🛠️

GPT-5.5とClaude Opus 4.7で変わるプロンプト設計: 7要素構造とeffortの実務的な使い分け

に公開
AI
OpenAI
promptengineering
Claude
Codex
tech

GPT-5.5とClaude Opus 4.7のプロンプト設計を比べると、どちらも「明確に書く」ことは共通しています。ただし、実務で設計すべきポイントは違います。

GPT-5.5では、成果物の仕様を先に固定する「契約」としてプロンプトを作ります。一方、Claude Opus 4.7では、SKILL.mdのdescriptionやeffortを使って「いつ起動するか」「どの深さで考えるか」を設計します。

この記事では公式ドキュメントの要点を、Codex SKILLとClaude Code agentの実装テンプレートに落とし込みます。

まず結論: 設計ポイントの違いを把握する

同じ「アウトライン設計エージェント」を作る場合でも、設計のポイントが根本的に異なります。

設計項目 GPT-5.5（Codex SKILL） Claude Opus 4.7（SKILL.md）
設計の中心 成果物の定義（何を出すか） 起動条件の定義（いつ・なぜ動くか）
構造 7要素のMarkdown（Role/Personality/Goal/Success criteria/Constraints/Output/Stop rules） YAMLヘッダー + XMLタグ（role/context/task/constraints）
推論深度の制御 明示的な設定なし effortとadaptive thinkingで設定
トリガー設計 Stop rulesで停止条件を明示 descriptionでルーティング条件を記述
文脈の扱い Goal・Success criteriaで成功状態を固定 contextタグに厚く・丁寧に与える
安全性の担保 開発者がStop rulesを書く Constitutional AIで組み込み済み

よくあるNG例: 役割だけ書いてしまうプロンプト

あなたは優秀なブログ編集者です。アウトラインを作ってください。

このプロンプトでは、エージェントが正しく動けません。「何文字のアウトラインを作るのか」「どんな読者向けなのか」「どこで止まればいいのか」がわかりません。

欠けている要素は3点です：

  • 成功状態の欠如: 「どんな状態になったら完成なのか」が定義されていない
  • 停止条件の欠如: 「どんな状況で止まるべきか」がないため、不確かな情報でも突き進んでしまう
  • 協働スタイルの欠如: 「ユーザーと対話すべきか、自律的に完結すべきか」が明示されていない

GPT-5.5式: 7要素で「成果物の契約」を作る

GPT-5.5向けのプロンプトは、7つの要素で「何を・どこまで・どんな形で出すか」を先に固定します（Outcome-first設計）。

各要素の役割

  • Role: 「技術ブログのアウトライン設計エージェント」のように、担当する成果物の名称を含めて1〜2文で固定
  • Personality: キャラクターではなく協働スタイルを記述（「直接的に答える」「根拠が弱い主張は保留する」など）
  • Goal + Success criteria: 「何をするか」ではなく「何が達成された状態がゴールか」を書く。Success criteriaは検証可能な完了条件を箇条書きで列挙
  • Constraints: やらないこと・越えてはいけないラインを記述
  • Output: 出力形式・ファイル形式・含まれるべき項目を明示
  • Stop rules: エージェントが自律的に停止すべき条件を明示（最重要）

GPT-5.5式 実装テンプレート

Role: 技術ブログのアウトライン設計エージェント

# Personality
直接的。根拠が弱い主張は保留する。ユーザーが提供した公式情報を優先する。

# Goal
WordPress向け技術記事のH2/H3構成と各セクションの狙いを作る。

# Success criteria
- H2見出しが3〜5本、各H2下にH3が2〜3本含まれる
- フォーカスKWが少なくとも1つのH2タイトルに含まれる
- 使用したすべての公式情報に出典URLが付いている

# Constraints
- 公式ドキュメントに記載のない内容を断定しない
- モデル名（GPT-5.5、Claude Opus 4.7など）を曖昧な表記にしない
- 1回の広い検索を実施し、十分な引用根拠があれば再検索しない

# Output
- Markdown形式のH2/H3構成
- 各セクションのtarget_keywords（1〜3語句）
- コードサンプルが必要な箇所のメモ

# Stop rules
- 出力パスが指定されていない場合は実行前に確認する
- 根拠が不足している主張は「要確認」として止める
- テーマが広すぎる場合は絞り込みを求めて停止する

このテンプレートでは、エージェントが「いつ完了するか」「何が足りないと止まるか」が明確に定義されています。

参考: GPT-5.5 Prompt Guidance（公式）

Claude Code式: SKILL.mdで起動条件と推論深度を設計する

Claude Opus 4.7向けのプロンプトは、SKILL.mdのYAMLヘッダーとXMLタグを組み合わせて「いつ・どの深さで思考するか」を設計します。

descriptionが最重要: ルーティング条件を記述する

SKILL.mdのYAMLヘッダーにあるdescriptionフィールドは、Claude Codeのルーティングシステムが参照します。「どんな状況でこのスキルを使うべきか」「何の前・何の後に使うか」「何をしないか」を1〜3文で記述します。このdescriptionの質がスキルの自動選択精度を決定します。

effortパラメータで推論深度を設計する

Claude Opus 4.7では、effortパラメータで推論の深さを制御できます。これはGPT-5.5には存在しない設計要素です。

effort 用途
low 単純な変換・フォーマット変換など、深い思考が不要なタスク
medium 標準的な記事執筆・コードレビューなど
high 複数ドキュメントの比較・長期設計など
xhigh 複数公式ドキュメント比較・複雑なアーキテクチャ設計など

thinking: adaptiveと組み合わせると、タスクの複雑さに応じて推論深度が自動調整されます。

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=64000,
    thinking={"type": "adaptive"},
    output_config={"effort": "xhigh"},  # 複数公式ドキュメント比較・長期設計
    messages=[{"role": "user", "content": "WordPress技術記事のアウトラインを設計してください..."}],
)

Claude Code式 実装テンプレート

---
description: WordPress技術記事のSEO最適化アウトラインを設計する。リサーチ結果・対象読者・フォーカスKWを受け取り、H2/H3構成・検索意図・コード例配置を含むoutline.mdを生成する。Geminiリサーチ完了後かつwp-article-writer呼び出し前に使う。outline.mdの生成のみを行い、記事本文の執筆は別スキルに委譲する。

Recommended runtime:
- model: claude-opus-4-7
- thinking: adaptive
- effort: xhigh（複数公式ドキュメント比較・長期設計の場合）
---

<role>
あなたはSEOに精通したブログ編集長です。技術記事のアウトラインを設計します。
このフォーマットをすべての出力セクションに適用してください。
</role>

<context>
対象読者: {{ reader_persona }}
リサーチ結果: {{ research_summary }}
出典リスト: {{ sources }}
</context>

<task>
以下の形式でoutline.mdを生成し、{{ output_path }}に保存してください:
- フォーカスKW（1語句）
- 関連KW（3-5語句）
- 検索意図（1行）
- H2 3-5本 / 各H2下にH3 2-3本
- 各セクションにtarget_keywords

outline.mdの生成のみを行う。記事本文の執筆はしない。
</task>

<constraints>
- タイトルはフォーカスKWで始める（32-60文字）
- H2は最低1つにフォーカスKWを含める
- コードサンプルが必要な箇所を明記する
- 公式情報と推測を分ける
- やらないこと: 記事本文の執筆、画像生成リクエスト、WordPress投稿
</constraints>

<constraints>の「やらないこと」を明示することで、スコープクリープを防ぎます。

参考: Anthropic Claude Prompting Best Practices（公式）

Claude向け指示で特に注意すること

Claude Opus 4.7は指示を文字通りに解釈します。「構成案を作る」という指示では、「どの公式情報を参照するか」「何を含めるべきか」「どこで止まるか」が指示されていないため、モデルが推測で補完します。

防ぐために以下の3点を必ず<constraints>内に明示します：

  • 反映範囲: 「提供した出典リストのURLのみを参照する」「学習データのみに基づく情報は『要確認』と付ける」
  • やらないこと: 「記事本文の執筆はしない」「画像生成リクエストは作らない」など、スコープ外のタスクを列挙
  • 停止条件: 「フォーカスKWが未指定の場合は確認してから進む」「出典URLが0件の場合は止まる」

設計思想の違い: GPT-5.5は契約、Claude SKILLは起動装置

GPT-5.5: outcome-first と Stop rules

GPT-5.5の設計思想は「outcome-first（成果物優先）」です。タスクを実行する前に「何が完成したら終わりか」を定義することで、モデルの動作を制御します。Stop rulesに代表される停止条件の明示が鍵で、安全性は開発者がプロンプト上にガードレールを設置します。

Claude Opus 4.7: Constitutional AI と explicit context

Claude Opus 4.7の設計思想の背骨にはConstitutional AIがあります。モデル自体に安全性の原則が組み込まれているため、開発者が明示的に書かなくても一定の安全性が保たれます。ただし、タスクのスコープ制限は依然として<constraints>に明示する必要があります。

explicit context（文脈の明示）を重視し、具体的な状況・目的・制約を与えることで、Claudeはより正確に意図を理解します。

参考: Constitutional AI（Anthropic公式）

実務での組み合わせ方

GPT-5.5とClaude Opus 4.7は競合ではなく、役割分担して使うことで最大の効果を発揮します。

Claude Codeが担う役割（effort: high〜xhigh）:

  • 複数の公式ドキュメントを比較してアウトラインを設計する
  • 生成されたコードをレビューして品質基準に合うか判断する
  • ユーザーの曖昧な要求を整理して実装可能な仕様に落とし込む

Codexが担う役割（7要素で成果物の契約を定義）:

  • Claude Codeが設計したアウトラインを元に記事HTMLを生成する
  • 定義されたSuccess criteriaをすべて満たすまで反復する
  • バッチ処理・繰り返し作業を自律的に実行する

Claude Code側のSKILL.mdには「Codexへのhandoffのタイミング」を明示し、Codex側のSKILLには「受け取るべき成果物の仕様」を7要素で定義します。両者を正しく設計することで、end-to-endの自動化パイプラインが安定して動作します。

まとめ

  • GPT-5.5（Codex） は7要素で「成果物の契約」を作る。outcome-first設計で、Stop rulesによる停止条件の明示が必須
  • Claude Opus 4.7 はSKILL.mdのdescriptionで起動条件を定義し、XMLタグで役割・文脈・制約を構造化する。effortパラメータで推論深度を設計対象にできる点がGPT-5.5にはない特徴
  • 共通のNG は「役割だけ書いて成功状態・停止条件・協働スタイルを省略すること」
  • 安全性の設計 はGPT-5.5がStop rulesを開発者が書き、Claude Opus 4.7はConstitutional AIでモデルに組み込み済み。ただしスコープ制限はどちらも明示が必要
  • 実務での役割分担 は、Claude Codeが計画・設計・レビューを担い、Codexが実装・検証・自律実行を担う構成が効果的

プロンプト設計の質は、エージェントが「期待通りに止まれるか」で決まります。

さらに詳しく

この記事では技術的な手順を中心にまとめました。
実際の業務にどう組み込んでいるか、導入時のつまずきポイントなど、
より詳細な運用レビューは以下のブログ記事にまとめています。

GPT-5.5とClaude Opus 4.7で変わるプロンプト設計: 7要素構造とeffortの実務的な使い分け

Discussion