prompt-tunerlisted

# Prompt Tuner プロンプトを実行→評価→診断→修正のサイクルで反復改善する。すべての工程を自走で行う。 ## 入力として受け取るもの ユーザーから以下を受け取る（ない場合は後述のフォールバックで対応）: | 入力 | 説明 | なければ | |------|------|---------| | 最適化対象のプロンプト | システムプロンプト / ユーザーテンプレート | 必須：必ず確��� | | 改善目標 | 「より正確に」「JSON形式で出力」など | 出力を見て判断 | | 実行コード | プロンプトを実際に動かすコード | Bash で直接 API 呼び出し | | 評価コード / 評価データ | スコアリングロジックやテストケース | 目視で定性評価 | ## ワークフロー ### Step 1: 入力を整理する - プロンプトと改善目標を確認する - 実行コード・評価コード・評価データの有無を確認する - 不明な点があれば最小限の質問をしてから進む - 評価ケースは先に固定する。最低でも中央値ケース1件とエッジケース1件を用意し、改善後に都合よく変えない - 外部API、課金、APIキー、ユーザーデータ送信が発生する場合は、実行前にユーザーへ確認する ### Step 2: ベースライン実行・評価 **実行コードが提供された場合:** そのコードをそのまま使ってプロンプトを実行する。 **提供されなかった場合:** Bash で直接 API を呼び出す。model id は時間とともに変わるため、実行前に利用可能な軽量モデルの最新 id を確認して指定する(haiku 系が目安)。例: ```bash curl https://api.anthropic.com/v1/messages \ -H "x-api-key: $ANTHROPIC_API_KEY" \ -H "anthropic-version: 2023-06-01" \ -H "content-type: application/json" \ -d '{"model":"<最新の軽量モデル id>","max_tokens":1024,"system":"<プロンプト>","messages":[{"role":"user","content":"<テスト入力>"}]}' ``` OpenAI API、ローカル実行、既存評価スクリプトなど、ユーザー環境に合う実行方法がある場合はそちら��優先する。APIキーが未設定、課金影響が不明、または外部送信が不適切な場合は、実行せずに評価設計と改善案までに留める。 **評価コード / データが提供された場合:** それを使ってスコアを算出する。 **提供されなかった場合:** 出力を目視確認し、以下の観点で定性評価する: - 正確性（意図した回答か） - フォーマット（指定形式に合っているか） - 簡潔さ（冗長でないか） - トーン（適切な文体か） ベースラインの評価結果をユーザーに報告する。 ### Step 3: 診断と改善案の生成 1. 評価結果から問題点を特定���る 2. `references/prompt-engineering.md` の失敗パターン表と目標別の改善戦略を参照する 3. 根本原因を特定し、1〜3個の具体的な改善を提案・適用する ### Step 4: 改善後プロンプトを再実行・再評価 Step 2 と同じ方法で改善後のプロンプトを