Thinkingモデルは「5つの箱」で指示！能力を解放する“参照型”プロンプトの極意

こんにちは、生成AIで高品質な記事を書く方法を研究している ぽけご です。

前回の記事では、Thinkingモデル時代のプロンプトは「手順書」から「職務定義書」へ進化させるべきだというお話をしました。

「判断基準を渡す」という考え方には納得したけれど、

「じゃあ具体的に、プロンプトをどう構成すればいいの？」
「自分のこだわりって、どうやって言語化すればいいんだろう…」

そんな疑問が残っている方も多いのではないでしょうか。

今回は、その「具体的なHow」についてお話しします。

私が試行錯誤の末にたどり着いた答えは、プロンプトを「5つの箱」で構成するというフレームワークでした。

ポイントは、これまで手順の中に埋め込んでいた「暗黙知（こだわりやノウハウ）」を、独立した「スキル集」として切り出すこと。

この構造転換だけで、Thinkingモデルの反応が驚くほど変わるんです。

この記事では、「判断基準を渡す」を実践したい方に向けて、

• プロンプトを構成する「5つの箱」フレームワークの全体像

• なぜ「手順」と「スキル」を分離することが重要なのか

• あなたのこだわりを「スキル集」に変換する具体的な方法

上記について、実際のプロンプト構造を交えながら解説していきます。

前回の「考え方」から、今回の「実装方法」へ。

ぜひ続けて読んでみてくださいね。

Thinkingモデルプロンプトを構成する「5つの箱」とは？

これまで私たちは、AIに対して「手順」を細かく指示することに注力してきました。

しかし、思考能力の高い最新モデルにおいては、手順よりも「判断材料」や「基準」を明確に渡すことが重要になります。

そこで私がたどり着いたのが、プロンプトを「5つの箱」に分けて情報を整理する手法です。

ここでは、それぞれの「箱」の役割について解説していきます。

箱1【ゴール】：AIとの「契約」を明確にする

まず最初に用意すべきは、AIに対する「依頼内容」を定義する「箱1：ゴール」です。

これは単なる「〇〇を作って」という命令文ではありません。

プロの現場における「業務委託契約書」のようなものだとイメージしてみてください。

具体的には、以下のような要素を盛り込むと効果的でしょう。

この「箱1」がブレてしまうと、後続のすべてのプロセスが無駄になってしまいます。

まずはAIとしっかり握手をするつもりで、ゴールを明確に言語化してあげてください。

箱2【プロの技】：あなたの"こだわり"をスキル集にまとめる

2つ目の箱は、このフレームワークの核となる「プロの技（スキル集）」です。

ここには、あなた自身の頭の中にある「暗黙知」や「こだわり」を詰め込みます。

従来の手順型プロンプトでは、作業フローの中に「注意点」として書き込むことが一般的でした。

しかし、Thinkingモデルにおいては、これらを独立した「スキル集」として定義し、AIに「参照」させる方が圧倒的にうまくいきます。

例えば、アイキャッチ画像の作成を依頼する場合なら、以下のようなこだわりを「スキル」として渡すのです。

これらを「手順」として書くのではなく、「AIが参照すべき道具箱」として渡すのがポイント。

そうすることで、AIは文脈に合わせて適切なスキルを自ら選び取り、適用してくれるようになりますよ。

あなたの長年の経験や感覚を、言葉にしてこの箱に入れてみましょう。

箱3【材料】：AIが処理すべき情報を整理する

3つ目の箱は、AIがタスクを実行するために必要な「材料（入力情報）」を入れる場所です。

料理に例えるなら、最高級のシェフ（AI）とレシピ（スキル）があっても、新鮮な食材（材料）がなければ美味しい料理は作れませんよね。

AIに読み込ませたい具体的な情報を、この箱で過不足なく提供しましょう。

私が心がけているのは、以下の3点です。

ここで重要なのは、情報の鮮度と正確性です。

Thinkingモデルは推論能力が高い分、与えられた情報をもとに深く考え込んでしまいます。

だからこそ、ノイズのない整理された「良質な材料」を渡すこと。

これが、高品質なアウトプットを引き出すコツですよ！

箱4【進行表】：シンプルな手順で思考の余白を与える

4つ目の箱は、作業の大まかな流れを示す「進行表」です。

従来のプロンプトでは、ここで手順を事細かに書くことが良しとされていました。

しかし、Thinkingモデルに対しては、あえて「思考の余白」を残すようなシンプルな指示が有効です。

ガチガチの手順書ではなく、以下のようなマイルストーンを示すようなイメージですね。

このように、「どの箱を使って何をするか」という大枠だけを指示します。

「経験豊富なスタッフに仕事を任せる」感覚に近いかもしれません。

細かい指示で縛るのではなく、思考の余白を与えることで、Thinkingモデルが真価を発揮してくれます。

箱5【合格基準】：AIに自己採点させる仕組み

箱5は、AIに「自分の成果物を自己採点させる」ためのパートです。

ここには、箱1で設定したゴールを達成できているかどうかの判断基準を具体的に書きます。

なぜ自己採点が必要なのでしょうか。

それは、Thinkingモデルが「考える力」を持っているからこそ、自分で品質をチェックし、必要なら修正する能力も備えているためです。

この力を活用しない手はありません。

具体的な書き方としては、以下のような形式が効果的です。

この仕組みを入れておくと、AIは一発で完璧な回答を出そうとするのではなく、自己検証と改善を経た成果物を返してくれるようになります。

なぜ「手順」ではなく「箱（参照）」なのか？

ここまで「5つの箱」の構造を見てきましたが、

「なぜわざわざ情報を分けるの？」
「今まで通り、上から順に手順を書けばいいのでは？」

と感じた方もいるかもしれません。

しかし、最新の研究レポートを読み解いていくと、この「情報の構造化」こそが、Thinkingモデル時代の最適解であることがはっきりと分かってきました。

ここからは、最新のAIエンジニアリングの観点から、なぜこのフレームワークが最適解なのかを解説していきます。

少し専門的な話も混ざりますが、なるべく噛み砕いてお話ししますね。

従来AIは「指示待ち新卒」、Thinkingモデルは「自走できる経験者」

これは前回の記事で話した内容と被りますが、Thinkingモデルは従来型のAIと仕事に取り組むスタンスが違うということです。

従来のAI（GPT-4など）は、いわば「指示待ちの新卒社員」のような存在でした。

「手順1：〇〇せよ」「手順2：△△に注意して□□せよ」と、一挙手一投足まで細かく指示を書かないと、期待通りに動いてくれなかったのです。

しかし、Thinkingモデルは違います。

OpenAI社の公式見解では、推論モデル（Reasoningモデル）を「シニアな同僚のような存在（senior co-worker）」と表現しています。

つまり、「自走できる経験者」として扱うべきだということ。

経験豊富なスタッフに仕事を依頼するとき、あなたはどうしますか？

「手順1：パソコンの電源を入れて…」とは言いませんよね。

こんな感じで、ゴールと判断基準を伝えるはずです。

Thinkingモデルへの指示も、まさにこの感覚。

細かい手順ではなく、「何を達成してほしいか」「どんな基準で判断すればいいか」を伝える方が、その高い推論能力を最大限に発揮できるのです。

ノウハウを「技」として切り出す「Agent Skills」の発想

では、手順を書かずにどうやってこちらの「こだわり」を伝えるのか。

そこで登場するのが、2025年末頃から注目されている「Agent Skills（エージェント・スキル）」という概念です。

これは、Claude を開発する Anthropic社 などが提唱している新しい設計思想で、

というアプローチです。

従来のプロンプトでは、長い手順の中に「注意点」や「コツ」などの暗黙知が埋もれてしまっていました。

しかし、Agent Skills の考え方では、これらを独立したモジュール（部品）として切り出します。

これらを「箱2：プロの技」として定義しておくことで、AIはタスク実行中に必要に応じてその「技」を参照し、適用できるようになるのです。

「余白は3割」「配色は3色黄金比で」といったこだわりを、手順から切り離して独立した「道具箱」として用意しておく。

AIはその道具箱を参照しながら、自分で最適な方法を考えて作業を進める。

これがThinkingモデルに最適な、最新のプロンプト設計思想なのです。

手順に埋め込まず「別枠」に置くことで、AIは賢く振る舞える

情報を「箱」に分けて別枠で置くことには、AIの脳内メモリ（コンテキスト）を効率的に使うという意味でも大きなメリットがあります。

最新の研究レポートによると、Thinkingモデルに長文のプロンプトを読ませることで、以下のような問題が起こることが判明しています。

ダラダラと長い手順書を一気に読ませると、AIも人間と同じように「で、結局何が重要なんだっけ？」と消化不良を起こしてしまうんですね。

そこで、「5つの箱」で情報を構造化して、役割を明確にするということ。

実は私が開発している『実践プロンプト』も、この考え方をベースに構造を全面改修し始めました。

年末年始をかけて、膨大な試行錯誤を繰り返して検証してきましたが、この構造がThinkingモデルの最適解だと確信しています。

まとめ：暗黙知を「スキル集」に変えて、Thinkingモデルを最強の相棒に

今回は、Thinkingモデルの具体的なプロンプト設計について、

• プロンプトを構成する「5つの箱」の役割と使い方

• 「手順型」から「参照型」への転換が必要な理由

• 暗黙知を「スキル集」に変換する具体的な方法

上記の観点から、筆者の試行錯誤で得た知見を交えながらお話してきました。

Thinkingモデルの真価を引き出す鍵は、これまで手順の中に埋め込んでいた「暗黙知」を、独立した「スキル集（Skills）」として切り出すことにあります。

手順（フロー）と技法（スキル）を明確に分けるこの「参照型プロンプト」こそが、AIの自律的な推論を最大限に引き出す現時点での最適解と言えるでしょう。

最初は難しく感じるかもしれませんが、一度この「5つの箱」を作ってしまえば、AIは驚くほど賢く振る舞ってくれるようになります。

あなたの頭の中にあった「こだわり」が正確に伝わり、期待以上の成果物が上がってくる快感を、ぜひ味わっていただきたいです。

まずは手元のメモ帳で、あなたの業務における「プロの技（スキル集）」を箇条書きにしてみてください。

その小さな一歩が、Thinkingモデルを最強のパートナーに変える第一歩になりますよ。

最後まで読んでくださり、ありがとうございました😇

✅ ぽけごのコンテンツはこちら