変更要約: Generative AI Leader 第3章を新規作成（ドメイン3「出力を改善する手法」: プロンプトエンジニアリング＝良いプロンプト/ゼロショット・フューショット/役割/段階的思考/温度、グラウンディング・RAG・ファインチューニング＝RAG/埋め込み・ベクトル検索/ファインチューニング/関数呼び出し・ツール/評価）。
3.1プロンプトエンジニアリング
明確な指示・文脈・期待する出力形式を与えるプロンプトの基本、例を示さない/示すゼロショットとフューショット、役割（ペルソナ）の指定、段階的に考えさせる手法、そして出力のランダム性を調整する温度（temperature）など、生成 AI の出力品質を高めるプロンプトの工夫を理解します。
生成 AI の出力品質は、プロンプト（指示）の良し悪しで大きく変わります。プロンプトエンジニアリング とは、望む結果を引き出すためにプロンプトを工夫することです。モデルを変えなくても、プロンプトの改善だけで精度・有用性を大きく高められます。
3.1.1良いプロンプトの基本
良いプロンプトは、
①明確で具体的な指示、
②必要な文脈（コンテキスト）、
③期待する出力形式（箇条書き・表・字数など）を含みます。さらに、モデルに 役割（ペルソナ） を与える（例：「あなたは経験豊富な法務担当です」）と、目的に沿った回答が得やすくなります。複雑な問題では「順を追って考えて」と段階的な思考を促すと精度が上がることがあります。
3.1.2ゼロショットとフューショット
| 手法 | 内容 | 使う場面 |
|---|---|---|
| ゼロショット | 例を示さず指示だけ与える | 単純で一般的なタスク |
| フューショット | 入出力の例をいくつか示す | 形式や型を守らせたいタスク |
例を示さず指示だけ与えるのが ゼロショット、いくつか入出力の例を示して期待する形式やパターンを学ばせるのが フューショット です。出力の形式やスタイルを揃えたいときはフューショットが有効です。また、出力のランダム性（多様性）は 温度（temperature） で調整でき、低いと堅実で一貫した出力、高いと多様で創造的な出力になります（事実重視なら低め、ブレインストーミングなら高めなど）。
「工夫 → 用語」が頻出。例：「例を示さず指示だけ」＝ゼロショット、「例をいくつか示す」＝フューショット、「役割を与える」＝ペルソナ、「順を追って考えさせる」＝段階的思考、「出力のランダム性を調整」＝温度（低=堅実/高=創造的）。プロンプト改善で品質を上げる＝プロンプトエンジニアリング。
混同に注意：
①ゼロショット（例なし）とフューショット（例あり）。
②温度は高いほど多様/創造的、低いほど一貫/堅実（事実重視は低め）。
③プロンプト改善はモデルを変えずに品質を上げる最も手軽な手段。
3.1.3この節のまとめ
- 良いプロンプト＝明確な指示＋文脈＋出力形式。役割（ペルソナ）や段階的思考も有効
- ゼロショット（例なし）/フューショット（例あり）。形式を揃えたいならフューショット
- 温度（temperature）＝出力のランダム性。低=堅実、高=創造的
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 望む結果を引き出すためにプロンプトを工夫し、モデルを変えずに出力品質を高めることを何と呼びますか？
Q2. 入出力の例をいくつか示して、期待する形式やパターンに沿わせるプロンプト手法はどれですか？
Q3. 例を一切示さず、指示だけを与えるプロンプト手法はどれですか？
Q4. 出力のランダム性（多様性）を調整し、低くすると一貫・堅実、高くすると多様・創造的になるパラメータはどれですか？
Q5. 良いプロンプトに含めるべき要素として最も適切な組み合わせはどれですか？
Q6. 事実の正確さを重視する業務タスクで、温度（temperature）の設定として適切なのはどれですか？