コンテキストエンジニアリング

📖 もうちょい詳しく

何が新しいの？

AIへの指示というと、これまでは「うまい聞き方をくふうすること」、つまりプロンプトの書き方が中心でした。コンテキストエンジニアリングは、そこから一歩ひろげて、聞き方だけでなく「AIに何の材料を渡すか」までふくめて整える考え方です。質問文だけでなく、参考資料・過去のやりとり・役割の指示などを、まとめて1つの入力として設計します。

どうやって動いてるの？

大規模言語モデル（たくさんの文章から学んだAI）は、その場で渡された文章だけを手がかりに答えを組み立てます。社内の最新ルールや、あなた個人の事情は、もともとは知りません。そこで、必要な資料を検索して取り出し、過去の会話の要点を短くまとめ、それらを質問とひとそろいにして渡します。この「渡すひとそろい」をコンテキスト（文脈）と呼び、それを上手に組み立てるのがこの工夫です。

何ができるの？

たとえば社内マニュアルを参照させれば、自社のルールにそった回答が返ってきます。長い打ち合わせのメモを要約して渡せば、続きの相談がスムーズになります。やることは「AIにとっての下調べ」を人間や仕組みが先にやっておくイメージで、回答のずれや的外れをぐっと減らせます。

🌱 身近なたとえ

会議に人を呼ぶときの「事前の手回し」で例えると分かりやすいです。優秀な人でも、議題も資料も知らされずにいきなり呼ばれたら、的を射た発言はむずかしいです。逆に、議題・関連資料・これまでの経緯をまとめた一枚を先に渡しておけば、最初から本題に入れます。コンテキストエンジニアリングは、この「呼ぶ前に渡す一枚」をていねいに作る作業にあたります。

✅ まず覚えるポイント

• 質問だけでなく「渡す材料ぜんぶ」を設計する考え方です
• AIはその場で渡された文章だけを手がかりに答えます
• 資料・過去のやりとり・役割指示などをひとそろいにまとめます
• プロンプトエンジニアリングを内側にふくむ、より広い工夫です
• 回答の的外れや事実ずれを減らす効果が期待できます

🧭 よくある勘違い

プロンプトエンジニアリングと同じこと？

近いですが、範囲がちがいます。プロンプトエンジニアリングは主に「指示文の書き方」をくふうします。コンテキストエンジニアリングは、それに加えて、参考資料の選び方や会話履歴のまとめ方など、渡す情報の中身ぜんたいを扱います。聞き方は、その一部だと考えると整理しやすいです。

情報をたくさん詰めこむほどよい？

そうとは限りません。AIが一度に読める文章量には上限（コンテキストウィンドウ）があり、関係ない情報まで入れると、肝心な部分が埋もれて答えがぶれることがあります。多く渡すより、必要なものを選んで渡すほうが、よい結果につながりやすいです。

🧩 関連して覚えると楽な言葉

• プロンプトエンジニアリング: AIへの指示文の書き方をくふうすること。コンテキスト設計の一部にあたります
• コンテキストウィンドウ: AIが一度に読める文章量の上限。何を渡すか選ぶ理由になります
• RAG: 外部の資料を検索して回答に取り込むしくみ。渡す材料を自動でそろえる代表例です
• システムプロンプト: AIに役割や前提を伝える最初の指示。文脈づくりの土台になります

🏁 ひとことでまとめ

うまく聞くだけでなく、AIに渡す材料をひとそろいに整えておく。それで答えの精度を底上げする設計の工夫です。