論文の概要: A Tutorial on Prompt Engineering: From Messy Thoughts to AI Workflows

• arxiv url: http://arxiv.org/abs/2609.22249v1
• Date: Sat, 05 Sep 2026 23:38:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.804681
• Title: A Tutorial on Prompt Engineering: From Messy Thoughts to AI Workflows
• Title（参考訳）: プロンプトエンジニアリングのチュートリアル - Messy思想からAIワークフローへ
• Abstract要約: 本稿では、非公式な人間の意図を構造化されたAI作業仕様に変換するための規律として、プロンプトエンジニアリングを扱う。 オッカムのカミソリとチェーホフの銃に順応し、全ての命令がその地位を得る。
• 参考スコア（独自算出の注目度）: 10.41616666087648
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper treats prompt engineering as a discipline for turning informal human intent into structured AI work specifications. It develops the practice as a sequence of reusable design moves: define the work, construct only the context the answer depends on, choose a role, or a moderated panel of roles, as an attention lens, and state affirmative quality targets, reserving prohibitions for hard boundaries. To keep prompts lean, it adapts two classical principles, Occam's razor and Chekhov's gun, so that every instruction earns its place. For consequential tasks, it adds structured critique through steelmanning and premortems, followed by verification and, where tools or multi-step actions are involved, agentic operating loops with explicit boundaries and escalation. Aimed at a general readership, this tutorial is not a benchmarking study; it offers a practical, technically grounded path from casual prompting to disciplined AI workflow design, illustrated by a worked example that carries one task from a weak prompt to a strong specification. The framework is presented as principles and checklists that remain useful as models and tools change. The strongest prompt is rarely the longest prompt; it is the one that makes desired behaviour, required sources and checks, and success criteria unmistakable.
• Abstract（参考訳）: 本稿では、非公式な人間の意図を構造化されたAI作業仕様に変換するための規律として、プロンプトエンジニアリングを扱う。 作業を定義し、答えが依存するコンテキストのみを構築し、役割を選択し、役割の適度なパネルを注目レンズとして、そして状態肯定的な品質目標を達成し、ハードバウンダリの禁止を維持する。 Occam's razor と Chekhov's gun の2つの古典的原理を順応し、すべての命令がその位置を占めるようにしている。 連続的なタスクには、スチールマンやプレモーテム(premortem)を通じて構造化された批判を加え、続いて検証、ツールやマルチステップアクションが関与する場所、明示的な境界とエスカレーションを持つエージェント操作ループを追加する。 このチュートリアルは、カジュアルなプロンプトから規律あるAIワークフロー設計まで、実践的で技術的に根底にあるパスを提供するもので、弱いプロンプトから強い仕様までひとつのタスクを運べる実例で示されている。 フレームワークは、モデルやツールの変更時に有用な原則とチェックリストとして提示される。 最強のプロンプトは最も長いプロンプトであり、望ましい行動、必要なソースとチェック、そして成功基準を無視できるものであることは滅多にない。

関連論文リスト

• Zero-Shot Instruction Following in RL via Structured LTL Representations [50.41415009303967]
  マルチタスク強化学習では、エージェントが訓練中に見えない新しいタスクをゼロショットで実行しなければならない。 この設定では、最近、時間的に拡張された構造化タスクを特定するための強力なフレームワークとして線形時間論理が採用されている。 既存のアプローチはジェネラリストの政策を訓練することに成功しているが、仕様に固有のリッチな論理的・時間的構造を効果的に捉えるのに苦労することが多い。
  論文  参考訳（メタデータ） (2026-02-15T23:22:50Z)
• Exploring Prompt Engineering Practices in the Enterprise [3.7882262667445734]
  プロンプト(英: prompt)は、モデルから特定の振る舞いや出力を引き出すように設計された自然言語命令である。 特定の要求のある複雑なタスクやタスクに対して、迅速な設計は簡単ではない。 我々は、プロンプト編集行動のセッションを分析し、ユーザが反復したプロンプトの一部と、それらが行った変更の種類を分類する。
  論文  参考訳（メタデータ） (2024-03-13T20:32:32Z)
• Towards Generalist Prompting for Large Language Models by Mental Models [105.03747314550591]
  大規模言語モデル(LLM)は多くのタスクにおいて素晴らしいパフォーマンスを示している。 最適な性能を達成するには、特別に設計されたプロンプト法が必要である。 本稿では,最適あるいは準最適性能を実現する設計原理に基づくジェネラリストプロンプトの概念を紹介する。
  論文  参考訳（メタデータ） (2024-02-28T11:29:09Z)
• LaRS: Latent Reasoning Skills for Chain-of-Thought Reasoning [61.7853049843921]
  Chain-of-Thoughting(CoT)プロンプトは、大規模言語モデル(LLM)のための一般的なコンテキスト内学習手法である。 本稿では、教師なし学習を用いて有理数の潜在空間表現を生成するLaRS(Lalatnt Reasoning Skills)という新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-07T20:36:10Z)
• RT-Trajectory: Robotic Task Generalization via Hindsight Trajectory Sketches [74.300116260004]
  一般化は、ロバストなロボット学習システムにとって最も重要なデシダータの1つである。 粗い軌道スケッチを用いたポリシー条件付け手法を提案する。 RT-Trajectoryは言語条件や目標条件よりも幅広いタスクを実行できることを示す。
  論文  参考訳（メタデータ） (2023-11-03T15:31:51Z)
• Robustness of Learning from Task Instructions [15.462970803323563]
  従来の教師付き学習は、主に個々のタスクに取り組み、タスク固有の大きな例のトレーニングを必要とする。 新しいタスクに迅速かつ容易に一般化できるシステムを構築するために、タスク命令を監督の新たなトレンドとして採用している。 本研究は,新しいタスクの指示が (i) 操作された場合, (ii) 言い換えられた場合, (iii) 異なるレベルの簡潔さからシステムロバスト性を調べる。
  論文  参考訳（メタデータ） (2022-12-07T17:54:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。