---

エージェント的タスクの最適化

自律性のバランス調整

GPT-5は、高度な自律性から詳細な指示待ちまで、幅広いコントロールレベルで動作できるよう設計されています。以下の方法で、エージェントの積極性を調整できます：

自律性を制限したい場合：

• reasoning_effortパラメータを低く設定
• 明確な探索基準を定義
• ツール呼び出し回数の予算を設定

<context_gathering>
目標：迅速にコンテキストを取得。並列的に発見し、行動可能になり次第停止。
方法：
- 広範囲から開始し、焦点を絞ったサブクエリに展開
- 並列で多様なクエリを実行し、各クエリの上位結果を読み取り
- 重複パスを排除し、クエリの重複を避ける
</context_gathering>

自律性を高めたい場合：

• reasoning_effortを高く設定
• 継続性を促すプロンプトを使用

<persistence>
- あなたはエージェントです。ユーザーのクエリが完全に解決されるまで継続してください
- 不確実性に遭遇しても停止せず、最も合理的なアプローチを研究・推論して続行してください
- 人間に確認や明確化を求めず、最も合理的な仮定を決定して進行してください
</persistence>

ツールプリアンブルの活用

長時間のタスクにおいて、ユーザーがエージェントの進行状況を把握できるよう、明確な計画と進捗更新を提供することが重要です：

<tool_preambles>
- 常にツールを呼び出す前に、ユーザーの目標を親しみやすく、明確で簡潔な方法で言い換える
- その後、従う各論理的ステップを詳述した構造化された計画を概説
- ファイル編集の実行時は、各ステップを簡潔かつ順次ナレーションし、進捗を明確に示す
- 事前計画とは明確に区別して、完了した作業を要約
</tool_preambles>

Responses APIの活用

GPT-5では、Responses APIの使用を強く推奨します。これにより以下の利点が得られます：

• エージェントフローの改善
• コスト削減
• より効率的なトークン使用
• 推論コンテキストの再利用

評価では、Chat Completionsと比較してTau-Bench Retailスコアが73.9%から78.2%に向上しました。

コーディング性能の最適化

フロントエンド開発の推奨構成

GPT-5は優れた美的センスを持ち、以下のフレームワークで最高の性能を発揮します：

• フレームワーク: Next.js (TypeScript)
• スタイリング: TailwindCSS
• UIコンポーネント: shadcn/ui
• アイコン: Lucide
• 状態管理: Zustand

自己反省によるコード品質向上

新しいアプリケーション開発では、以下のアプローチが効果的です：

<self_reflection>
- まず、確信を持てるまでルーブリックについて考える時間を取る
- 世界クラスのワンショットWebアプリの全ての側面について深く考える
- その知識を使用して5-7カテゴリのルーブリックを作成
- 最終的に、提供されたプロンプトに対する最良の解決策を内部的に考え、反復する
</self_reflection>

Cursorチームの実践例

AI コードエディタCursorチームがGPT-5で見つけた最適化：

1. 冗長性のバランス: APIのverbosityパラメータを低に設定し、コーディングツールでのみ高い冗長性を指定
2. プロアクティブな動作: ユーザーの承認/拒否が可能なため、積極的にコード編集を提案
3. 構造化された指示: XML仕様（<instruction_spec>）を使用して指示の遵守を改善

指示遵守の改善

矛盾する指示の回避

GPT-5は指示に正確に従うため、矛盾や曖昧な指示は性能を大幅に低下させます。以下のような矛盾を避けることが重要です：

悪い例:

• "明示的な患者の同意なしに予約をスケジュールしない"
• "リスクを減らすために患者に連絡せずに同日スロットを自動割り当て"

良い例:

• 指示の階層を明確にし、緊急時の例外を明記
• 矛盾する要求を統合し、一貫した行動指針を提供

最小推論レベルでの最適化

minimal推論レベルを使用する場合：

• 思考プロセスの簡潔な説明を回答の冒頭で要求
• 詳細なツール呼び出しプリアンブルを要求
• ツール指示の明確化を最大限に行う
• エージェントの継続性リマインダーを挿入

Remember, you are an agent - please keep going until the user's query is completely resolved, before ending your turn and yielding back to the user. Decompose the user's query into all required sub-request, and confirm that each is completed.

Markdown形式での出力

GPT-5はデフォルトでMarkdown形式を使用しませんが、以下のプロンプトで有効化できます：

- 意味的に正しい場合のみMarkdownを使用（例：`インラインコード`、```コードフェンス```、リスト、テーブル）
- アシスタントメッセージでMarkdownを使用する際は、ファイル、ディレクトリ、関数、クラス名をバッククォートで囲む

メタプロンプティング

GPT-5自体をプロンプト最適化に使用する手法が効果的です：

プロンプトを最適化するよう求められた場合、あなた自身の視点から回答してください。このプロンプトに追加または削除できる具体的なフレーズを説明し、望ましい動作をより一貫して引き出すか、望ましくない動作を防ぐようにしてください。

プロンプト: [PROMPT]
このプロンプトからの望ましい動作は[DO DESIRED BEHAVIOR]ですが、代わりに[DOES UNDESIRED BEHAVIOR]を行います。既存のプロンプトをできるだけそのまま保持しながら、これらの欠点により一貫して対処するために行う最小限の編集/追加は何でしょうか？

まとめ

GPT-5は従来のモデルとは大きく異なる特性を持つため、プロンプト戦略も適応させる必要があります。エージェント的動作の調整、コーディング性能の最適化、指示の明確化、そして新しいAPI機能の活用により、GPT-5の真の潜在能力を引き出すことができます。

継続的な実験と改善を通じて、あなたの特定のユースケースに最適なプロンプト戦略を見つけることをお勧めします。GPT-5のプロンプト最適化ツールも活用し、より効果的なAI活用を実現してください。

---

🔗 引用元

GPT-5 prompting guide

GPT-5 prompting guide