このドキュメントでは、GiselleのGenerator Node専用にカスタマイズされた効果的で具体的なプロンプト例を提供します。AnthropicのClaude、GoogleのGemini、OpenAIのGPT-4o、PerplexityのSonar、画像生成用のFal AIなど、さまざまなマルチモーダルAIモデルを活用します。

​
基本例

​
1. GPT-4oを使用した技術的質問

Role: 経験豊富なプログラマー

Task:
Pythonのリストから一意な要素を取り出す最も効率的な方法を説明してください。

Output Format:
- 簡潔な説明
- 明確に手法を示すPythonコード例
このプロンプトが効果的な理由：
  • 明確な役割定義がAIの立場を調整します。
  • 明示的な指示と明確な出力期待です。
  • プログラミング言語を明示的に指定しています。

​
2. Fal AIを使用した画像生成

Role: グラフィックデザイナー

Task:
「QuantumLeap」という名前のテクノロジースタートアップのための高品質でミニマリストなロゴを生成してください。

Constraints:
- Model: flux-pro/v1.1
- 配色: 青と白
- スタイル: モダン、ミニマリスティック

Output Format:
- PNG画像 (1024x1024)
このプロンプトが効果的な理由：
  • 役割とクリエイティブな制約を明確に定義しています。
  • 高品質な出力のために特定のFal AIモデルを利用しています。
  • 即座に使用可能な正確な出力形式です。

​
上級例

​
1. Geminiを使用したマルチモーダル分析

Role: 業界アナリスト

Task:
添付されたPDF業界レポートと付随のインフォグラフィック画像を分析してください。

Steps:
1. PDFから主要な発見を要約する。
2. インフォグラフィックで視覚化されたトレンドを特定し、説明する。
3. 組み合わせた洞察に基づいて戦略的アクションを推奨する。

Constraints:
- Model: Gemini 2.5 Pro

Output Format:
- 簡潔な要約
- 明確に説明された視覚的トレンド
- 箇条書きでまとめた戦略的推奨事項
このプロンプトが効果的な理由：
  • Geminiのマルチモーダル機能を明確に活用しています。
  • 順次的で構造化された指示です。
  • 正確な機能利用を確実にするためにモデルを明示的に指定しています。

​
2. Claudeを使用した倫理分析とコンテンツ構造化

Role: 倫理コンサルタント

Task:
AI監視技術に関する提供された研究論文をレビューしてください。

Steps:
1. 倫理的含意を特定する。
2. 展開のための実用的な倫理ガイドラインを提案する。

Constraints:
- Model: Claude 3.7 Sonnet

Output Format:
- 明確にリスト化された倫理的含意
- 実行可能なポイントとして構造化された実用的ガイドライン
このプロンプトが効果的な理由：
  • タスクをClaudeの繊細な理解における強みに特化しています。
  • Claudeの推論や分析機能を最大化するように明確に構造化されています。

​
統合ワークフロー例

​
1. 包括的な市場調査ワークフロー

ステップ 1 (Perplexity Sonar Pro):
Role: 市場調査員
Task: 持続可能な食品包装に関する最新の市場洞察をWebソースから収集してください。
Output Format: 引用付きの事実ベースの要約。

ステップ 2 (Claude 3.7 Sonnet):
Role: 持続可能性アナリスト
Task: ステップ 1の洞察を倫理や持続可能性の観点から分析してください。
Output Format: 分析要約と推奨事項。

ステップ 3 (GPT-4o):
Role: テクニカルライター
Task: 洞察と推奨事項を構造化された業界レポートにフォーマットしてください。
Output Format: マークダウン形式のプロフェッショナルドキュメント。

ステップ 4 (Fal AI flux-pro/v1.1):
Role: グラフィックデザイナー
Task: 最終レポートのための魅力的なビジュアルカバー画像を生成してください。
Constraints: 持続可能性テーマ、プロフェッショナルスタイル
Output Format: 高品質カバー画像 (PNG, 1200x800)
このプロンプトが効果的な理由：
  • 複数のAIモデルの強みを順次的に明確に活用しています。
  • 明示的なモデル割り当てを伴う構造化された統合ステップです。
  • 包括的で、すぐに使用可能なワークフロー出力を生成します。

​
Giselleプロンプトの主要な効果的要素

効果的なGiselle Generator Nodeプロンプトには一般的に以下が含まれます：
  • 明示的な役割定義
  • 明確な制約とコンテキスト
  • 構造化された出力形式
  • 連続的またはステップ別の指示
  • 機能に対する特定のモデル選択
インパクトのあるプロンプト作成のための追加ガイダンスと実用的なコツについては、tips.mdxを参照してください。