生成 AI

Claude プロンプトのコツ完全ガイド｜基本原則から業務活用まで徹底解説

更新日：2026年3月27日

Claude を使い始めた際、想定した回答が得られない、 ChatGPT と同じ書き方で機能しないと感じることがあります。

Claude の回答の質はプロンプトの書き方で変わります。

何度質問しても意図した回答が得られない
出力フォーマットが毎回異なり使いにくい
業務で意図通りに動かすための指示方法が不明である

こうした状況は、プロンプトの構造を整えることで改善できます。本記事では、 Anthropic の公式ドキュメントをベースに、 Claude から高精度な回答を引き出すためのプロンプトのコツを、基本の3原則、応用テクニック、システム統合の順で解説します。

Claude プロンプトで精度が変わる理由

Claude は指示の精度によって能力の引き出し方が変わります。

プロンプトの質が回答の質を決める

プロンプトとは、Claude に送る指示文や質問を指します。プロンプトが曖昧であれば回答も一般的な内容に留まります。

料理に例えると、どれほど腕の立つ料理人でも美味しいものを作ってと頼むより、イタリアンのパスタを塩分控えめで作ってと具体的に依頼する方が想定通りの料理が提供されます。

Claude に対する指示も同様です。曖昧な指示は Claude に解釈の推測を委ねることになり、意図と異なる回答が生成されます。背景、目的、出力形式を明示した指示は、 Claude の能力を正しい方向に引き出します。

設定変更や追加コストをかけず、書き方を変えるだけで回答精度を向上させることができます。

ChatGPT と Claude の書き方の違い

ChatGPT と Claude はどちらも自然言語の指示で回答を生成しますが、得意な操作や応答傾向に違いがあります。

ChatGPT は会話的なやり取りに優れ、短い指示でも意図を汲み取る傾向があります。一方、 Claude は長文のドキュメント処理能力が高く、論理的および構造的な指示に対して精度の高い回答を返します。

Anthropic の公式ドキュメントでは、 Claude をユーザーの業務の規範やワークフローについての文脈を持たない、優秀な新入社員と表現しています。背景情報を把握していない状態から開始するため、業務の文脈を丁寧に提供する必要があります。

ChatGPT で使用していたプロンプトが Claude で機能しないのはこの特性の違いに起因します。 Claude には文脈を明示的に伝え、構造化された指示を与えることで精度が安定します。

Anthropic 公式が推奨する基本の考え方

Claude の活用においては、プロンプト設計で精度を改善するアプローチが基本です。プロンプトは人間が読めて透明性が高く、変更とテストを素早く実施できます。モデルの再学習なしに精度を改善できる点が利点です。

次に、成功基準を事前に明確にすることが前提とされています。何をもって良い回答とするかを定義してプロンプトを試行し、基準に照らしてフィードバックを行うサイクルを繰り返すことで、安定した品質につながります。

テクニックの適用には優先順位があります。明確な指示や具体例の提示といった基本手法から試し、改善が見られない場合に XML タグや Chain of Thought へ進む順番が推奨されています。

まず押さえる基本の 3 原則

Claude のプロンプト作成で身につけるべき3つの原則があります。 Anthropic の公式動画で紹介されているフレームワークは、 Setting the stage 、 Defining the task 、 Specifying rules で構成されています。

Setting the stage 背景や役割および目的を伝える

Setting the stage とは、 Claude に対して誰が何の目的でどのような文脈で指示を出しているかを伝える作業です。

Claude は対話のたびに状態がリセットされ、ユーザーの職種、業種、担当業務、経緯を把握していません。背景情報を伝えることで、的外れな回答を防ぎます。

改善前のプロンプト

このコードをレビューしてください。

改善後のプロンプト

私は Web エンジニアで、 EC サイトの決済機能の開発を担当しています。
チームは3人で、コードレビューの担当をしています。
以下のコードについて、セキュリティとパフォーマンスの観点から改善点を指摘してください。

改善後のプロンプトでは、誰が、何の目的で、どの観点からという情報が揃っています。 Claude はこの情報をもとに、一般的なコードレビューではなく、EC サイトの決済機能に特化したレビューを返します。

背景情報として伝えると効果的な要素は以下のとおりです。

ユーザーの役割や職種
目的や用途
予算規模やターゲット層などの前提条件
使用言語や文字数などの制約

背景情報が多いほど、回答は状況に即した内容になります。複数回のやり取りを前提とした業務では、最初に背景をまとめて伝えることで以降の指示を短縮できます。

Defining the task タスクを具体的に指定する

Defining the task とは、 Claude に実行してほしい内容を具体的に指定する作業です。書いて、分析して、まとめてといった動詞だけでなく、何をどの形式でどの程度詳しく記述してほしいかを含めます。

改善前のプロンプト

プレゼン資料を作って。

改善後のプロンプト

新規サービスの投資家向けピッチデッキを作成してください。
スライドは 10 枚構成で、各スライドにタイトルと箇条書きの要点を記載してください。
構成は課題、解決策、市場規模、収益モデル、チーム紹介の順にしてください。

タスクを定義する際に含める要素は次のとおりです。

記事やプレゼン資料などの成果物の種類
文字数やスライド数などの分量
章立てや優先順位などの構成
専門家向けや経営層向けなどの対象読者
社内共有や顧客提案などの使用用途

Anthropic の公式ドキュメントでは、タスク定義において関連する詳細情報の提供が推奨されています。要約や分析といった情報処理を伴うタスクでは、処理対象の情報を先に配置してから指示を書く順序が適しています。

情報から指示へと続く順序は、人間が資料を読んでから問いに答える思考プロセスと同じです。 Claude に全体像を先に把握させてから判断および処理させることで、文脈の理解が深まります。

Specifying rules 出力形式や文体および文字数を指定する

Specifying rules とは、 Claude が生成する出力の形式、スタイル、制約を事前に指定する作業です。指定がない場合、 Claude は都度独自の判断で出力を変更します。複数回のやり取りで一貫性を保つには明示的なルールの指定が求められます。

指定するルールの例は以下のとおりです。

出力形式 箇条書き、Markdown テーブル、JSON、段落形式
文体ですます調、だ・である調、専門的、カジュアル
文字数と分量 300 字以内、500 ワード程度、A4 サイズ 1 枚相当
見出し構造 指定する見出しレベルの数と配置
禁止事項 特定の単語や数字の使用制限

プロンプト例

以下の内容を Markdown テーブル形式でまとめてください。
カラムは機能名、概要、対応プランの 3 列で構成し、
文体はですます調にしてください。

ルールが多すぎると処理が散漫になるため、制約を3つから5つ程度に絞ります。出力形式と文体の2点を指定するだけでも回答の一貫性が向上します。

出力例をプロンプト内に配置することも効果的です。指定した形式のサンプルを提示することで、 Claude はそのスタイルを正確に再現します。

回答精度を上げる応用テクニック

基本の3原則に加え、精度を高めるための応用テクニックがあります。 Anthropic の公式ドキュメントで紹介されている4つの手法を解説します。

XML タグでプロンプトを構造化する

XML タグとは、<instructions> と </instructions> のように山括弧で囲むマークアップ記法です。プロンプト内で情報を区別するために使用します。

プロンプトが長文になると、 Claude が指示と参考情報を誤って解釈するリスクが生じます。 XML タグで情報を区切ることで解析精度が向上し、指示の聞き逃しを防ぎます。

XML タグがないプロンプト例

ブログ記事を書いてください。タイトルは生成 AI 活用で、
本文はビジネス活用がテーマです。参考にしてほしい記事：〜〜〜〜長文〜〜〜〜
出力は見出し 3 つで構成してください。

この記述では、参考記事と出力形式の指示が混在しており、 Claude が情報の境界を判断しにくくなります。

XML タグを使用した推奨例

<instructions>
ブログ記事を作成してください。
テーマ：生成 AI のビジネス活用
構成：見出し 3 つ
文体：ですます調
</instructions>

<reference>
参考にしてほしい記事のスタイル：
〜〜〜〜長文〜〜〜〜
</reference>

<format>
- 各見出しのもとに本文 300 字程度
- 箇条書きは使わず段落形式で
</format>

よく使われるタグ名には <instructions>、<context>、<example>、<format>、<input> があります。複数の例を示す場合は、<examples> の中に <example> を入れ子にする記法を利用します。

<examples>
  <example>
    入力：…
    出力：…
  </example>
  <example>
    入力：…
    出力：…
  </example>
</examples>

Anthropic は XML タグの活用を Claude に対する効果的な手法として推奨しています。長文の指示や複数の要素が混在するプロンプトを作成する際に有効です。

具体例を提示するマルチショット

マルチショットとは、 Claude に期待する入出力の具体例を複数示してから本番のタスクを依頼する手法です。

例を提示することで、 Claude は形式、トーン、詳細度を文脈から把握します。出力の一貫性を高めるための有効な手段として扱われています。

例がないプロンプト

商品レビューをポジティブ、ネガティブ、中立に分類してください。
レビュー：値段の割には品質が良い。ただ配送が遅かった。

マルチショットを使用したプロンプト

商品レビューをポジティブ、ネガティブ、中立に分類してください。

<examples>
  <example>
    入力：この商品、本当に買ってよかった。毎日使ってます。
    出力：ポジティブ
  </example>
  <example>
    入力：期待外れでした。説明と違う商品が届いた。
    出力：ネガティブ
  </example>
  <example>
    入力：普通に使えます。特に良くも悪くもない。
    出力：中立
  </example>
</examples>

では、以下を分類してください。
入力：値段の割には品質が良い。ただ配送が遅かった。

効果的な例を作成するためのポイントは 3 つあります。

多様性 バリエーションのある例を含めることで偏った解釈を防ぎます。
関連性 本番タスクと直接関連する例を選択します。
明確性 入力と出力の対応が明確で曖昧さがない構成にします。

3つから5つ程度の例を用意し、出力形式が複雑な場合はさらに数を増やして対応します。

段階的に考えさせる Chain of Thought

Chain of Thought とは、 Claude に段階を踏んで推論させてから最終的な答えを出させる手法です。複雑な計算、論理的な分析、複数の条件を整合させるタスクで効果を発揮します。

Claude が直接回答を生成しようとすると、処理途中のステップを省略して誤答を出力する場合があります。段階的に考えるよう指示することで思考プロセスを明示させ、論理のズレを減らします。

段階指示がないプロンプト

ある製品の価格が 30 % 下がり、原価が 15 % 上がりました。
利益率への影響を計算してください。

Chain of Thought を使用したプロンプト

ある製品の価格が 30 % 下がり、原価が 15 % 上がりました。
利益率への影響を段階的に計算してください。

ステップ 1：元の利益率の仮定値を設定してください。
ステップ 2：価格変動後の売上高を計算してください。
ステップ 3：原価変動後のコストを計算してください。
ステップ 4：新しい利益率を算出して変化を比較してください。

思考プロセスを明示させたい場合は、XML タグと組み合わせる記法が適しています。

<thinking>
ここに思考プロセスを段階ごとに記述してください
</thinking>

<answer>
最終的な答えをここに記述してください
</answer>

Claude の拡張思考モードを利用する場面では、細かいステップを指定するよりも網羅的に考えるよう高レベルの指示を出す方が適しています。拡張思考モードでは Claude が自律的に最適なプロセスを選択するため、人間が細かく規定しすぎると処理が制限されることがあります。

Chain of Thought は、複数条件を満たす選択肢の評価、数値計算、規約の解釈、多段階の戦略立案などに適しています。

ロールプロンプティングで役割を指定する

ロールプロンプティングとは、 Claude に特定の役割を与える手法です。役割を指定することで、 Claude は一般的なアシスタントから特定の専門領域を持つシステムとして動作します。

Anthropic のドキュメントでは、役割の付与によって特定の専門分野に特化した視点と語彙で回答を生成するとされています。

役割指定がないプロンプト

このデータを分析してください。

ロールプロンプティングを使用したプロンプト

あなたは Fortune 500 企業で 10 年の経験を持つシニアデータサイエンティストです。
顧客インサイトの分析を専門としており、経営層向けのレポート作成を多数経験しています。
以下のデータを分析し、経営陣への提言レポートを作成してください。

役割を変更することで、同じデータに対する着眼点が変化します。

マーケティング担当者 顧客獲得やブランド戦略に注目
セキュリティエンジニア 脆弱性やリスク管理に注目
法務担当者 契約リスクやコンプライアンス要件に注目
財務アナリスト 収益性や投資対効果に注目
プロジェクトマネージャー スケジュールやリソース配分に注目

経験年数、専門分野、実績などを具体的に記述するほど回答の専門性が高まります。単にプロの編集者と指定するより、出版社で15年間技術書の編集を担当してきた編集者と指定する方が実務に適した出力になります。

業務活用に役立つプロンプトのコツ

プロンプト技術を日常業務に応用する際には、テンプレートの作成、対話的改善、ハルシネーション対策の3点が指標となります。

用途別のプロンプトテンプレート活用法

用途ごとにプロンプトをテンプレート化することで作業が効率化されます。毎回ゼロからプロンプトを記述するのではなく、型を用意して必要な部分を書き換える運用を行います。

Anthropic の公式サイトにはプロンプトライブラリが公開されており、文章要約、コーディング、アイデア出しなど多様なユースケースのサンプルが掲載されています。

参照：Anthropic Prompt Library

以下に用途別のテンプレート例を示します。

文章要約テンプレート

あなたは優秀なリサーチャーです。

<document>
{{要約対象の文章をここに貼り付ける}}
</document>

<instructions>
上記の文章を読み、以下の条件で要約してください。
- 重要な結論を3点、箇条書きで
- 各項目150字以内
- 専門用語は使わず、平易な言葉で
- ターゲット：この分野に詳しくない人
</instructions>

SEO ライティングテンプレート

あなたはプロの SEO ライターです。

<instructions>
以下の条件でブログ記事を作成してください。
- キーワード：{{キーワード}}
- ターゲット読者：{{読者像}}
- 文字数：{{目標文字数}}
- 見出し構成：H2 が {{数}}個、各 H2 の下に H3 を {{数}}個
- 文体：ですます調
</instructions>

<structure>
{{見出し構成案をここに記載}}
</structure>

コードレビューテンプレート

あなたはシニアソフトウェアエンジニアです。
私は{{使用言語やフレームワーク}}を使って{{機能名}}を開発しています。

<code>
{{レビュー対象のコードをここに貼り付ける}}
</code>

<review_focus>
以下の観点からレビューしてください。
1. セキュリティ上の問題点
2. パフォーマンスの改善余地
3. 可読性と保守性
</review_focus>

回答の質が低かった際の修正内容を記録しておくことで、より精度の高いテンプレートを蓄積できます。

対話を重ねて回答の質を高める方法

初回で目的の回答が得られない場合でも、フィードバックを与えながら対話を重ねることで回答を調整できます。Claude は文脈を保持するため、過去の会話を参照した修正指示に対応します。

対話的改善の例
1 回目のプロンプト

新規顧客獲得のためのメールコピーを書いてください。

2 回目のフィードバック

ありがとうございます。もう少しフォーマルなトーンに修正してください。
また、2 段落目の具体例をもっと詳しく展開してください。

3 回目の詳細調整

2 段落目が良くなりました。ただ、締めの文章をご検討くださいから
ぜひ一度ご連絡くださいに変更し、返信を促す表現にしてください。

プロンプト改善のサイクルとして以下の手順を体系的に実行します。

基本の3原則に従って初回プロンプトを作成し試行する
期待する成果基準と比較して不足箇所を評価する
不足している要素を補う指示を追加して修正する
安定した品質が得られるまでサイクルを繰り返す

このサイクルを組織内でドキュメント化することで属人化を防ぎ、品質管理につながります。

ハルシネーションを減らすプロンプト設計

ハルシネーションとは、AI が事実に基づかない情報を生成する現象です。プロンプトの設計によって発生リスクを低減できます。

情報を与えた上で処理させる
事実関係の判断を一から行わせるのではなく、参照すべき正確な情報をプロンプトに含めた上で処理させます。

<reference>
{{社内規定やマニュアルなどの公式ドキュメントをここに貼り付ける}}
</reference>

<instructions>
上記の資料のみを根拠として、以下の質問に答えてください。
資料に記載のない内容については資料に記載がありませんと回答してください。
</instructions>

質問：{{質問内容}}

資料に記載のない内容は答えないという制約を明示することで、外部知識からの事実誤認の混入を抑制します。

不確実性を明示させる
回答の確実性を判断させる指示を加えることで、事実と推測を区別させます。

回答の中で確実に事実といえる情報と、不確かな情報がある場合は明示してください。
不確かな情報には、〜と考えられます、〜の可能性がありますといった表現を使ってください。

情報源の提示を求める
事実関係を示す情報には根拠の提示を求めます。

記載した事実、数値、仕様については、根拠となる情報源を括弧内に示してください。
根拠が不明な情報は推測として明記してください。

参照ドキュメントの構造を整える
RAG などを利用してシステムとして Claude を活用する場合、参照ドキュメントの構造を最適化します。表形式のデータをリスト形式や JSON 形式に変換したり、複雑な規定を平易な文章に整理し直すことで、 Claude がドキュメントの内容を正確に読み取りやすくなります。

組織やシステムでの活用を高度化する

個人利用から組織全体やシステムへの統合へと進む段階では、システムプロンプトの設計と API またはクラウドサービスとの連携が必要になります。

システムプロンプトで一貫した応答を実現する

システムプロンプトとは、Claude の API を使用する際に対話全体に影響を与える指示です。以降のすべてのやり取りに一貫して適用されます。

役割の固定 企業窓口としての立場を設定し、すべての質問に一貫した立場で回答させます。
応答スタイルの統一 文体、言語、回答の長さ、フォーマットを固定します。
制約の設定 社内情報は回答しないなどの業務ルールを組み込みます。
パーソナリティの付与 ブランドに合わせたキャラクターやトーンを設定します。

システムプロンプトの設計例

あなたは〇〇株式会社のサポートスペシャリストです。
顧客からの問い合わせに対して、以下のルールに従って回答してください。

【応答ルール】
- 言語：日本語のみ
- 文体：丁寧語で統一
- 回答の長さ：一般的な問い合わせは200字以内、複雑な質問は400字以内
- 不明な内容：担当部署に確認の上、折り返しご連絡いたしますと案内
- 禁止事項：他社製品への言及や保証外の内容の案内

【対応範囲】
製品 A と製品 B の使い方、トラブルシューティング、保証、返品に関する質問

システムプロンプトの利用によりアプリケーション側で都度指示を送る手順が省かれ、ユーザーが指示を意識することなく一貫した動作を保証します。曖昧なルールは解釈の余地を生むため、具体的な制約を明記します。

Amazon Bedrock 経由でのプロンプト活用

Claude を企業システムに統合する手法として、AWS のマネージドサービスである Amazon Bedrock の活用が挙げられます。 Amazon Bedrock では Claude などのモデルを API 経由で呼び出し、AWS のインフラ上で運用します。

Amazon Bedrock で Claude を活用する場合、プロンプトの基本的な設計は共通ですが、システムプロンプトの設定や API のパラメータ調整により詳細な制御が可能になります。

Amazon Bedrock での主な機能

セキュアな環境 企業データが Anthropic のサーバーに送信されず AWS 環境内で完結します。
プロンプトキャッシュ 頻繁に使用するシステムプロンプトや参照ドキュメントをキャッシュし処理コストを削減します。
Amazon Bedrock Guardrails トピックの制限や有害コンテンツの混入防止をシステムレベルで設定します。
Amazon Bedrock Knowledge Bases との連携 社内ドキュメントを登録し、Claude が情報を参照する RAG を構築します。

Amazon Bedrock API 経由での呼び出し例

import boto3
import json

client = boto3.client('bedrock-runtime', region_name='us-east-1')

response = client.invoke_model(
    modelId='anthropic.claude-sonnet-4-6-v1:0',
    body=json.dumps({
        "anthropic_version": "bedrock-2023-05-31",
        "system": "あなたは社内 FAQ システムです。...",
        "messages": [
            {
                "role": "user",
                "content": "有給休暇の申請方法を教えてください。"
            }
        ],
        "max_tokens": 1024
    })
)

※モデル ID は利用可能なバージョンに基づき適宜最新のものを指定します。ここでは例として Claude Sonnet 4.6を指定しています。

Amazon Bedrock を活用することで、部署ごとに最適化されたシステムプロンプトを管理し、一貫した品質で Claude を提供する環境を構築できます。

参照：Amazon Bedrock の料金

最後に

Claude の回答精度を向上させるにはプロンプトの設計手順が要となります。

基本の3原則を適用する 背景と役割の提示、タスクの具体的定義、出力形式の指定を徹底します。
応用テクニックを組み合わせる XML タグによる構造化、マルチショット、 Chain of Thought 、ロールプロンプティングをタスクに応じて適用します。
プロンプト改善をサイクルとして回す 試行、評価、フィードバック、修正のサイクルを継続することで組織全体の活用精度を向上させます。精度の低い回答を分析して改善ポイントを特定する取り組みが品質管理に直結します。

基本の3原則から開始し、業務に適したテンプレートを継続的に調整するアプローチが実用的な運用につながります。
クラウドを活用した生成 AI の導入に関するご相談は、 cloudpack までご連絡ください。

前の投稿一覧へ戻る次の投稿