スキル prompt-engineering-patterns
📝

prompt-engineering-patterns

安全

プロンプトエンジニアリングパターンの適用

こちらからも入手できます: wshobson

実証済みのプロンプトエンジニアリング技術で LLM の出力を改善します。このスキルは、連鎖思考推論、数ショット学習、そして AI の対話をより信頼性が高く制御可能にするテンプレートシステムを提供します。

対応: Claude Codex Code(CC)
📊 86 十分
1

スキルZIPをダウンロード

2

Claudeでアップロード

設定 → 機能 → スキル → スキルをアップロードへ移動

3

オンにして利用開始

テストする

「prompt-engineering-patterns」を使用しています。 プロフェッショナルなメール作成を支援するプロンプトを設計してください

期待される結果:

ロール定義、トーンガイドライン、フォーマットセクションを備えた構造化メール作成テンプレートで、一貫したプロフェッショナルなメール出力を生成します。

「prompt-engineering-patterns」を使用しています。 AI を活用してコードレビューの品質を向上させるにはどうすればよいですか？

期待される結果:

一般的なバグパターン、セキュリティの考慮事項、ベストプラクティスを含むコードレビュー例を提供する数ショットプロンプトで、AI が徹底的で建設的なフィードバックを提供できるよう導きます。

セキュリティ監査

安全
v1 • 2/24/2026

All 216 static findings are false positives. The flagged files are markdown documentation (.md) and example JSON files containing educational content about prompt engineering techniques. The scanner incorrectly interprets backticks in markdown code blocks as shell commands, text references to cryptographic terms as weak crypto implementations, and tutorial references to system commands as reconnaissance. This is a documentation skill with no executable security issues.

9
スキャンされたファイル
2,696
解析された行数
4
検出結果
1
総監査数
低リスクの問題 (4)
assets/prompt-template-library.md:6-237references/chain-of-thought.md:12-349references/few-shot-learning.md:12-339references/prompt-optimization.md:6-402references/prompt-templates.md:6-435references/system-prompts.md:9-170SKILL.md:22-161
False Positive: Ruby/Shell Backtick Detection in Documentation
Static scanner flagged 170 instances of 'Ruby/shell backtick execution' in markdown files. These are false positives - the backticks are markdown code block delimiters showing Python/code examples in documentation, not actual shell commands. Files affected: SKILL.md, references/*.md, assets/*.md
assets/few-shot-examples.json:12-90assets/prompt-template-library.md:90references/few-shot-learning.md:78references/prompt-optimization.md:341references/prompt-templates.md:140-452references/system-prompts.md:1-155SKILL.md:3-194
False Positive: Weak Cryptographic Algorithm References
Static scanner flagged 39 instances of 'Weak cryptographic algorithm' in documentation files. These are false positives - the files contain educational content explaining prompt engineering patterns, with text examples mentioning cryptographic concepts in context of AI safety, not actual crypto implementations.
assets/few-shot-examples.json:103references/chain-of-thought.md:170-391references/few-shot-learning.md:84-212references/prompt-optimization.md:176-349references/prompt-templates.md:397references/system-prompts.md:93-165SKILL.md:206
False Positive: System/Network Reconnaissance in Tutorials
Static scanner flagged 'System reconnaissance' and 'Network reconnaissance' patterns in markdown documentation. These are false positives - the files contain educational tutorials that reference system commands and networking concepts as part of prompt engineering examples, not actual reconnaissance tools.
references/prompt-optimization.md:128scripts/optimize-prompt.py:229
False Positive: Filesystem Path Traversal in Documentation
Static scanner flagged 'Path traversal sequence' in references/prompt-optimization.md and scripts/optimize-prompt.py. The markdown file contains text explaining path handling concepts in prompts. The Python script is a utility for prompt optimization with legitimate file operations.
監査者: claude

品質スコア

82
アーキテクチャ
100
保守性
87
コンテンツ
50
コミュニティ
97
セキュリティ
100
仕様準拠

作れるもの

信頼性の高い AI 製品の構築

AI 搭載アプリケーション向けに一貫した出力フォーマットとエラーハンドリングパターンを備えた、本番環境対応のプロンプトシステムを設計します。

コード生成の改善

構造化プロンプティング技術を活用して、Claude や Codex からのコード補完や生成結果を向上させます。

AI トレーニング資料の作成

チーム全体での AI 導入とベストプラクティスに向けた、包括的なプロンプトライブラリとテンプレートを開発します。

これらのプロンプトを試す

連鎖思考推論 
Solve this problem step by step:

Problem: {problem}

Think through each step carefully:
1. [First step]
2. [Second step]
3. [Third step]

Final answer:
数ショット分類 
Classify the following input into one of these categories: {categories}

Examples:
{examples}

Now classify this:
Input: {input}

Category:
システムプロンプトテンプレート 
You are {role}. Your task is {task}.

Guidelines:
- {guideline1}
- {guideline2}
- {guideline3}

Output format:
{output_format}
反復的改良 
Initial request: {request}

Current draft: {draft}

Feedback to address:
{feedback}

Please revise the draft based on this feedback:

ベストプラクティス

  • システムプロンプトで明確なロール定義から始め、AI の動作境界を確立する
  • エッジケースをカバーする具体的で多様な例を数ショットプロンプトで使用する
  • 一貫した出力を確保するために、複数のクエリバリエーションでプロンプトをテストする

回避

  • 具体的な行動ガイドラインなしに「役に立つこと」といった曖昧な指示を使用する
  • コンテキストウィンドウ制限を超える過度に多くの例をプロンプトに含める
  • テストせずにプロンプトが異なる LLM モデルで同一に動作すると仮定する

よくある質問

連鎖思考プロンプティングとは何ですか？
連鎖思考プロンプティングは、LLM に推論を段階的に示させることで、複雑な数学、論理、推論タスクにおける精度を向上させます。
数ショット学習には何個の例を含めるべきですか？
ほとんどのタスクでは 2〜5 個の例で十分です。例の多様性とコンテキストウィンドウ制限のバランスを取ってください。例が多すぎると応答品質が低下する可能性があります。
これらのパターンを Claude Code で使用できますか？
はい、これらのパターンは Claude、Claude Code、Codex、およびほとんどの現代の LLM で機能します。Claude Code はプロンプトテンプレートを直接実行できます。
一貫性のない出力を生成するプロンプトをデバッグするにはどうすればよいですか？
明示的な出力フォーマット制約を追加し、より多様な例を含め、AI の処理をより透明にするために段階的な推論を使用してください。
システムプロンプトとユーザープロンプトの違いは何ですか？
システムプロンプトは会話の開始時に AI アシスタントのロールと動作を定義します。ユーザープロンプトには各インタラクションの具体的なタスクや質問が含まれます。
プロンプトインジェクションリスクを処理するにはどうすればよいですか？
明確な指示境界を使用し、ユーザー入力を検証し、信頼できないコンテンツをプロンプトに直接連結しないようにしてください。指示とユーザーデータのための明確なセクションでプロンプトを構造化します。

開発者の詳細

作成者

sickn33

ライセンス

MIT

リポジトリ

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/prompt-engineering-patterns

参照

main

ファイル構成

📁 assets/

📄 few-shot-examples.json

📄 prompt-template-library.md

📁 references/

📄 chain-of-thought.md

📄 few-shot-learning.md

📄 prompt-optimization.md

📄 prompt-templates.md

📄 system-prompts.md

📁 scripts/

📄 optimize-prompt.py

📄 SKILL.md