Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
コンテキストエンジニアリングとは? 考え方と応用方法
Search
ファインディ株式会社(イベント資料アップ用)
September 28, 2025
Technology
4
810
コンテキストエンジニアリングとは? 考え方と応用方法
2025/09/29開催『AI開発のNext Stage コンテキストエンジニアリングを学ぶ』(
https://findy.connpass.com/event/369181/)でのご登壇資料です
。
ファインディ株式会社(イベント資料アップ用)
September 28, 2025
Tweet
Share
More Decks by ファインディ株式会社(イベント資料アップ用)
See All by ファインディ株式会社(イベント資料アップ用)
非エンジニアのあなたもできる&もうやってる!コンテキストエンジニアリング
findy_eventslides
3
830
大規模アジャイル開発のリアル!コミュニケーション×進捗管理×高品質
findy_eventslides
0
1.5k
アジャイル人材育成を現場業務と”シームレス”に直結 - DX銘柄に4年連続選定される 旭化成のDX人材育成戦略 -
findy_eventslides
0
110
デジタル時代における製造業の変革~ダイキン工業におけるデジタル人材育成の現状
findy_eventslides
0
150
HCP Terraformで品質を極める 自動化推進チームの実践ガイド
findy_eventslides
0
98
Other Decks in Technology
See All in Technology
フルカイテン株式会社 エンジニア向け採用資料
fullkaiten
0
9k
AI×Data×SaaS×Operation
sansantech
PRO
0
100
Pythonによる契約プログラミング入門 / PyCon JP 2025
7pairs
4
2.1k
2重リクエスト完全攻略HANDBOOK / Double Request Handbook
shoheimitani
5
7k
ZennとCloud Runの歩み - プロダクト開発に全集中できる相棒になるまで
wadayusuke
5
620
今日から始めるpprof / Pprof workshop for beginners
ymotongpoo
6
760
入門 FormObject / An Introduction to FormObject #kaigionrails
expajp
2
1.4k
Findy Team+のSOC2取得までの道のり
rvirus0817
0
220
Goを使ってTDDを体験しよう!
chiroruxx
1
210
あなたのWebサービスはAIに自動テストしてもらえる?アクセシビリティツリーで読み解く、AIの『視点』
yusukeiwaki
1
3.3k
#普通の文系サラリーマンチャレンジ 自分でアプリ開発と電子工作を続けたら人生が変わった
tatsuya1970
0
730
履歴 on Rails: Bitemporal Data Modelで実現する履歴管理/history-on-rails-with-bitemporal-data-model
hypermkt
0
1.5k
Featured
See All Featured
Embracing the Ebb and Flow
colly
87
4.8k
Optimizing for Happiness
mojombo
379
70k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
36
2.5k
The Language of Interfaces
destraynor
162
25k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
52
5.6k
Navigating Team Friction
lara
189
15k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
132
19k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
Making the Leap to Tech Lead
cromwellryan
135
9.5k
Designing Experiences People Love
moore
142
24k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
114
20k
The Straight Up "How To Draw Better" Workshop
denniskardys
237
140k
Transcript
©Knowledge Sense, Inc. All Rights Reserved. コンテキストエンジニアリングとは? 考え方と応用方法 株式会社ナレッジセンス 須藤英寿
©Knowledge Sense, Inc. All Rights Reserved. 自己紹介 sasakuna @sasa_kuna_ CTO
ソフトウェアエンジニア。株式会社ナレッジセンスの創業後、法人向け 生成AIサービス「ChatSense」を立ち上げ、リリース後 2年で、500社 以上の法人に導入。エンタープライズ向け社内検索( RAGサービス) や、AIエージェント「Deep Research」サービスなど、複数サービスの 同時立ち上げを実施 2
©Knowledge Sense, Inc. All Rights Reserved. ChatSenseについて “大企業の知的活動を最速にする ” 機能1
法人向けChatGPT セキュリティ高くGPTを利用できる 機能2 社内データで RAGできる 独自文書の内容について生成 AIが回答 3
©Knowledge Sense, Inc. All Rights Reserved. 話題にあがるコンテキストエンジニアリング 4
©Knowledge Sense, Inc. All Rights Reserved. Shopify CEOのTobi Lutke氏によるXへの投稿 5
https://x.com/tobi/status/1935533422589399127
©Knowledge Sense, Inc. All Rights Reserved. 今、コンテキストエンジニアリングが 熱いらしい! 6
©Knowledge Sense, Inc. All Rights Reserved. コンテキストエンジニアリングって何? 7
©Knowledge Sense, Inc. All Rights Reserved. 本日の発表構成 1. 〇〇エンジニアリングの全体像 2.
コンテキストエンジニアリングの内容 3. コンテキストエンジニアリングを応用した例 8
©Knowledge Sense, Inc. All Rights Reserved. LLMを上手に使うには? 9 全てはここから始まる...
©Knowledge Sense, Inc. All Rights Reserved. 〇〇エンジニアリングの役割 プロンプト、コンテキストエンジニアリングはなんで生まれたの? →LLMを上手に使う方法を体系的に考えたい! 10
そもそもどんなときに LLMを上手に使えない?
©Knowledge Sense, Inc. All Rights Reserved. LLMが上手に使えない理由 (1) →LLMが知り得ないことは答えられない 11
確認のために伺いたいので すが: • 普段の予定は どこ に記録しています か? (そんなの知らないよ...!) 明日の午後の予定を 教えて
©Knowledge Sense, Inc. All Rights Reserved. LLMが上手に使えない理由 (2) →LLMの理解力を超えると答えられない 12
タツノオトシゴの絵文字はこ ちらです:🦄→違いました (笑) 正しくは:🦎ではなく …こち らです → 🐠→間違え… すみません、改めて正解を: 🪸🐚🐠🦐🐙🦑🦀🐡 ←海 の仲間たちですが ... タツノオトシゴの絵文 字を出力して
©Knowledge Sense, Inc. All Rights Reserved. LLMをうまく使えない原因 1. LLMが情報を持っていない 2.
LLMの回答能力を超えている 13 大半はこのどちらかが原因
©Knowledge Sense, Inc. All Rights Reserved. 〇〇エンジニアリングのポイント 1. LLMの知らない情報を正しく渡す LLMの性能が上がっても、重要性は変わらない
2. プロンプトの書き方を工夫してLLMの性能を引き出す LLMの性能が上がるたびに、必要性は下がる傾向にある 14
©Knowledge Sense, Inc. All Rights Reserved. プロンプトエンジニアリングでの解決方法 • LLMの知らない情報はすべてプロンプトに書き出す •
LLMにどうしてほしいのかを明確に指示する 15 今回は詳細に扱わないです ステップバイステップで考えましょう... あなたは〇〇の専門家です。...
©Knowledge Sense, Inc. All Rights Reserved. 通常のチャットならこれで大体OK! 16
©Knowledge Sense, Inc. All Rights Reserved. 17 さらに使いこなそうとすると困る場面が...
©Knowledge Sense, Inc. All Rights Reserved. RAGがうまくいかない理由 18 →LLMが必要なデータにアクセスできない 申し訳ございません。A社
とのやりとりを発見するこ とができませんでした。 (そんなデータアップロー ドされていない...!) A社との直近のやりと りを教えて
©Knowledge Sense, Inc. All Rights Reserved. LLMで機能開発がうまくいかない理由(コーディングエージェント) 19 →LLMの能力を超えた理解を要求してしまっている …
… … … 直りました! (直ってない) 関数Aのテストを修正 して
©Knowledge Sense, Inc. All Rights Reserved. LLMをうまく使えない原因 1. LLMが情報を持っていない 2.
LLMの回答能力を超えている 20
©Knowledge Sense, Inc. All Rights Reserved. 発生している問題は同じ! 21
©Knowledge Sense, Inc. All Rights Reserved. 再掲: 〇〇エンジニアリングのポイント 1. LLMの知らない情報を正しく渡そう
LLMの性能が上がっても、重要性は変わらない 2. プロンプトの書き方を工夫してLLMの性能を引き出そう LLMの性能が上がるたびに、必要性は下がる傾向にある 22
©Knowledge Sense, Inc. All Rights Reserved. コンテキストエンジニアリングとは? 23 LLMが複雑なシステムを動かせるように体系的に入力内容を整 理する技術
langchainで提唱されている 4分類 • write: データの書き出し • select: データの取得、選択 • compress: データの集約、圧縮 • isolate: データの分離、独立
©Knowledge Sense, Inc. All Rights Reserved. 再掲: 〇〇エンジニアリングのポイント 1. LLMの知らない情報を正しく渡そう
LLMの性能が上がっても、重要性は変わらない 2. プロンプトの書き方を工夫してLLMの性能を引き出そう LLMの性能が上がるたびに、必要性は下がる傾向にある 24 select, compressで 必要な情報を渡す
©Knowledge Sense, Inc. All Rights Reserved. 再掲: 〇〇エンジニアリングのポイント 1. LLMの知らない情報を正しく渡そう
LLMの性能が上がっても、重要性は変わらない 2. プロンプトの書き方を工夫してLLMの性能を引き出そう LLMの性能が上がるたびに、必要性は下がる傾向にある 25 write, compress, isolateで LLMの理解力を超えさせない
©Knowledge Sense, Inc. All Rights Reserved. コンテキストエンジニアリングの役割は? 詳細なデータの扱い方をまとめたこと! 26
©Knowledge Sense, Inc. All Rights Reserved. 補足: LLMの制約 • 入力長に限界がある
入力内容をまとめたり、外部に記録する。などの発想につながる • 入力長が長いと性能が下がる 入力内容をまとめたり、必要な部分だけ読み取る。などの発想につながる • 複数の指示が混ざっていると性能が下がる 分解できる処理は分割する。などの発想につながる 27
©Knowledge Sense, Inc. All Rights Reserved. 〇〇エンジニアリングの一覧 28 手法 主なターゲット
提案されている手法 プロンプト エンジニアリング チャットなど 具体的な入力プロンプト コンテキスト エンジニアリング ワークフロー エージェントなど 具体的なデータの管理方法 ターゲットはシステムよりかも!
©Knowledge Sense, Inc. All Rights Reserved. 〇〇エンジニアリングの一覧 29 手法 主なターゲット
提案されている手法 プロンプト エンジニアリング チャットなど 具体的な入力プロンプト コンテキスト エンジニアリング ワークフロー エージェントなど 具体的なデータの管理方法 ツール エンジニアリング エージェントに 渡すツール情報 具体的な複数のツールの管理方法 エージェント エンジニアリング 複雑な エージェント 具体的なエージェント、ワークフローの 管理方法 こんなのも出てくるかも?
©Knowledge Sense, Inc. All Rights Reserved. コンテキストエンジニアリングまとめ • LLM向けのデータ管理方法を体系的にまとめたもの •
LLMを使ったシステムの開発に主に使用される考え方 • プロンプトの重要性が失われたわけではない 30
©Knowledge Sense, Inc. All Rights Reserved. コンテキストエンジニアリングの 具体的な内容 31
©Knowledge Sense, Inc. All Rights Reserved. 再掲: コンテキストエンジニアリングとは? 32 LLMが複雑なシステムを動かせるように体系的に入力内容を整
理する技術 langchainで提唱されている 4分類 • write: データの書き出し • select: データの取得、選択 • compress: データの集約、圧縮 • isolate: データの分離、独立
©Knowledge Sense, Inc. All Rights Reserved. 33 コンテキストエンジニアリング https://blog.langchain.com/context-engineering-for-agents/
©Knowledge Sense, Inc. All Rights Reserved. write の役割 今後の実行に役立つ情報をファイルに出力する →重要な情報だけが残るようになる!
34
©Knowledge Sense, Inc. All Rights Reserved. 再掲: LLMの制約 • 入力長に限界がある
入力内容をまとめたり、外部に記録する。などの発想につながる • 入力長が長いと性能が下がる 入力内容をまとめたり、必要な部分だけ読み取る。などの発想につながる • 複数の指示が混ざっていると性能が下がる 分解できる処理は分割する。などの発想につながる 35
©Knowledge Sense, Inc. All Rights Reserved. write の具体的な手法 • メモ書きの書き出し
主にエージェントが一つの処理の中で大事な情報を忘れないようにするため 例: TODOメモの書き出し、プログラムの重要な関数の情報 • 記憶の書き出し 別の処理のときにも覚えておいたほうが良い情報を忘れないようにするため 例: 利用者の個人的な情報の記憶 36
©Knowledge Sense, Inc. All Rights Reserved. select の役割 必要な情報を選んで読み込む →重要な情報だけを読み込める!
37
©Knowledge Sense, Inc. All Rights Reserved. 再掲: LLMの制約 • 入力長に限界がある
入力内容をまとめたり、外部に記録する。などの発想につながる • 入力長が長いと性能が下がる 入力内容をまとめたり、必要な部分だけ読み取る。などの発想につながる • 複数の指示が混ざっていると性能が下がる 分解できる処理は分割する。などの発想につながる 38
©Knowledge Sense, Inc. All Rights Reserved. select の具体的な手法 • 記憶、メモ書きの読み込み
大事な情報を思い出すため • 情報の検索 別途保管されている非公開情報のうち、重要な情報だけを取得する • ツールの選択 計算の実行、MCPなど 39
©Knowledge Sense, Inc. All Rights Reserved. compress の役割 プロンプトの中の必要な情報だけを取り出す →重要な情報にだけ集中できる!
40
©Knowledge Sense, Inc. All Rights Reserved. 再掲: LLMの制約 • 入力長に限界がある
入力内容をまとめたり、外部に記録する。などの発想につながる • 入力長が長いと性能が下がる 入力内容をまとめたり、必要な部分だけ読み取る。などの発想につながる • 複数の指示が混ざっていると性能が下がる 分解できる処理は分割する。などの発想につながる 41
©Knowledge Sense, Inc. All Rights Reserved. compress の具体的な手法 42 •
古い情報の削除 古い情報は大抵不要なのでどんどん削除していく • 情報の集約 これまでの情報のうち、大事な情報だけを選んで残す
©Knowledge Sense, Inc. All Rights Reserved. isolate の役割 目的に合わせて情報や処理を分解する →1つの目的に集中できる!
43
©Knowledge Sense, Inc. All Rights Reserved. 再掲: LLMの制約 • 入力長に限界がある
入力内容をまとめたり、外部に記録する。などの発想につながる • 入力長が長いと性能が下がる 入力内容をまとめたり、必要な部分だけ読み取る。などの発想につながる • 複数の指示が混ざっていると性能が下がる 分解できる処理は分割する。などの発想につながる 44
©Knowledge Sense, Inc. All Rights Reserved. isolate の具体的な手法 45 •
情報の分解 エージェントに任せたいタスクに合わせて読み込む文章を切り替える 例: サブエージェント • 処理の分解 複雑な処理を分解して、その処理が得意なエージェントに任せる 例: マルチエージェント
©Knowledge Sense, Inc. All Rights Reserved. コンテキストエンジニアリングの実用 46
©Knowledge Sense, Inc. All Rights Reserved. 【応用編】DeepResearchを作る場合... そもそもDeepResearchとは? ユーザーの質問に対して、Web検索と思考を繰り返して、 詳細なレポートを作成する機能
47
©Knowledge Sense, Inc. All Rights Reserved. DeepResearchの仕組みを紹介 48 実装方法には色々なパターンがあります!
©Knowledge Sense, Inc. All Rights Reserved. 【応用編】DeepResearchの大まかな構成 49 ユーザーの質問を元に Web検索で一次調査
大まかな出力レイアウトと 調査項目の出力 分解した調査項目ごとの Web検索と思考で調査 調査結果をまとめて 再度出力レイアウトの決定
©Knowledge Sense, Inc. All Rights Reserved. 【応用編】DeepResearchの大まかな構成 50 ユーザーの質問を元に Web検索で一次調査
大まかな出力レイアウトと 調査項目の出力 分解した調査項目ごとの Web検索と思考で調査 調査結果をまとめて 再度出力レイアウトの決定 select: Web検索で関連情報を取得 write: 検索後の情報を集約して出力
©Knowledge Sense, Inc. All Rights Reserved. 【応用編】DeepResearchの大まかな構成 51 ユーザーの質問を元に Web検索で一次調査
大まかな出力レイアウトと 調査項目の出力 分解した調査項目ごとの Web検索と思考で調査 調査結果をまとめて 再度出力レイアウトの決定 select: 調査内容を読み込み write: レイアウト、検索すべき項目を出力
©Knowledge Sense, Inc. All Rights Reserved. 【応用編】DeepResearchの大まかな構成 52 ユーザーの質問を元に Web検索で一次調査
大まかな出力レイアウトと 調査項目の出力 分解した調査項目ごとの Web検索と思考で調査 調査結果をまとめて 再度出力レイアウトの決定 write: 調査内容の出力 select: Web検索で情報収集 compress: 調査内容の要約 isolate: 調査項目ごとに分解
©Knowledge Sense, Inc. All Rights Reserved. 【応用編】DeepResearchの大まかな構成 53 ユーザーの質問を元に Web検索で一次調査
大まかな出力レイアウトと 調査項目の出力 分解した調査項目ごとの Web検索と思考で調査 調査結果をまとめて 再度出力レイアウトの決定 select: 調査結果のよみこみ
©Knowledge Sense, Inc. All Rights Reserved. 再掲: コンテキストエンジニアリングまとめ • LLM向けのデータ管理方法を体系的にまとめたもの
• LLMを使ったシステムの開発に主に使用される考え方 • プロンプトの重要性が失われたわけではない 54