハルシネーションが目に見える形になるので、情報の信頼性を判断するのがぐっと楽になります。
コピペ用プロンプト
以下の質問に答える際、各主張に必ず「確信度0〜100％」を併記してください。50％未満は「推測」、70％以上のみ「事実」としてラベルづけしてください。各確信度の根拠も1行で示してください。質問：［ ］
定番テクニックとして勉強するか、論文や原理発の裏ワザとして運用するか。情報源は無料で公開されているものがほとんどです。気づいた人から差がついていきます。
第8章：AIに「手足」を与える ― 入れておきたいMCP
ここまではプロンプトの話でした。この章は、AIに「手足」をつける話です。
MCP（Model Context Protocol）は、AIを外部のサービスやデータにつなぐための、オープンな共通規格です。ざっくり言うと、AIに「現実世界に触れる窓口」を増設するための仕組み。これを入れると、Claudeはチャットボットから「手足を持つエージェント」に変わります。
MCPはオープン標準なので、Claude CodeでもCodexでも、1回設定すれば同じ環境が引き継げます。ここでは、コンテンツ作業をする人にとって本当に役立つものを4つ厳選しました。
1. Supadata MCP ― 動画から文字起こしを一発抽出
YouTube・TikTok・Instagram・X（旧Twitter）の動画から、トランスクリプト（文字起こし）を一発で抽出できるMCPです。海外のコンテンツリサーチ、競合動画の分析、トレンド把握が一気に速くなります。字幕がない動画でも、自動文字起こしの機能でカバーできます。
使い方の例
以下のYouTube／TikTok／Xの動画URLからトランスクリプトを抽出して、要点5つにまとめてください。URL：［ ］
海外のバズ動画を最後まで見る、という時間の使い方から卒業できます。
2. Firecrawl MCP ― WebサイトをきれいなMarkdownに変換
任意のWebサイトを、AIが読みやすいクリーンなMarkdownに変換するMCPです。JavaScriptで描画されるページも処理できます。競合の記事やLP、ニュースサイトを丸ごとAIに読ませて、構造分析や改善提案を出させるのが速くなります。
使い方の例
以下のURLをFirecrawlでMarkdown化して、その記事の構造と訴求の弱点を分析してください。URL：［ ］
毎回手でコピペしている人は、ここで時間を取り戻せます。
3. Google Knowledge Graph MCP ― エンティティ情報に直接アクセス
Google検索の右側に出る「情報パネル」の元データに、AIが直接アクセスできるMCPです。実在の人物・場所・組織・概念の構造化データを引けます。ファクトチェックや人物・組織情報の検証で、精度が変わります。情報発信をする人にとっては命綱になります。
使い方の例
Google Knowledge Graphで「［人名／組織名］」の情報を取得して、そのうえでわたしの記事の事実関係をチェックしてください。
4. Memory MCP ― AIに永続的な記憶を持たせる
AIには「毎回、会話履歴がゼロからリセットされる」という弱点があります。これを解消するのがMemory MCPです。プロジェクトの決定事項、自分の好み、過去のやり取りで学んだルールが、セッションが終わっても残り続けます。
使い方の例
以下のわたしの好み・前提・進行中のプロジェクト情報を、Memory MCPに永続記憶として登録してください。次回からは、この内容を最初に必ず参照して作業してください。
毎回のセッションで同じ前提を貼り直している人ほど、効果を実感できます。Claudeが回を重ねるごとに「自分のことを理解した相棒」に育っていきます。
この4つで「入力（動画・Web・エンティティ情報）」と「記憶」の両方がそろいます。先の3つで集めた情報を、Memory MCPでAIに蓄積させる。4つが連携したときの効果は、単体で使うより大きくなります。
第9章：Claude Code & Codexで自動化する ― 5つのポイントと落とし穴
Claude CodeやCodexで自動化を「なんとなく回している」と、けっこう損をします。この章は、自動化で結果を出すための5つのポイントと、それぞれの落とし穴をセットで紹介します。
1. Plan Modeを必ず挟む
自動化の生命線は、いきなり実行させないことです。Plan Mode（計画モード）で、編集するファイル名・関数名・手順の順序まで具体化させてから承認する。これを必ず挟みます。
落とし穴：Plan Modeをスキップして並列実行に走ること。計画ゲートのない並列化は、間違った成果物を高速で量産するだけです。速さは、方向が正しいときにだけ価値があります。
2. 耐久ルールは設定ファイルに、毎回の指示はプロンプトに
「毎回守ってほしい恒久的なルール」を、毎回のプロンプトに詰め込むのは初心者の典型ミスです。耐久ルールは設定ファイル（CodexならAGENTS.md、Claude CodeならCLAUDE.md）に書き、毎回のプロンプトには「今回だけの指示」だけを載せます。
落とし穴：設定ファイルを大きくしすぎること。サイズ上限を超えると、内容がカットされてしまいます。ファイルが大きくなってきたら、ディレクトリ階層ごとに分割するのが定石です。
3. サブエージェントは「専門特化＋権限を絞る」
サブエージェントには「1機能＝1専門役割」を割り当て、必要最小限のツールだけを与えます。
落とし穴：サブエージェントが、デフォルトで親のツール権限を全部引き継いでしまうこと。全権限を持った状態で起動するので、明示的に権限を絞らないと事故のもとになります。また、サブエージェントは複数のモデルやツールを動かすぶん、必ずトークン消費が増えます。並列化＝コスト増は構造的に避けられないので、走らせる価値があるタスクだけに絞りましょう。
4. MCPは「盛らない」が正解
第8章でMCPを紹介しておいて何ですが、入れすぎは禁物です。MCPを増やすほど、毎メッセージのコンテキストが膨らみ、使用枠を圧迫します。使わないMCPは無効化しておく。これが基本です。
落とし穴：何でもMCP化して10個も20個も刺すこと。コンテキストの圧迫に加えて、セキュリティ面のリスクも増えます。本当に毎日使う3〜5個に絞るのが安全です。
5. 繰り返し作業は「Skill化」する
何度も使うワークフローは、その都度プロンプトをコピペするのではなく、Skillとしてパッケージ化します。Claude CodeもCodexも、繰り返し作業を定義ファイルにまとめて、一貫して呼び出せる仕組みを持っています。
落とし穴：Skill化せず、毎回プロンプトをコピペで運用すること。ブレが累積し、頭の負荷もどんどん増えていきます。具体的な使用例が2〜3個あるワークフローは、すぐSkill化してOKです。Claude CodeとCodexで同じSkillを使い回す前提で書いておくと、ツールを乗り換えてもコストがかかりません。
自動化の本質は、AIに「丸投げ」するか「仕組み化」するかの違いです。Plan Modeを挟む、設定ファイルを整える、権限を絞る、MCPを最小化する、繰り返しをSkill化する。この5つの仕組みを先に整えてから回す。それだけで、自動化が「加速」になるか「暴走」になるかが決まります。
第10章：もう古い ― やめたほうがいいプロンプト習慣
最後の章は、足し算ではなく引き算です。日本でずっと「正解」とされてきたけれど、最新の研究や仕様では見直されつつある習慣を3つ取り上げます。
1. 「あなたは○○の専門家です」を何にでも付ける
ペルソナを与えるプロンプトは定番中の定番です。でも、最近の研究では「万能ではない」ことが指摘されています。エキスパートのペルソナは、安全性やモデレーション系のタスクでは効果がある一方、事実認識や推論の精度では、かえって下げてしまう傾向がある、という報告です。
つまり、ペルソナは「万能テンプレ」ではなく「用途を選んで使うピンポイント技」だということ。安全判断・倫理判断・モデレーション系には付けてもいい。でも、事実調査・分析・コード生成・推論系のタスクには、むやみに付けない。この使い分けを意識するだけで、精度が一段上がります。
2. 「ステップバイステップで考えて」を機械的に付ける
「ステップバイステップで考えて」「Let's think step by step」も、長く最強プロンプトとして扱われてきました。ただ、最近のモデルは、いつ・どれくらい考えるかをモデル自身が判断する方向に進化しています。「考えて」と毎回書く必要性は、技術的に薄れてきているんです。
これからの運用は、思考の指示を機械的に付けるのではなく、タスクの目的・制約・期待する形式を明示することに力を割く。そして推論が必要な複雑タスクなら、モデル側の思考機能をオンにしてAIに判断を任せる。こちらのほうが、新しい世代のモデルとは相性がいいです。
3. プロンプトを手で書いて、直感で微調整する
これがいちばん大きい話かもしれません。日本人の多くは、プロンプトを「作品」として手で書き、語感と直感で微調整しています。一方、海外のプロは、プロンプトを「コード」として扱います。設計し、バージョン管理し、テストし、評価基準（eval）で採点しながら最適化する。
なぜここまで違うのか。理由はシンプルです。手書きの直感では「9割の入力で動くけれど、残り1割で壊滅的に失敗するプロンプト」の、その1割を検知できないからです。だから、先に「何をもって正解とするか」の採点表を作り、プロンプトをそれで測ります。
完全な自動最適化はコードの知識が要りますが、その「思想」だけなら今日から真似できます。
今日からできる、eval思考の第一歩
①同じプロンプトを5回流して、出力のブレ幅を観察する。②良かった出力に共通する条件を3つ書き出す（これが簡易的なeval）。③その3条件を満たすまで、プロンプトを単語レベルで複数バージョン作って比較する。
ちなみに、意味が同じ単語でも出力は変わります。「計算して」と「算出して」でも、AIの反応は微妙に違う。手書きの直感では、この単語レベルの差は制御できません。だからこそ「測って改善する」に脳を切り替える価値があります。
足すべき技術は、第1章から第9章でたくさん紹介しました。でも、伸びる人は同時に「やめること」も決めています。
おわりに ― プロンプトは「思考の設計図」になった
ここまで、約40個の技術とノウハウを駆け足で紹介してきました。最後に、この記事で伝えたかったことを1つにまとめます。
プロンプトは、もう「指示」ではありません。「思考の設計図」です。
第1章では、考え方そのものを渡しました。第2章では、出口から逆算しました。第3章では、AIを軍団として動かしました。第4章から第6章では、プロンプトの外側＝コンテキスト・内部構造・ハーネスを設計しました。第7章では裏ワザを、第8章ではMCPでAIに手足をつけ、第9章では自動化の仕組みを整え、第10章では古い習慣を手放しました。
ぜんぶに共通しているのは、「何を出力させるか」ではなく「どう考えさせるか・どう動かすか」を書いている、ということです。命令と設計図。その差が、AIを「ただの便利ツール」のままにするか、「自走する相棒」に変えるかを分けます。
ここで紹介した技術は、才能も英語力も要りません。必要なのは、今日からのプロンプトの1行を、少しだけ違う組み方で書いてみることだけです。気になった型を1つ、コピペして試してみてください。そこが、最初の1歩になります。
最後まで読んでいただき、ありがとうございました。この記事が、あなたとAIの付き合い方を一段引き上げるきっかけになればうれしいです。
AIのご相談はこちら👇
