2027年試験新シラバス対応・5-1

プロンプトエンジニアリングの一問一答

生成AIパスポート試験「生成AIの実践と活用事例」から、プロンプトエンジニアリングに関する4択問題を10問。「答えと解説を見る」を開くと、正解とその理由がその場で読めます。会員登録は不要です。

この分野の演習

全10問／解説つき・基本無料

アプリ形式で解く（全410問）生成AIの実践と活用事例の要点解説を読む

問題

上から順に解いてみてください。答えは各問の下で確認できます。本試験は四肢択一式（一部複数選択を含む）で出題されます。ここでは全て4択（正解は1つ）で出題しています。

問15-1

プロンプトの基本構成要素とその説明の組合せとして、最も適切なものを1つ選びなさい。

①Instruction：AIに行ってほしい作業の指示
②Context：AIに処理させたい入力のデータそのもの
③Input Data：出力の形式や種類を示す指定
④Output Indicator：作業の背景や前提の状況

答えと解説を見る

正解 ①Instruction：AIに行ってほしい作業の指示

解説
プロンプトは、一般に次の4つの要素で構成されると説明されます。
・Instruction（命令）：AIに行ってほしい作業の指示（例：「次の文章を要約してください」）
・Context（文脈）：作業の背景や前提となる情報（例：「社内の新人向けの資料です」）
・Input Data（入力データ）：処理の対象となるデータ（例：要約する文章そのもの）
・Output Indicator（出力指示子）：出力の形式や条件の指定（例：「箇条書きで3行に」）
すべての要素が毎回必要なわけではありませんが、意識して組み合わせると、期待に近い出力を得やすくなります。

他の選択肢が不適切な理由
・Context：作業の背景や前提となる状況のことです。処理させたい入力のデータそのものはInput Dataです。
・Input Data：AIに処理させたい入力のデータそのものです。出力の形式や種類を示すのはOutput Indicatorです。
・Output Indicator：出力の形式や種類を示す指定です。作業の背景や前提はContextです。

覚え方のポイント
4要素＝「何をして（命令）」「どんな状況で（文脈）」「これを（入力）」「こんな形で（出力指示）」。

問25-1

Zero-Shotプロンプティングの説明として、最も適切なものを1つ選びなさい。

①回答の例をいくつか示してから、同じ形式で作業をさせる方法
②回答の例を示さずに、指示だけを与えてAIに作業をさせる方法
③答えに至る途中の考えを、段階的に書き出させてから答えさせる方法
④同じ指示を何十回も繰り返し入力して、最も多い答えを選ぶ方法

答えと解説を見る

正解 ②回答の例を示さずに、指示だけを与えてAIに作業をさせる方法

解説
Zero-Shot（ゼロショット）プロンプティングは、回答の例（お手本）を示さずに、指示だけを与えてAIに作業をさせる方法です。たとえば「次のレビューが肯定的か否定的かを答えてください」とだけ指示します。
簡単な作業や、AIがすでに得意な作業では、Zero-Shotでも十分な結果が得られます。出力の形式や判断の基準をそろえたい場合は、例を示すFew-Shotプロンプティングが有効です。

他の選択肢が不適切な理由
・例をいくつか示してから作業させる：Few-Shotプロンプティングの説明です。
・途中の考えを段階的に書き出させる：Chain-of-Thought（思考の連鎖）プロンプティングの説明です。
・同じ指示を繰り返して多数決をとる：複数回の回答から最も多い答えを選ぶSelf-Consistency（自己一貫性）と呼ばれる工夫に近い説明で、Zero-Shotではありません。

覚え方のポイント
Zero-Shot＝お手本ゼロ、Few-Shot＝お手本を少し（数個）見せる。

問35-1

Few-Shotプロンプティングが特に効果を発揮する場面として、最も適切なものを1つ選びなさい。

①学習データに含まれていない最新の出来事について、正確な事実を答えさせたいとき
②モデルに新しい知識を覚え込ませて、次回以降の会話でも同じように答えさせたいとき
③問い合わせを社内独自の分類に分けるなど、出力の形式や判断の基準をそろえたいとき
④回答の例は示さずに、AIがもともと持っている知識だけで手早く答えさせたいとき

答えと解説を見る

正解 ③問い合わせを社内独自の分類に分けるなど、出力の形式や判断の基準をそろえたいとき

解説
Few-Shot（フューショット）プロンプティングは、いくつかの入力と出力の例（お手本）をプロンプトに含めてから、同じ形式で新しい入力を処理させる方法です。
問い合わせを社内独自の分類に分ける、決まった書式で情報を取り出す、といった作業では、例を示すことで、出力の形式や判断の基準をそろえやすくなります。このように、プロンプトの中で示した例から作業の仕方をくみ取る性質を、In-Context Learning（文脈内学習）といいます。モデルのパラメータは変わりません。

他の選択肢が不適切な理由
・次回以降も覚えさせたい：Few-Shotで示した例の影響は、基本的にその会話の中だけにとどまり、モデルのパラメータは変わりません。知識を覚え込ませるのはファインチューニングなどの方法です。
・最新の出来事を正確に答えさせたい：例を示しても、モデルが知らない事実は補えません。検索やRAGで最新の情報を参照させる方法が向いています。
・例を示さずに知識だけで答えさせる：Zero-Shotプロンプティングの説明です。

覚え方のポイント
Few-Shot＝「こういう感じで」とお手本を見せる。形式や基準をそろえたいときの定番です。

問45-1

In-Context Learning（文脈内学習）に関する記述として、適切でないものを1つ選びなさい。

①プロンプトで示した例の影響は、基本的にはその会話の中だけにとどまっている。
②プロンプトの中の例や説明から、作業の仕方をくみ取って応える性質のことである。
③Few-Shotプロンプティングは、この性質を利用して回答の例を示す方法である。
④文脈内学習では、プロンプトの例を読むたびにモデルのパラメータが書き換わる。

答えと解説を見る

正解 ④文脈内学習では、プロンプトの例を読むたびにモデルのパラメータが書き換わる。

解説
In-Context Learning（文脈内学習）は、LLMが、プロンプトの中に示された例や説明から作業の仕方をくみ取り、それに沿って応える性質です。回答の例をいくつか示すFew-Shotプロンプティングは、この性質を利用した方法です。
このとき、モデルのパラメータ（学習の結果）は変わりません。プロンプトで示した例の影響は、基本的にその会話（コンテキスト）の中だけにとどまります。したがって「例を読むたびにモデルのパラメータが書き換わる」という記述は適切ではありません。パラメータを変えて調整するのは、ファインチューニングです。

他の選択肢（適切な記述）について
・例や説明から作業の仕方をくみ取る：In-Context Learningの定義です。
・Few-Shotはこの性質を利用する：例を示して出力の形式や基準をそろえる方法です。
・例の影響はその会話の中だけ：パラメータを変えないためです。

覚え方のポイント
文脈内学習＝「その場で例から察する」。モデル自体は書き換わらない。

問55-1

Chain-of-Thought（思考の連鎖）プロンプティングを使うのに適した作業として、最も適切なものを1つ選びなさい。

①学習データに含まれていない最新の出来事について、正確な事実を答えさせる作業
②条件の多い計算や推論のように、途中の考えを順に追うと誤りを減らせる作業
③お手本と同じ書式や判断の基準で、問い合わせを社内の分類に振り分ける作業
④大量の社内文書の中から、質問に関係する部分を探し出して根拠として示す作業

答えと解説を見る

正解 ②条件の多い計算や推論のように、途中の考えを順に追うと誤りを減らせる作業

解説
Chain-of-Thought（思考の連鎖）プロンプティングは、「段階的に考えてください」と促したり、途中の考え方を含む例を示したりして、答えに至るまでの途中の考えを順に書き出させる方法です。
条件の多い計算や、複数の手順を踏む推論などでは、途中の考えを順に追わせることで誤りを減らせることが知られています。一方、途中の考えを書かせても、モデルが知らない事実が補われるわけではありません。また、出力が長くなる分、時間や費用が増えることもあります。

他の選択肢が不適切な理由
・最新の出来事を正確に答えさせる：途中の考えを書かせても、学習していない事実は補えません。検索やRAGで最新の情報を参照させる方法が向いています。
・お手本と同じ書式や基準で振り分ける：回答の例を示して形式や基準をそろえる、Few-Shotプロンプティングが向いている作業です。
・社内文書から関係する部分を探して根拠を示す：文書を検索して回答に使う、RAG（検索拡張生成）が向いている作業です。

覚え方のポイント
Chain-of-Thought＝「途中式を書かせる」。考える手順の多い問題ほど効果的で、知らない知識を増やす方法ではありません。

問65-1

プロンプトで、AIに役割を設定することに関する記述として、適切でないものを1つ選びなさい。

①役割を設定した場合でも、出力の内容が正しいかどうかは必ず人が確認する。
②「新人研修の講師」のように役割を示すと、立場に合った出力を得やすくなる。
③役割とあわせて、読む相手や目的を伝えると、出力がさらに具体的になる。
④「専門家」の役割を設定すれば、AIの出力は専門家と同じように正確になる。

答えと解説を見る

正解 ④「専門家」の役割を設定すれば、AIの出力は専門家と同じように正確になる。

解説
プロンプトで「あなたは新人研修の講師です」のように役割を設定すると、その立場に合った言葉づかいや観点の出力を得やすくなります。役割とあわせて、読む相手や目的を伝えると、出力はさらに具体的になります。
ただし、役割の設定は出力の立場や口調を整えるものであり、AIの知識や正確さそのものを高めるわけではありません。「専門家」の役割を設定しても、ハルシネーションが起きることはあります。したがって「専門家と同じように正確になる」という記述は適切ではなく、出力の内容が正しいかどうかは人が確認する必要があります。

他の選択肢（適切な記述）について
・役割を示すと立場に合った出力を得やすい：役割の設定の効果です。
・読む相手や目的もあわせて伝える：出力を具体的にする工夫です。
・役割を設定しても人が確認する：役割の設定は正確さを保証しないためです。

覚え方のポイント
役割の設定は「口調と観点」を整えるもの。正確さの保証ではありません。

問75-1

プロンプトで「出力形式を指定する」例として、最も適切なものを1つ選びなさい。

①「結論・理由・次の行動の3項目に分け、各2行以内の箇条書きで」と指定する。
②「次の###で囲んだ文章を対象に作業して」と、指示と資料の境目を示す。
③「新人向けの資料で、読み手は入社1年目の社員です」と、背景を伝える。
④「あなたは経験豊富なマーケティングの専門家です」と、AIの役割を指定する。

答えと解説を見る

正解 ①「結論・理由・次の行動の3項目に分け、各2行以内の箇条書きで」と指定する。

解説
出力形式の指定とは、出力の構成・書式・分量・文体などを具体的に伝えることです。「結論・理由・次の行動の3項目に分け、各項目を2行以内の箇条書きで」のように指定すると、そのまま資料に使いやすい形で出力が得られ、読み手にとっても分かりやすくなります。
表形式・JSON形式・〇字以内・です／ます調など、用途に合った形式を指定することは、プロンプトエンジニアリングの基本です。

他の選択肢が不適切な理由
・###で囲んで指示と資料の境目を示す：区切り記号（デリミタ）の使い方で、資料の範囲を取り違えにくくする工夫です。出力の形は指定していません。
・新人向けの資料という背景を伝える：Context（文脈）を与える例で、出力の構成や書式の指定ではありません。
・AIの役割の指定：ロールプロンプト（役割の設定）の例で、出力形式の指定ではありません。

覚え方のポイント
出力形式＝「構成・書式・分量・文体」を具体的に。あいまいな指示は、あいまいな出力を生みます。

問85-1

プロンプトの具体度のコントロールに関する記述として、適切でないものを1つ選びなさい。

①アイデアを幅広く出したいときは、条件をゆるめてAIの裁量に任せる方法もある。
②形式や基準をそろえたい作業では、条件を具体的に細かく指定すると効果的である。
③条件は細かく指定すればするほど、目的が何であっても、よりよい結果が得られる。
④目的に応じて、条件をどこまで細かく指定するかの度合いを調整することをいう。

答えと解説を見る

正解 ③条件は細かく指定すればするほど、目的が何であっても、よりよい結果が得られる。

解説
プロンプトの具体度のコントロールとは、目的に応じて、条件をどこまで細かく指定するか、AIの裁量にどこまで任せるかの度合いを調整することです。形式や基準をそろえたい作業では条件を具体的に細かく指定すると効果的であり、アイデアを幅広く出したいときは、条件をゆるめてAIの裁量に任せる方法もあります。
条件を細かく指定しすぎると、かえって発想が狭まったり、条件どうしが矛盾したりすることがあります。したがって「細かく指定すればするほど、目的が何であっても、よりよい結果が得られる」という記述は適切ではありません。

他の選択肢（適切な記述）について
・形式や基準をそろえたい作業では細かく指定する：具体度を上げる場面です。
・アイデアを広げたいときは裁量に任せる：具体度を下げる場面です。
・目的に応じて度合いを調整する：具体度のコントロールの定義です。

覚え方のポイント
具体度は「目的しだい」。そろえたいなら細かく、広げたいならゆるく。

問95-1

プロンプトエンジニアリングに関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．Zero-Shotプロンプティングとは、回答の例をいくつか示してから作業をさせる方法である。
b．出力を見て不足や誤りを確かめ、条件を足したり言い換えたりして指示を改善していく。
c．出力形式を「箇条書きで3項目」のように指定すると、目的に合った形で受け取りやすい。
d．Chain-of-Thoughtは、プロンプトで示した例をもとにモデルのパラメータを更新させる方法である。

①a・d
②a・b
③c・d
④b・c

答えと解説を見る

正解 ④b・c

解説
bとcが適切です。
b：プロンプトは一度で完成させる必要はなく、出力を見て不足や誤りを確かめ、条件を足したり言い換えたりして改善していく（対話的な改善）ことが効果的です。
c：「箇条書きで3項目」「表の形式で」のように出力形式を指定すると、目的に合った形で受け取りやすくなります。

誤っている記述
・a：Zero-Shotプロンプティングは、回答の例を示さずに、指示だけを与えて作業をさせる方法です。例をいくつか示すのはFew-Shotプロンプティングです。
・d：Chain-of-Thought（思考の連鎖）は、答えを出すまでの途中の考えを段階を追って書き出させる方法です。モデルのパラメータは変わりません。パラメータを更新して調整するのはファインチューニングです。

覚え方のポイント
Zero-Shot＝例なし、Few-Shot＝例あり、CoT＝途中の考えを書かせる。

問105-1

プロンプトエンジニアリングに関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．Few-Shotプロンプティングでは、いくつかの回答例を示してから作業させる。
b．役割を設定すると、AIの知識そのものが増え、出力の正確さが高まる。
c．回答の例を1つだけ示してから作業させる方法を、Zero-Shotという。
d．出力形式を具体的に指定すると、用途に合った形で出力を得やすくなる。

①a・d
②a・b
③b・c
④c・d

答えと解説を見る

正解 ①a・d

解説
aとdが適切です。
a：Few-Shotプロンプティングは、いくつかの入力と出力の例を示してから、同じ形式で新しい入力を処理させる方法です。
d：出力の構成・書式・分量などを具体的に指定すると、用途に合った形で出力を得やすくなります。

誤っている記述
・b：役割の設定は、出力の立場や口調、観点を整えるものです。AIの知識そのものが増えるわけではなく、出力の正しさは確認が必要です。
・c：回答の例を1つだけ示す方法はOne-Shotと呼ばれます。Zero-Shotは、回答の例を示さずに指示だけを与える方法です。

覚え方のポイント
Zero（例なし）・Few（例少し）・CoT（途中の考え）・役割・出力形式。手法の名前と中身を一致させましょう。

「生成AIパスポート」は一般社団法人生成AI活用普及協会の登録商標です。本ページは一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、公認・認定を受けた教材ではありません。

生成AIパスポートの対策問題（全410問）に戻る

非公式の資格試験対策サイトです。一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、GUGAの公認・認定を受けた教材ではありません。

※本ページでは、アクセス解析（Googleアナリティクス）と、広告の配信・成果の計測（A8.net）のためにCookie等を利用し、閲覧に関する情報をGoogle LLC・株式会社ファンコミュニケーションズへ送信しています。詳しくはプライバシーポリシーをご覧ください。

※本ページの問題・解説は、生成AI（人工知能）を活用して作成しています。