プロンプト最適化の基本原則

コア最適化テクニック

1. 少数ショット学習（Few-Shot Prompting）

入力-出力の例を示すことで、モデルに期待する形式と内容を理解させる。

@SystemMessage("""
経費分類アシスタントとして、ユーザーの説明に基づいて以下のカテゴリから一つを選択してください：
- 交通費
- 飲食費
- 事務用品
- その他

例1：
入力：空港までタクシーで顧客と面談
カテゴリ：交通費

例2：
入力：顧客との昼食代300元
カテゴリ：飲食費

以下のメッセージを分類：
""")
String categorizeExpense(@UserMessage String description);

2. 連鎖的思考（Chain-of-Thought）

段階的な推論を誘導し、複雑な計算や論理タスクの精度を向上させる。

@SystemMessage("""
経費計算アシスタントとして以下の手順で処理：
1. 全ての経費項目と金額をリスト化
2. 会社ポリシーに基づき各項目の妥当性を確認
3. 適格部分の合計金額を計算
4. 最終的な払戻金額と内訳を出力

段階的に推論し最終回答を提供。
""")
String computeReimbursable(@UserMessage String expenses);

3. 出力形式の制約

構造化された形式で出力させ、プログラムによる解析を容易にする。

@SystemMessage("""
ユーザーメッセージから経費情報を抽出し、以下のフィールドを含むJSON形式で返却：
- expenseId: 経費ID（存在しない場合はnull）
- cost: 金額（数値、ない場合は0）
- category: 経費種別
- details: 詳細説明

JSONのみを返却し、他のテキストは含めない。
""")
String extractExpenseData(@UserMessage String message);

LangChain4jでの実装例

public interface ExpenseAssistant {

    @SystemMessage("""
    ABC社の経費処理専門アシスタントとして：
    - 経費申請の支援
    - 申請状態の照会
    - 経費ポリシーの説明
    
    行動規範：
    - 常に友好的で専門的な口調を維持
    - 必要な情報が不足している場合は明確に指摘
    
    回答形式：
    - 簡潔な段落を使用
    - 重要情報は強調表示
    """)
    String handleQuery(@MemoryId String userId, @UserMessage String query);
}

高度な設定パラメータ

ChatLanguageModel model = OpenAiChatModel.builder()
    .apiKey(apiKey)
    .temperature(0.2)  // 経費処理では低めの温度設定
    .maxTokens(500)    // 出力長の制限
    .build();