MENU

CREST

CRESTモデルは、大規模言語モデル（LLM）から意図したとおりの、あるいはそれを凌駕する優れたアウトプットを引き出すための、洗練されたプロンプト構築フレームワークです。単に命令を羅列するのではなく、LLMとの対話をより戦略的かつ構造的に行うための道標となります。CRESTは、以下の5つの重要な要素の頭文字をとったものです。

  1. Context (文脈)
  2. Role (役割)
  3. Example (例)
  4. Style (文体)
  5. Tone (トーン)

これらの要素を丁寧に設計し、組み合わせることで、LLMはあなたの要求をより深く理解し、より正確で、創造的で、そして洗練された応答を生成することが可能になります。これから、それぞれの要素を細部にわたり掘り下げ、CRESTモデル全体としての力と、その具体的な応用方法について、時間をかけて丁寧に解説していきます。

1. Context (文脈)：AIが理解するための「舞台設定」

Context要素は、LLMがプロンプトを適切に解釈し、関連性の高い応答を生成するために不可欠な「舞台設定」です。これは、LLMに対して、タスクの背景、目的、制約条件などの周辺情報を提供することで、より深い理解を促す役割を果たします。まるで、物語の冒頭で登場人物、場所、時間などの情報を提示することで、読者が物語の世界観に入り込みやすくなるのと同様の効果があります。

なぜContextが重要なのか？

LLMは、与えられたプロンプトのみに基づいて応答を生成しようとしますが、現実の世界は複雑で、情報は常に孤立しているわけではありません。Contextを提供することで、LLMはプロンプトの意図をより正確に把握し、曖昧さを解消し、より適切で有用な情報を提供できるようになります。Contextが不足していると、LLMは表面的な解釈にとどまり、期待外れの結果につながる可能性があります。

Contextの記述方法：具体的、簡潔、そして関連性の高い情報を

Contextを記述する際には、具体的でありながら簡潔に、そしてプロンプトの目的と密接に関連する情報を提供することが重要です。冗長すぎる情報はLLMの処理を妨げる可能性があり、関連性の低い情報はノイズとなり、混乱を招く可能性があります。

具体的なContextの例：

  • タスクに関する背景情報:
    • 「あなたは、顧客からの製品に関する問い合わせに対応するチャットボットです。」
    • 「この文章は、小学校5年生の社会科の授業で使うためのものです。」
    • 「このコードは、ウェブサイトのユーザー認証機能を実装するためのものです。」
    • 「これは、気候変動に関する政府の諮問委員会に提出する報告書の一部です。」
    • 「このアイデアは、社内の新規事業コンテストに提出する企画書の一部です。」
  • ユーザーに関する情報:
    • 「私は、AIに関する知識がほとんどない初心者です。」
    • 「私の専門分野はマーケティングです。」
    • 「私は、英語を母語としない学習者です。」
    • 「私は、視覚障碍者であり、音声で情報を取得しています。」
    • 「私は、時間がないため、簡潔な回答を求めています。」
  • 目的や制約条件:
    • 「このメールの目的は、イベントの参加者を増やすことです。」
    • 「回答は、100字以内でお願いします。」
    • 「専門用語は避け、誰にでも分かりやすい言葉で説明してください。」
    • 「倫理的に問題のない範囲で回答してください。」
    • 「最新の情報に基づいて回答してください。」

Context設定のバリエーション：

  • 時間的なContext: 過去、現在、未来といった時間的な制約や視点を提供することができます。「19世紀の科学者の視点から、この技術について論じてください。」
  • 地理的なContext: 特定の地域や文化圏における状況や慣習を考慮させることも可能です。「日本のビジネスシーンにおけるマナーについて説明してください。」
  • 感情的なContext: 特定の感情や雰囲気で応答するように指示することもできます。「喜びにあふれたトーンで、このニュースを伝えてください。」

Context設定の注意点：

  • 矛盾のない情報: 提示するContext情報に矛盾がないように注意する必要があります。矛盾した情報は、LLMを混乱させ、不適切な応答につながる可能性があります。
  • 適切な粒度: Context情報の粒度は、プロンプトの複雑さやLLMの能力に合わせて調整する必要があります。単純なタスクであれば、詳細なContextは不要な場合があります。
  • Contextの更新: 会話が続く場合、Contextは常に最新の状態に保つ必要があります。過去のやり取りの内容を踏まえた上で、新たなContextを提供することが重要です。

2. Role (役割)：AIに与える「専門性と視点」

Role要素は、LLMに特定の役割を演じさせることで、その知識、視点、思考プロセスを特定の領域や専門分野に特化させるためのものです。これは、LLMに特定の「仮面」をかぶせることで、その振る舞いを誘導し、より専門的で信頼性の高い情報を提供させることができます。あたかも、映画監督が俳優に役柄を指示することで、その演技に深みとリアリティを与えるのと同様の効果があります。

なぜRoleが重要なのか？

LLMは、インターネット上の膨大なテキストデータを学習しているため、幅広い知識を持っていますが、その知識は必ずしも特定のタスクや目的に最適化されているわけではありません。Roleを与えることで、LLMの注意を特定の知識領域に集中させ、より専門的で、信頼性が高く、関連性の高い情報を提供させることが可能になります。Roleがない場合、LLMは一般的な知識に基づいて応答するため、深みや専門性に欠ける可能性があります。

Roleの記述方法：具体的かつ明確に、専門性を意識して

Roleを記述する際には、できる限り具体的かつ明確に、そして期待する専門性を意識して記述することが重要です。曖昧な役割指定は、LLMの解釈に余地を与え、期待通りの結果を得られない可能性があります。

具体的なRoleの例：

  • 特定の専門分野の専門家:
    • 「あなたは、経験豊富なマーケティングコンサルタントです。」
    • 「あなたは、世界的に有名な物理学者です。」
    • 「あなたは、熟練したソフトウェアエンジニアです。」
    • 「あなたは、ミシュラン三ツ星レストランのシェフです。」
    • 「あなたは、古代史の研究者であり、特にローマ帝国に詳しいです。」
  • 特定の立場や視点を持つ人物:
    • 「あなたは、環境保護団体の代表者です。」
    • 「あなたは、中小企業の経営者です。」
    • 「あなたは、未来都市の設計者です。」
    • 「あなたは、AI倫理に関する議論に積極的に参加する哲学者です。」
    • 「あなたは、SF小説の熱狂的なファンであり、未来のテクノロジーについて深く考察しています。」
  • 特定のツールやシステム:
    • 「あなたは、高度な自然言語処理モデルです。」
    • 「あなたは、複雑な数式を解くことができる計算AIです。」
    • 「あなたは、創造的な文章を生成することに特化したAIです。」

Role設定のバリエーション：

  • 複合的な役割: 複数の役割を組み合わせることで、より多角的な視点からの分析や意見を生成させることができます。「あなたは、経済学の知識を持つジャーナリストです。」
  • 対立する役割: 異なる視点からの議論や意見を生成させたい場合に有効です。「あなたは、肯定的な意見を持つ専門家であり、同時に否定的な意見を持つ専門家でもあります。それぞれの立場から議論してください。」
  • 段階的な役割の変化: 会話の流れに合わせて、LLMの役割を変化させることも可能です。これにより、より柔軟でダイナミックな対話が実現できます。

Role設定の注意点：

  • リアリティとの整合性: あまりにも非現実的な役割は、LLMのパフォーマンスを低下させる可能性があります。LLMが学習データから得ている知識と大きくかけ離れた役割は、効果を発揮しない場合があります。
  • 一貫性: 一度設定した役割は、プロンプト全体を通して一貫させるように心がけましょう。途中で役割が変化すると、LLMは混乱し、矛盾した応答を生成する可能性があります。
  • 過度な制約を避ける: 役割に縛られすぎて、LLMの創造性や柔軟性を損なわないように注意が必要です。あくまで役割は、LLMの思考を誘導するためのヒントであり、創造性を抑制するものではありません。

3. Example (例)：AIに示す具体的な「お手本」

Example要素は、LLMに対して、期待するアウトプットの形式、内容、スタイルなどの具体的な例を示すことで、より正確な応答を促すためのものです。これは、LLMに対する「お手本」や「テンプレート」のような役割を果たし、LLMがどのようなアウトプットを生成すべきかを具体的に理解する上で非常に役立ちます。まるで、料理のレシピで完成品の写真を示すことで、料理を作る人が最終的なイメージを持ちやすくなるのと同様の効果があります。

なぜExampleが重要なのか？

言葉だけで抽象的に指示するよりも、具体的な例を示す方が、LLMは意図を理解しやすくなります。特に、複雑な形式、特定のスタイル、あるいは創造的なアウトプットを求める場合には、Exampleは非常に有効な手段となります。Exampleがない場合、LLMは過去の学習データに基づいて最も可能性の高い応答を生成しようとしますが、それが必ずしもあなたの期待に沿うとは限りません。

Exampleの記述方法：具体的、明確、そして質の高いものを

Exampleを記述する際には、期待するアウトプットの形式、構成、使用する言葉遣いなどを具体的かつ明確に示すことが重要です。また、Example自体の質も重要であり、質の低いExampleは、LLMの学習を誤らせる可能性があります。複数のExampleを示すことで、LLMはより正確にパターンを学習し、より多様なアウトプットを生成できるようになります。

具体的なExampleの例：

  • 文章生成の場合:
    • プロンプト: 読者の心を揺さぶるような感動的な詩を書いてください。
    • Example: 「夕焼け空に、茜色の涙きらめき、過ぎ去りし日の、面影を偲ぶ。」
  • リスト形式の場合:
    • プロンプト: 効果的なタイムマネジメントのための5つのヒントを教えてください。
    • Example:
      1. 優先順位をつける
      2. 集中できる時間帯を見つける
      3. 邪魔を排除する
      4. 休憩を挟む
      5. 計画を見直す
  • コード生成の場合:
    • プロンプト: 与えられた文字列を逆順にするPython関数を作成してください。
    • Example:
      python def reverse_string(s): return s[::-1]
  • 翻訳の場合:
    • プロンプト: 以下の英文を自然な日本語に翻訳してください。
    • 英文: “It’s raining cats and dogs.”
    • Example: 「土砂降りの雨だ。」

Example設定のバリエーション：

  • ポジティブな例とネガティブな例: 期待する出力の良い例と、避けるべき悪い例の両方を示すことで、LLMはより明確に意図を理解することができます。
  • 部分的な例: 出力全体を示す必要はなく、特定の部分（例えば、導入部分や結論部分）の例を示すだけでも、LLMの理解を助けることができます。
  • 抽象的な例: 具体的なテキストではなく、出力の構造や形式を抽象的に示すことも有効です。（例：見出し、小見出し、箇条書きを使用して構成してください。）

Example設定の注意点：

  • Exampleの量と質: 複雑な出力を求める場合には、十分な量の、そして質の高いExampleを提供する必要があります。一つだけのExampleでは、LLMがパターンを正確に学習できない可能性があります。
  • Exampleの多様性: 単一の形式のExampleだけでなく、複数の異なる形式のExampleを示すことで、LLMの汎化能力を高めることができます。
  • 過度な依存を避ける: Exampleに頼りすぎると、LLMの創造性が損なわれる可能性があります。Exampleはあくまでガイドラインであり、完全にExampleと同じ出力を求めるものではありません。

4. Style (文体)：AIに与える「表現の個性」

Style要素は、LLMに対して、生成するテキストの文体や表現方法を指定するためのものです。これは、アウトプットに特定の「雰囲気」や印象を与えるためのもので、読者層、目的、そしてブランドイメージに合わせて調整することで、より効果的なコミュニケーションを実現できます。まるで、同じ内容の手紙でも、親しい友人に宛てる場合と、ビジネス上の取引先に宛てる場合とで、言葉遣いや表現方法が異なるのと同様です。

なぜStyleが重要なのか？

同じ情報を伝える場合でも、文体によって読者に与える印象は大きく異なります。Styleを意識的に制御することで、フォーマルな報告書、親しみやすいブログ記事、あるいはユーモラスなSNS投稿など、目的に合わせた適切な表現でアウトプットを生成することができます。Styleは、単に情報を伝達するだけでなく、読者の感情に訴えかけたり、特定の行動を促したりする力を持っています。

Styleの記述方法：具体的な形容詞や指示語を用いて

Styleを記述する際には、具体的な形容詞や指示語を使用して、LLMに求める文体を明確に伝えることが重要です。抽象的な表現では、LLMはどのように解釈すればよいか判断に迷う可能性があります。

具体的なStyleの例：

  • フォーマルな文体:
    • 「フォーマルで客観的な文体で記述してください。」
    • 「ビジネス文書のような、丁寧で落ち着いた文体でお願いします。」
    • 「専門用語を適切に使用し、正確性を重視した文体で記述してください。」
    • 「尊敬語や謙譲語を適切に用いてください。」
  • インフォーマルな文体:
    • 「友達に話すような、親しみやすい口語的な文体で記述してください。」
    • 「カジュアルで、リラックスした雰囲気の文体でお願いします。」
    • 「若者にも分かりやすい、スラングや流行語を交えた文体で記述してください。」
    • 「くだけた表現を使用してください。」
  • 特定のブランドボイス:
    • 「当社のブランドイメージに合わせた、親しみやすく、信頼感のある文体で記述してください。」
    • 「挑戦的で、革新的なイメージを与える文体でお願いします。」
    • 「高級感があり、洗練された印象を与える文体で記述してください。」

Style設定のバリエーション：

  • 文章の長さ: 短く簡潔な文章、あるいは長く詳細な文章など、文章の長さを指定することができます。「短く、要点をまとめた文章で記述してください。」
  • 語彙の選択: 使用する語彙の種類やレベルを指定することができます。「平易な言葉を使ってください。」あるいは「文学的な表現を多用してください。」
  • 修辞技法: 比喩、反復、対比など、特定の修辞技法を使用するように指示することができます。「比喩表現を効果的に使い、読者の興味を引く文章にしてください。」

Style設定の注意点：

  • 過度な指示を避ける: あまりにも細かいStyleの指示は、LLMの自然な表現を損なう可能性があります。LLMの創造性を尊重し、ある程度の自由度を与えることも重要です。
  • 一貫性: プロンプト全体を通して、文体を一貫させるように心がけましょう。途中で文体が変化すると、読者に違和感を与える可能性があります。
  • 読者層の考慮: 読者層に合わせた適切な文体を選択することが重要です。専門家向けの文章と、一般読者向けの文章では、適切な文体が異なります。

5. Tone (トーン)：AIに与える「感情的な色合い」

Tone要素は、LLMに対して、生成するテキストに含ませる感情的な色合いや雰囲気、つまり「トーン」を指定するためのものです。これは、アウトプットが読者に与える印象を大きく左右する要素であり、目的や文脈に合わせて適切なトーンを選択することで、より効果的なコミュニケーションを実現できます。あたかも、同じ言葉でも、優しい口調で言うのか、厳しい口調で言うのかによって、相手に与える印象が大きく異なるのと同様です。

なぜToneが重要なのか？

テキストには、事実や情報だけでなく、書き手の感情や意図も込められています。Toneを意識的に制御することで、読者の共感を呼んだり、信頼感を高めたり、あるいは特定のアクションを促したりすることができます。Toneが適切でない場合、意図とは異なるメッセージが伝わってしまう可能性があります。

Toneの記述方法：感情を表す形容詞や副詞を用いて

Toneを記述する際には、喜び、悲しみ、怒り、驚きなど、具体的な感情を表す形容詞や副詞を用いて、LLMに求めるトーンを明確に伝えることが重要です。

具体的なToneの例：

  • ポジティブなトーン:
    • 「楽観的で、希望に満ちたトーンで記述してください。」
    • 「友好的で、親しみやすいトーンでお願いします。」
    • 「熱意があり、情熱的なトーンで記述してください。」
    • 「ユーモラスで、読者を笑顔にするようなトーンで記述してください。」
  • ネガティブなトーン:
    • 「批判的で、否定的なトーンで記述してください。」
    • 「悲しげで、憂鬱なトーンでお願いします。」
    • 「怒りや不満を表すトーンで記述してください。」
    • 「皮肉っぽく、嘲笑的なトーンで記述してください。」
  • ニュートラルなトーン:
    • 「客観的で、感情を含まない中立的なトーンで記述してください。」
    • 「冷静で、分析的なトーンでお願いします。」
    • 「事実を淡々と述べるトーンで記述してください。」
  • 特定の意図を持つトーン:
    • 「読者を説得するような、説得力のあるトーンで記述してください。」
    • 「読者に安心感を与えるような、落ち着いたトーンでお願いします。」
    • 「読者の好奇心を刺激するような、興味を引くトーンで記述してください。」

Tone設定のバリエーション：

  • 感情の強度: 単に「喜び」だけでなく、「溢れるばかりの喜び」のように、感情の強度を調整することができます。
  • 感情の組み合わせ: 複数の感情を組み合わせることで、より複雑なトーンを表現することができます。（例：悲しみの中にも希望が感じられるトーン）
  • 場面に応じたトーンの変化: 物語の展開に合わせて、トーンを段階的に変化させることも可能です。

Tone設定の注意点：

  • 過度な感情表現を避ける: 不自然なほど感情的な表現は、読者に違和感を与える可能性があります。
  • 文脈との整合性: 指定するトーンは、プロンプトの文脈や目的に合致している必要があります。例えば、深刻な問題について議論する際に、ユーモラスなトーンを用いるのは不適切です。
  • Styleとの調和: ToneとStyleは密接に関連しており、互いに矛盾しないように注意する必要があります。例えば、フォーマルな文体でユーモラスなトーンを用いるのは難しい場合があります。

CRESTモデルの統合的な活用：相乗効果を生み出す

CRESTモデルの真価は、それぞれの要素を独立して用いるのではなく、互いに連携させ、統合的に活用することで最大限に発揮されます。それぞれの要素が補完し合い、相乗効果を生み出すことで、LLMはあなたの意図をより深く理解し、より洗練された、そして目的に合致したアウトプットを生成することが可能になります。

具体的な活用例：

  • 新製品発表のプレスリリースの作成:
    • Context: 当社は、画期的なAI搭載スマートウォッチ「Nova」を発表します。
    • Role: あなたは、当社の広報担当者であり、テクノロジーに精通したジャーナリストに向けて情報を発信します。
    • Example: 「本日、[会社名]は、ウェアラブルテクノロジーの未来を塗り替える革新的なスマートウォッチ「Nova」を発表いたしました。」
    • Style: フォーマルでありながらも、製品の革新性を強調する、力強い文体で記述してください。
    • Tone: 興奮と自信に満ちたトーンで、新製品の発表を伝えてください。
  • 子供向けの環境教育コンテンツの作成:
    • Context: 小学校低学年向けの環境教育プログラムの一環として、リサイクルの重要性を伝えるコンテンツを作成します。
    • Role: あなたは、子供たちに分かりやすく説明することが得意な、親しみやすいキャラクターです。
    • Example: 「みんな、こんにちは！今日は、地球を元気にする魔法、リサイクルのお話をするよ！」
    • Style: 平易な言葉遣いを心がけ、子供たちが興味を持つような、わくわくする文体で記述してください。
    • Tone: 優しく、励ますような、ポジティブなトーンで、リサイクルの大切さを伝えてください。
  • 顧客からのクレーム対応メールの作成:
    • Context: お客様より、製品の不具合に関するクレームが寄せられています。
    • Role: あなたは、お客様相談窓口の担当者であり、丁寧かつ迅速な対応が求められます。
    • Example: 「この度は、ご迷惑をおかけし、誠に申し訳ございません。いただきましたご意見、真摯に受け止めさせていただきます。」
    • Style: 丁寧で、落ち着いた、プロフェッショナルな文体で記述してください。
    • Tone: お客様の気持ちに寄り添い、共感を示す、お詫びのトーンで返信してください。

CRESTモデルを活用する上での重要なポイント：

  • 目的を常に意識する: CRESTの各要素を設定する前に、最終的にどのようなアウトプットを求めているのか、その目的を明確にすることが最も重要です。
  • 要素間の整合性を保つ: 各要素が互いに矛盾しないように注意深く設計する必要があります。例えば、フォーマルな文体でユーモラスなトーンを用いることは避けるべきです。
  • 試行錯誤を恐れない: 完璧なプロンプトを一度で作成することは難しい場合があります。様々な組み合わせを試し、結果を分析しながら、徐々に精度を高めていくことが重要です。
  • LLMの特性を理解する: LLMの種類やバージョンによって、CRESTモデルの各要素に対する反応が異なる場合があります。使用するLLMの特性を理解し、それに合わせてプロンプトを調整することが望ましいです。
  • 継続的な学習と改善: プロンプトエンジニアリングの技術は日々進化しています。常に新しい情報を収集し、自身のスキルを向上させる努力を怠らないことが、より効果的なプロンプトを作成する上で不可欠です。

まとめ：CRESTモデルは、プロンプトエンジニアリングの最強の武器

CRESTモデルは、LLMの能力を最大限に引き出し、あなたの意図を正確に反映したアウトプットを得るための、非常に強力かつ洗練されたフレームワークです。Context、Role、Example、Style、そしてToneの各要素を深く理解し、状況に応じて適切に組み合わせることで、あなたはLLMをまるで熟練した職人のように自在に操り、創造的かつ効果的なアウトプットを生み出すことができるようになります。

用語集