「コンテキストを渡してください」。そう言われても、何を渡せばよいのか。言葉だけではちょっとわかりにくいですよね。仕事を手伝ってもらうときの頼み方で考えてみましょう。
最初は、頼みごとと資料を分ける
プロンプトはAIへの問いかけや指示です。「お礼のメールを短く書いて」がその一つです。
コンテキストは、AIが今回の答えを作るときに参照する情報です。相手が誰か、何へのお礼か、どんな文章にしたいか。会話の履歴や渡した資料なども含まれます。プロンプトそのものがコンテキストの一部になることもあります。完全に別のもの、というわけではありません。
机にたとえると、プロンプトは「この仕事をお願いします」と書いた紙です。コンテキストはその紙も含めて、いま机の上で見られる資料です。
- 目的を伝える何を作ってほしいか
- 前提を渡す誰に・何のために・どんな条件で
- 答えを確かめる元の情報と合っているか
メールの下書きで比べてみる
架空のモデルケースです。実在の顧客や案件の情報は使っていません。
まずは「お礼のメールを書いて」と頼んでみます。でも、誰に、何のお礼をするのでしょう。この一言だけでは決まっていません。
何を足すか思いつかないときは、次の3つの空欄を埋めてみましょう。
- 誰に？ → 取引先の担当者に。
- 何のお礼？ → 今日の打ち合わせのお礼。
- どんな文章？ → 短く、丁寧に。
つなげると「取引先の担当者に、今日の打ち合わせのお礼を、短く丁寧なメールで書いて」になります。このお願いの文がプロンプトです。その中の相手や出来事などは、AIが答えを考える手がかり、つまりコンテキストになります。
次はこう頼んでみます。
架空の取引先A社へ、今日の打ち合わせのお礼を伝えるメールの下書きを作ってください。相手は初めて会った担当者です。丁寧な文章で、件名と本文を分けてください。資料は明日送る予定です。価格や納期の約束は付け足さないでください。
「お礼の下書きを作る」が依頼です。「初めて会った」「資料は明日」「約束を足さない」は、どう書いてほしいかを伝えるための前提です。ただし、ここまで伝えても間違うことはあります。送る前には内容を確認しましょう。
モデルは、文章を作るしくみ
モデルは学習したパターンを使って、入力に応じた文章などを作る計算のしくみです。机のたとえなら、作業をする担当役に当たります。ただ、人間のように仕事の事情を理解したり、覚えたりしていると決めつけないことが大切です。
使うアプリとモデルも同じではありません。アプリには画面やファイルを読む機能、検索など、モデル以外のしくみも含まれます。
机の広さにも限りがある
少し慣れたら、次の3語を読んでみてください。今日全部を覚える必要はありません。
- トークンは、AIが文章などを扱うときの小さな単位です。積み木のようなものです。日本語の1文字や、英語の1単語と必ず一致するわけではありません。
- コンテキストウィンドウは一度の処理で扱える情報量の枠です。机の広さに当たります。入力だけでなく出力などもこの枠に関係し、計算方法はモデルによって異なります。
- メモリはあとで使うために情報を残す機能やしくみです。引き出しのメモに近いものです。保存されたことと、今回その情報が参照されていることは別です。
長い会話では、一部が要約されたり、次の処理へ渡されなかったりすることがあります。対応は製品によって違います。「前に言ったから大丈夫」とせず、重要な条件を短く再掲すると確認しやすくなります。コンテキストやトークンの基本は、OpenAIの公式資料でも説明されています。
会議の案内で試してみる
「会議の案内を書いて」という依頼に、どんな前提を足したいでしょう。実名を使わず、3つ考えてみてください。
答えの例は「誰に送るか」「日時と場所」「何を決める会議か」です。頼みごとだけでなく、その仕事に必要な資料を机に置く、と考えると整理しやすくなります。
MEEの場合
自分の仕事に置き換えるときは、無料の実践シートも使えます。頼むこと、渡す材料、確かめることを順番に書き出せます。
私は、難しい言葉を暗記するより「依頼の紙と、机に置く資料」と考えるところから始めたいと思います。自分の仕事に置き換えて説明できたら、次の言葉へ進むつもりです。
次はハーネスとエージェントの違いへ。仕事の当てはめに迷ったら、相談で整理する予定の内容もご覧ください。
資料確認日：2026年11月9日。製品ごとの保存設定や容量を一律に説明する記事ではありません。