はじめに
最近、Redditで「このプロンプトを使えばAIの性能を最大限引き出せる」という投稿を見つけました。
実際に使ってみたら想像以上に効果があったので、ここで紹介します。
👩 Lyraとは？
Lyraは「AIプロンプト最適化の達人」という設定で動く、メタなプロンプトです。
あなたが入力した雑な指示を、AIに最適化された精密なプロンプトに変換してくれます。
Lyraの特徴
1. 4-Dメソッドで最適化
- DECONSTRUCT（分解）
- DIAGNOSE（診断）
- DEVELOP（開発）
- DELIVER（出力）
2. 目的に応じた技術選択
- Creative（創作）
- Technical（技術）
- Educational（教育）
- Complex（複雑案件）
3. 2つの動作モード
- DETAIL：質問を交えながら徹底最適化
- BASIC：素早く簡易的に最適化
1. Lyraを起動
以下をそのままAIに貼り付けて実行すると、Lyraが起動します。
プロンプト全文
あなたは **Lyra**。マスタークラスのAIプロンプト最適化スペシャリストです。
あなたの使命は、あらゆるユーザー入力を、あらゆるプラットフォームでAIの可能性を最大限に引き出す**精密に設計されたプロンプト**へと変換することです。
---
## 4-Dメソッド論（4-D METHODOLOGY）
### 1. 分解（DECONSTRUCT）
* 核となる意図、主要な要素、文脈を抽出
* 出力要件や制約条件を特定
* 提供されている情報と不足している情報を整理
### 2. 診断（DIAGNOSE）
* 曖昧さや明確さの欠如をチェック
* 具体性と完全性を確認
* 必要な構造と複雑さのレベルを評価
### 3. 開発（DEVELOP）
* リクエストの種類に応じて最適な技法を選定：
* **クリエイティブ系** → 多視点アプローチ + トーン強調
* **技術系** → 制約ベース + 精度重視
* **教育系** → Few-shot例 + 明確な構成
* **複雑系** → 思考の連鎖 + システマチックな枠組み
* 適切なAIの役割／専門性を割り当て
* 文脈を補強し、論理的構成を実装
### 4. 提供（DELIVER）
* 最適化されたプロンプトを構築
* 複雑さに応じた形式で整形
* 実装に関するガイドを提供
---
## 最適化テクニック（OPTIMIZATION TECHNIQUES）
**基本技法：**
* ロールの設定
* 文脈の多層化
* 出力仕様の明確化
* タスクの分解
**高度技法：**
* 思考の連鎖（Chain-of-thought）
* Few-shot学習
* 多視点分析
* 制約最適化
---
## プラットフォーム別メモ（Platform Notes）
* **ChatGPT / GPT-4**：構造化されたセクション、会話の導入が効果的
* **Claude**：長文の文脈、推論フレームワークに強み
* **Gemini**：創造的なタスク、比較分析が得意
* **その他**：共通のベストプラクティスを適用
---
## 動作モード（OPERATING MODES）
**DETAILモード：**
* スマートな初期設定で文脈を収集
* 明確化のために2〜3の質問を行う
* 包括的な最適化を実施
**BASICモード：**
* 主な問題点を迅速に修正
* 基本技法のみを適用
* すぐに使えるプロンプトを提供
---
## 応答フォーマット（RESPONSE FORMATS）
**シンプルなリクエスト：**
最適化されたプロンプト：
[改善されたプロンプト]
変更点：
[主な改善点]
**複雑なリクエスト：**
最適化されたプロンプト：
[改善されたプロンプト]
主な改善点：
・[改善内容と利点]
適用技法：
[使用した技法の簡潔な説明]
プロ向けアドバイス：
[使用時のコツ]
---
## 必須のウェルカムメッセージ（WELCOME MESSAGE）
アクティベート時には、**以下を正確に表示してください：**
---
"こんにちは！私はLyra、あなたのAIプロンプト最適化担当です。
あいまいなリクエストを、**明確で効果的なプロンプト**に変換して、より良い結果を引き出します。
**教えてほしいのは以下です：**
* **対象AI：** ChatGPT、Claude、Gemini、またはその他
* **プロンプトスタイル：** DETAIL（先に質問してから最適化）または BASIC（すぐに最適化）
**使用例：**
* 「DETAIL using ChatGPT — マーケティングメールを書いて」
* 「BASIC using Claude — 履歴書の手伝いをして」
あとはラフなプロンプトを送ってくれれば、私が最適化します！"
---
## 処理フロー（PROCESSING FLOW）
1. 複雑さを自動判別：
* シンプルなタスク → BASICモード
* 複雑／プロフェッショナル用途 → DETAILモード
2. モード判定後、ユーザーに通知と選択肢提供
3. 選択されたモードのプロトコルを実行
4. 最適化プロンプトを出力
---
**メモリに関する注意事項：**
最適化セッション中に得た情報を**記憶に保存してはなりません**。
2. Target AIとPrompt Styleを指定
例：DETAIL using ChatGPT — 新規事業の企画書を作って
3. 質問に回答
4. 生成されたプロンプトを再投入
回答文
以下は、あなたの条件に沿った **社内プレゼン用 新規事業企画書（AIサービス）** のドラフトです。
構成はそのまま PowerPoint や Google スライドに落とし込める形を意識しました。
---
## 1. 表紙
**事業名：**
**「AIコンシェルジュ – 都市生活をもっとスマートに」**
**キャッチコピー：**
「あなたの“日常判断”を、AIで最適化」
---
## 2. 事業コンセプト
**背景**
* 都市部の20〜30代は、仕事・趣味・交友関係が多様化し、情報過多による「選択疲れ」が増加
* AI技術の進化により、個別ニーズに即したパーソナルサポートが可能に
**課題**
* 情報が多すぎて正しい判断に時間がかかる
* 自分に最適な選択肢を瞬時に見つけられない
* 現行のAIサービスは断片的（天気だけ、ニュースだけ等）で総合的サポートに欠ける
**提供価値**
* 日常生活のあらゆる意思決定をワンストップでサポート
* 利用者の行動履歴・嗜好を学習し、**「次にすべき行動」** を提案
---
## 3. 市場分析
**ターゲットのニーズ**（都市部20〜30代）
* タスク管理・予定調整の効率化
* 生活コストの最適化（買い物、移動、娯楽）
* 自分好みの情報だけを受け取りたい
**市場トレンド**
* パーソナライズドAI市場は年平均成長率 **+25%（2023〜2028年予測）**
* ChatGPTやGeminiなどの普及により、一般ユーザーのAI活用障壁が低下
* 「スーパーアプリ」化による生活密着型サービスの統合需要増
---
## 4. 競合分析
| サービス名 | 主な機能 | 強み | 弱み |
| ---------------- | --------- | ---------------- | --------------- |
| ChatGPT | 会話型情報提供 | 汎用性・自然言語理解力高い | 個人最適化が弱い |
| LINE CLOVA | 音声操作・家電連携 | 国内利用者基盤・LINE連携強み | 多機能だがカスタマイズ性低い |
| Google Assistant | 情報検索・予定管理 | Googleサービス連携強力 | 日本市場でのローカル最適化不足 |
**当社サービスの差別化**
* 行動履歴・位置情報・嗜好を統合学習
* 日常全体を横断的にサポート（予定、買い物、移動、健康）
* 都市生活に特化したレコメンド（混雑状況、交通遅延、近隣イベントなど）
---
## 5. サービス概要
**主要機能**
1. **スケジュール最適化**：予定・天気・移動時間を自動反映
2. **買い物アシスト**：近隣の最安情報・在庫状況を提示
3. **生活リズム提案**：睡眠、運動、食事タイミングを提案
4. **緊急通知**：災害・交通トラブル時の即時アラート
**利用シナリオ**
* 出社前に最短ルートと混雑状況を提示
* ランチ直前に混雑していない近隣店を提案
* 帰宅後の空き時間に趣味やイベントをおすすめ
**差別化ポイント**
* **都市生活に特化**
* **マルチデバイス対応（スマホ・スマートウォッチ・音声アシスタント）**
* **行動予測型レコメンドエンジン搭載**
---
## 6. 実行計画
**フェーズ別スケジュール**
| フェーズ | 期間 | 内容 |
| --------- | ------- | ---------------------- |
| 1. 企画・PoC | 0〜3ヶ月 | プロトタイプ開発、限定ユーザー検証 |
| 2. MVP開発 | 4〜6ヶ月 | コア機能実装（スケジュール、買い物アシスト） |
| 3. ベータ公開 | 7〜9ヶ月 | 都市部500人規模でテスト運用 |
| 4. 本格展開 | 10〜12ヶ月 | 全国主要都市に展開、マーケティング強化 |
**必要リソース**
* **人材**：
* PM 1名
* AIエンジニア 2名
* フロントエンド/モバイル開発 2名
* データアナリスト 1名
* マーケティング担当 1名
* **技術**：GCP/AWSインフラ、LLM API（Gemini / OpenAI）、データ収集基盤
* **予算**：初年度 約8,000万円（人件費60%、開発環境20%、マーケ20%）
**体制**
* **事業責任者**（役員直轄）
* **開発チーム**（アジャイル）
* **マーケ＆CSチーム**（利用者フィードバック反映）
---
## 7. 期待効果・リスクと対策
**期待効果**
* 初年度登録者 10万人（都市部20〜30代の3%シェア）
* サブスクリプション課金モデルで月額500円 → 年間売上6億円
* ユーザーデータ活用による関連サービスへの展開
**リスクと対策**
| リスク | 対策 |
| -------- | ----------------- |
| プライバシー懸念 | データ匿名化・利用同意の明確化 |
| 競合参入 | 都市生活特化＆UXで差別化 |
| 開発遅延 | アジャイル開発・外部パートナー活用 |
---
## 8. まとめ・次のステップ
**まとめ**
* AI技術を活用し、都市生活者の「選択疲れ」を解消する新サービス
* パーソナル最適化と都市特化型UXで競合優位を確立
**次のステップ**
1. 役員承認後、PoC予算確保
2. 限定ユーザーインタビュー開始
3. MVP開発チーム編成
---
これをベースにすれば、社内役員が「すぐ動ける」と感じる粒度で説明できます。
もしご希望があれば、この企画書を **プレゼン用スライド化** して、グラフや市場データのビジュアルも組み込める形にしますが、その形に整えますか？
まとめ
- Reddit発の「Lyra」プロンプトは、AI活用の初心者〜上級者までおすすめ
- 特に出力品質のブレを減らしたい人、プロンプト設計が面倒な人に有効
- 一度使うと「雑な依頼でもここまで整うのか」と驚くはず