生成AIエンジニアリングは、モデルへ仕事を依頼する文章だけでなく、判断材料、利用できる道具と権限、結果の検証、失敗からの回復、反復の停止条件までを設計する領域です。このセクションでは、問題の範囲が広がる順に4段階で学びます。
指示文から始める
プロンプトエンジニアリングでは、目的、対象、材料、制約、出力形式を一つの依頼として組み立てます。まず、期待する結果と確認条件を言葉で具体化できるようにします。
判断材料と情報量を管理する
コンテキストエンジニアリングでは、指示文の周囲に置く資料、履歴、制約、優先順位を設計します。情報量に関する問題は、次のページで切り分けます。
- コンテキストウィンドウと制限: 一度に扱える情報の範囲を知る
- 長い会話で品質が落ちる理由: 古い情報、埋もれた指示、矛盾を見分ける
- コンテキスト圧縮とは: 履歴を次の作業に必要な状態へ縮約する
- プロンプトキャッシュとは: 変わらない入力前半の計算を再利用する
圧縮は情報量を減らし、キャッシュは同じ入力の処理を再利用します。目的が異なるため、どちらか一方で置き換えるものではありません。
モデルを実行環境へ接続する
ハーネスエンジニアリングでは、モデルをツール、権限、検証、ログ、回復手順へ接続します。AIエージェントスタックの全体像は、モデル、検索、メモリ、ツール、プロトコル、評価などをレイヤーごとに確認したいときの地図です。
複数回の実行を安全に終わらせる
ループエンジニアリングでは、1回の作業粒度、完了条件、引き継ぐ状態、再試行の間隔、停止条件を決めます。ハーネスが「1回をどう実行するか」を扱うのに対し、ループは「何回、どの状態まで続けるか」を扱います。