context-engineering は何をしますか？
コンテキストエンジニアリング：一貫性があり、正確で、予測可能なAIシステムの構築
概要
コンテキストエンジニアリングは、AIエージェントの出力を制御し最適化するための体系的なアプローチです。適切に設計されたコンテキストは、AIがタスクを正確に理解し、期待されるフォーマットで応答し、望ましい動作を一貫して示すように導きます。
なぜコンテキストエンジニアリングが重要か
- 一貫性：同じプロンプトに対して常に同様の品質の出力を得られる
- 正確性：タスクの要件を正確に満たす応答を生成する
- 予測可能性：AIの動作を事前に予測しやすくなる
- 効率性：やり直しや修正の手間を削減する
主要なテクニック
1. ロールの定義
AIに明確な役割を与えることで、適切な視点から応答を生成させます。
あなたは経験豊富なシニアソフトウェアエンジニアです。
コードレビューを行う際は、可読性、パフォーマンス、セキュリティの観点から評価してください。
2. 出力フォーマットの指定
期待する出力の構造を事前に定義します。
以下の形式で応答してください：
- **問題点**：（問題の簡単な説明）
- **推奨修正**：（コードの具体的な修正案）
- **理由**：（修正を行う理由）
3. 制約条件の明確化
AIが従うべき明確な制限やルールを設定します。
- 外部APIを呼び出さないでください
- 標準ライブラリのみを使用してください
- エラーハンドリングを含めてください
4. コンテキストの階層化
重要度に応じて指示を階層化します。
- 不変のルール：常に守るべき基本的な制約
- タスク固有の指示：特定のタスクに対する追加の指示
- 出力フォーマット：期待する応答の構造
サポートプラットフォーム
- Claude Code：システムプロンプトによる強力なコンテキスト制御
- Cursor：カスタムルールと
.cursorrulesによる設定 - Codex：チャット設定による指示のカスタマイズ
- その他：コンテキストをサポートする任意のAIエージェント
ベストプラクティス
- 具体的に：漠然とした指示ではなく、具体的な例を挙げる
- 段階的に：複雑なタスクは小さなステップに分割する
- フィードバックループ：出力を評価し、コンテキストを継続的に改善する
- テストと検証：異なるコンテキストで同じタスクをテストし、効果を検証する
例：コード生成のためのコンテキスト設計
あなたはPythonのシニアデベロッパーです。
以下の要件に従って、指定された関数を実装してください。
要件：
- 型ヒントを使用すること
- ドキュメンテーション文字列を含めること
- エッジケースを考慮すること
- 単一責任の原則に従うこと
出力形式：
- 完全な実装コード
- 使用例（最小限のテストケース）
- 注意点や制限事項（ある場合のみ）
貢献
改善提案や新しいテクニックの追加は、プルリクエストまたはイシューを通じて歓迎します。