このドキュメントでは、GiselleのGenerator Node内で効果的なプロンプトを作成するために特別に調整された、具体的で実行可能なコツを提供します。会話型UIとは異なり、Giselleは単発型プロンプトモデルを使用しており、各プロンプトは正確で独立して完結している必要があります。単一ノード内での会話による直接的な反復改良は不可能ですが、複数のノードを戦略的に連鎖させることで、慎重なノード統合と多様なデータソーシングを通じて出力品質を大幅に向上させることができます。

​
基本原則

​
1. 明確性と正確性の確保

  • AIモデルの役割を明確に定義します。
  • 曖昧さのない明示的で焦点を絞った指示を提供します。
❌ 悪い例：
「有用な発明について説明してください。」

✅ 良い例：
「Role: 技術史研究者

Task: 電話の発明について簡潔な要約（最大100語）を提供し、その歴史的意義と現代への影響を強調してください。

Output Format:
- 要約段落
- 明確に述べられた歴史的背景と現代的関連性」

​
2. 包括的なコンテキストの提供

  • プロンプト内で必要な背景と目的を明確に提供します。
  • タスクに関連する制約や期待を明示的に述べます。

​
3. 構造化された出力の指定

  • 希望する応答構造、長さ、スタイルを明確に概説します。
  • 形式を明示的に定義します（例：箇条書き、構造化された段落、JSON、画像寸法）。

​
高度なノード統合技術

​
1. 効果的な役割定義

役割を定義することで、AIがコンテキストに適した正確な出力を生成できるようにガイドします： 
✅ 例：
「Role: UXデザイナー

Task: 提供されたWebインターフェースデザインのユーザビリティの問題を評価してください。

Output Format:
- 特定された問題を明確にリスト化する
- 改善のための具体的な推奨事項を提供する」

​
2. 連続ノードチェーン

Giselleノードは単発型ですが、複数のノードを連続させることで反復的改良を達成できます：
  1. アイデアノード: 初期のアイデアやコンセプトを生成します。
  2. 下書きノード: 初期コンセプトから詳細な下書きを開発します。
  3. レビューノード: 下書きを批判的に評価し、改善を提案します。

​
3. マルチノードワークフローの活用

出力品質を最大化するために、ノード間で多様なAIモデルを組み合わせます：
  • Perplexity Sonar 研究と事実検証用
  • Claude 繊細な分析と倫理的考慮用
  • GPT-4o 構造化された創造的コンテンツ作成用
  • Fal AI 高品質な画像とビジュアルコンテンツ生成用

​
避けるべき一般的な落とし穴

​
1. 過度に制限的な指示

過度に硬直な制約を避けます： 
❌ 避けるべき例：
「正確に200単語で、正確に4つの例を含む詳細レポートを作成してください。」

​
2. 矛盾したまたは紛らわしい指示

指示が論理的に一貫していることを確認します： 
❌ 避けるべき例：
「高度な用語を使用して、非常に詳細でありながらシンプルな説明を提供してください。」

​
3. 曖昧または不完全なプロンプト

不明確な出力につながる曖昧な指示を避けます： 
❌ 避けるべき例：
「何か有用なことを説明してください。」

​
Giselleワークフローの最適化

​
1. 反復的ノード改良

  • 各ノードからの出力を定期的にレビューし、後続プロンプトを最適化します。
  • 複数のノードを戦略的に使用して、コンセプト、下書き、最終出力を反復的に洗練します。

​
2. テンプレートの戦略的使用

一貫した効果的な出力のためにプロンプトテンプレートを活用します： 
✅ Giselleテンプレート：

Role: [定義されたAIの役割]

Task: [明示的で正確なタスク説明]

Constraints:
- [特定の制約または制限]
- [必要に応じて追加の制約]

Input Data:
- [明確に参照または提供されたデータ]

Output Format:
- [応答の詳細な期待構造]

​
Giselle固有の推奨事項

​
1. 適切なAIモデルの選択

タスクの要件と機能に応じてAIモデルを注意深く選択します：
  • Claude: 繊細な倫理分析用
  • Gemini: 複雑なマルチモーダル入力用
  • GPT-4o: 構造化された出力とクリエイティブコンテンツ用
  • Fal AI: 画像生成タスク用

​
2. 視覚化とコラボレーション

  • GiselleのUI内でワークフローを明確に視覚的にマッピングします。
  • コラボレーションと明確性を向上させるためにワークフローをチームと共有します。
  • 標準的な会話型インターフェースを超えた高度で高品質な結果を達成するためにノードの組み合わせを実験します。

​
効果的なGiselleプロンプトの要点

  • 役割定義: AIモデルの役割を明確に明示する。
  • 精度: 正確で詳細な指示を提供する。
  • コンテキストの完全性: 必須のコンテキストと制約を含める。
  • 出力構造: 応答形式を明確に定義する。
  • ワークフロー最適化: 出力品質を向上させるために複数のノードを戦略的に連続させる。