この記事は、AIコーディングツール（Claude Code・GitHub Copilot・Gemini CLI等）を日常的に使うエンジニア向けに、どのツールでも共通して使えるプロンプト設計の実践テクニックをまとめたものです。

AIツールは「どう使うか」で結果が変わる

2026年現在、AIコーディングツールは「使うかどうか」ではなく**「どう使うか」**で差がつく段階に入っています。

同じツールを使っても、期待通りの結果を得られる人とそうでない人がいます。その差は、ツールの仕組みを理解し、正しい指示の出し方を身につけているかどうかにあります。

この記事では、すぐに実践できるテクニックを3つのレイヤーに分けて解説します。

レイヤー1：プロンプト設計 — AIに伝わる指示の「型」
レイヤー2：プロンプト深掘り — 精度を高める4つの応用テクニック
レイヤー3：ワークフロー設計 — 計画→実装→検証を業務に組み込む

レイヤー1：プロンプト設計 — 5段階プロンプト公式

AIから正確なアウトプットを得るための最も基本的なスキルです。

5段階の構造

効果的なプロンプトは以下の順序で構成します。

1. 役割（Role）     → 「あなたはシニアTypeScriptエンジニアです」
2. 文脈（Context）   → 背景情報、技術スタック、現在の状況
3. 指示（Instruction）→ 具体的にやってほしいこと
4. 形式（Format）    → 出力形式の指定（コード、表、箇条書き等）
5. 制約（Constraints）→ やってはいけないこと、制限事項

悪い例 vs 良い例

悪い例：

認証機能を作って

良い例：

あなたはシニアTypeScriptエンジニアです。

【文脈】
- Next.js 14 App Router + Prisma + PostgreSQL構成
- 既存のユーザーテーブルにemailとpasswordHashカラムあり

【指示】
JWT認証のログインAPIを作成してください。
- POST /api/auth/login エンドポイント
- bcryptでパスワード検証
- アクセストークン（15分）とリフレッシュトークン（7日）を発行

【制約】
- パスワードをログに出力しない
- エラーメッセージでメールアドレスの存在有無を漏らさない

具体性が上がるほど、AIの出力精度は劇的に向上します。

レイヤー2：プロンプト深掘り — 精度を高める4つの応用テクニック

5段階公式を土台として、さらに精度を上げる4つのテクニックです。これらはClaude Code・GitHub Copilot・Gemini CLI、どのツールでも共通して効果があります。

テクニック1：Few-shot — 例を見せれば精度が跳ねる

百の説明より、例を1つ見せるほうが正確な結果が出ます。

例なし：

コミットメッセージを書いてください
→ 形式がバラバラ、毎回指摘が必要

例あり（Few-shot）：

以下の形式でコミットメッセージを書いてください。

例：
feat(auth): add JWT refresh token
fix(api): handle null response in /users
→ 一貫した形式で出力

AIは提示された例のパターンを再現しようとします。コード規約、命名ルール、ドキュメント形式、テストパターンなど、一定のフォーマットが必要な場面で特に有効です。

テクニック2：Chain of Thought — 段階的に考えさせる

「ステップごとに考えてから結論を出してください」を追加するだけで、複雑な推論の精度が上がります。

一発で答えを要求：

このコードのバグを直してください
→ 表面的な修正のみ、根本原因を見逃す

段階的思考を指示：

以下の手順で分析してください：
1) コード全体の処理フローを把握
2) バグの候補をすべてリスト化
3) 各候補の深刻度を判定
4) 修正案を提示
→ 根本原因を特定、網羅的な修正

単純な作業（typo修正、変数名の変更等）には不要です。コードレビュー、デバッグ、設計判断、複雑な分析など、推論が必要な作業で効果を発揮します。

テクニック3：作業分割 — 一度に全部頼まない

複雑なタスクを一度に全部依頼すると、すべてが中途半端になります。分割して順番に依頼すると、各ステップが高品質になります。

❌ 一括依頼：
「認証+DB設計+テスト+ドキュメント全部やって」
→ すべてが中途半端

✅ 段階的依頼：
1回目：設計（アーキテクチャと方針を決める）
2回目：実装（設計に基づいてコードを書く）
3回目：テスト（実装に対してテストを書く）
4回目：ドキュメント（完成したコードの文書化）
→ 各ステップが高品質

前のステップの出力が次のステップの入力になる「チェイニング」構造です。

テクニック4：コンテキスト管理 — AIの記憶を意識する

AIには一度に処理できるテキスト量（コンテキストウィンドウ）の上限があります。この制約を意識して管理することで、AIのパフォーマンスを維持できます。

重要な指示は最初と最後に配置する

AIは入力の中間部分を見落としやすい傾向があります（Lost in the Middle現象）。最も重要な指示はプロンプトの冒頭か末尾に配置します。

長くなったらセッションをリセットする

会話が長くなるほどAIのパフォーマンスが低下します。新しいタスクには新しいセッションを使います。

設定ファイルでプロジェクト規約を伝える

毎回プロンプトに規約を書く代わりに、プロジェクトルートに設定ファイルを置くことで自動的に規約が適用されます。これはどのAIコーディングツールでも共通の概念です。

ツール	設定ファイル
Claude Code	`CLAUDE.md`
GitHub Copilot	`.github/copilot-instructions.md`
Gemini CLI	`GEMINI.md`

レイヤー3：ワークフロー設計 — 計画→実装→検証

個別のテクニックを超えて、すべてのAIコーディング作業に共通する最適なワークフローです。

3フェーズ構造

Phase 1: 計画（Plan）
  → AIにコードベースを読ませ、実装計画を作らせる
  → 計画をレビューし、修正してから次へ
  → 「まだ実装しないでください」の一言が重要

Phase 2: 実装（Implement）
  → 計画に基づいて一つずつ実装させる
  → 各ステップの完了後にテストを実行

Phase 3: 検証（Verify）
  → AIが生成したコードを必ず人間がレビュー
  → テストを走らせ、エッジケースを確認

フィードバックループを与える

AIにテストコマンドやリンターを提示し、自分でミスを検出・修正できるようにします。

認証ミドルウェアをJWTベースにリファクタリングしてください。
変更後、既存のテストスイートを実行して、失敗したテストがあれば修正してください。

AI出力の検証チェックリスト

AIが生成したコードをマージする前に確認すべき項目：

ビジネスロジックの正確性 — AIは構文は正しくてもロジックを間違えることがある
セキュリティ — 入力バリデーション、認証・認可、機密情報の露出
エッジケース — 空配列、null、境界値、並行処理
パフォーマンス — 不要なループ、N+1クエリ、メモリリーク
依存関係 — 存在しないライブラリやバージョンの提案（ハルシネーション）

今日から実践できる7つの原則

#	原則	説明
1	5段階公式で指示する	役割→文脈→指示→形式→制約
2	例を見せる（Few-shot）	百の説明より、例を1つ添える
3	段階的に考えさせる	「ステップごとに考えて」を追加
4	一つずつ依頼する	複雑なタスクは分割して順番に
5	コンテキストを管理する	重要な指示は最初/最後に配置
6	出力を必ず検証する	AIはロジックを間違える。レビュー必須
7	計画→実装→検証を習慣化	コードを書く前に計画を立てさせる

まとめ

AIツールを「なんとなく使う」段階から「確実に欲しいものを得る」段階に移行するために必要なのは、高度な技術知識ではなく3つのレイヤーの意識的な実践です。

プロンプト設計 — 5段階公式で指示の精度を上げる
プロンプト深掘り — Few-shot、Chain of Thought、作業分割、コンテキスト管理
ワークフロー設計 — 計画→実装→検証の3フェーズを習慣化する

今日から試せること：次のプロンプトに「5段階公式」と「例」を1つ追加してみてください。

参考資料

Anthropic「Best practices for Claude Code」 — Claude Code公式ベストプラクティス。Plan Mode、セッション管理の解説（本記事「ワークフロー設計」セクション関連）
Anthropic「Prompting Best Practices」 — Claude最新モデル向けプロンプト設計の公式ガイド（本記事「プロンプト設計」セクション関連）
GitHub「Best practices for using GitHub Copilot」 — Copilot公式ベストプラクティス。コンテキスト管理、プロンプト設計の解説（本記事「コンテキスト管理」セクション関連）
GitHub「Prompt engineering for Copilot Chat」 — Copilot Chat用プロンプトエンジニアリング公式ガイド。タスク分割の解説（本記事「作業分割」セクション関連）
Prompt Engineering Guide「LLM Settings」 — Temperature、Top-p等のパラメータ解説と推奨設定（本記事の技術的背景知識）
Learn Prompting「Few-Shot Prompting」 — Few-shotプロンプティングの原理と実践例（本記事「Few-shot」セクション関連）
Prompt Engineering Guide「Chain-of-Thought Prompting」 — Chain of Thoughtの原理と研究背景（本記事「Chain of Thought」セクション関連）
Builder.io「50 Claude Code Tips and Best Practices」 — 実務者による50のClaude Code活用テクニック（本記事「ワークフロー設計」セクション関連）
marmelab「Claude Code Tips I Wish I'd Had From Day One」 — 実プロジェクトから学んだClaude Codeの実践知見（本記事「作業分割」セクション関連）