エージェント型エンジニアリング

• Break Down Complex Requirements – 選択した要件を分析し、元の意図を保ったまま、より小さく独立してテスト可能な要件に分割します。

  プロンプト例:

  Break down these requirements.

• Apply Requirement Writing Standards – 要件をレビューし、組織の要件記述ガイドラインに従って書き直します。一般的なチェック項目には、曖昧さ、検証不能な表現、欠落しているアクター、不明確な受け入れ基準などがあります。

  プロンプト例:

  Rewrite these requirements according to our requirement quality standard.

• Translate Requirements – 技術的な意味、用語、ID、トレーサビリティ参照を保持したまま、要件をある言語から別の言語へ翻訳します。

  プロンプト例:

  Translate these requirements to German.

• Classify Requirements – Electronics、Mechanical、Software、Safety、Security、またはその他の企業固有の分類体系など、組織の分類スキームを要件に適用します。

  プロンプト例:

  Classify these requirements according to our applicability model.

• Generate Verification Criteria – 要件を分析し、常に同じ方法で適合性を実証するために使用できる検証方法、受け入れ基準、または試験条件を提案します。

  プロンプト例:

  Generate verification criteria for these requirements.

• Summarize a Specification/Section/Group of Requirements – 仕様、要件セクション、または要件セットの簡潔で構造化された要約を生成します。

  プロンプト例:

  Summarize the selected requirements.

優れたスキルは、AIが次の2つを理解するのに役立ちます。

• そのスキルをいつ使うべきか

• スキル実行時にAIが何をすべきか

スキルを定義する際、 

これは3つのフィールドで表現され、それぞれのフィールドには異なる目的があります。

• Name – スキルを識別するのに役立ちます。

• Short Description – そのスキルが適切かどうかをAIが判断するのに役立ちます。

• Instructions – スキルが選択された後にAIが従うべき動作を定義します。

各フィールドの詳細については、以下のセクションを参照してください。

名前

Nameは、短く、明確で、行動指向であるべきです。これにより、そのスキルが何を目的としているのかをすばやく理解できます。優れた名前は通常、アクションと、そのスキルが扱うエンジニアリングデータの種類を表します。

優れたスキル名の条件は次のとおりです。

• 他のスキルと区別できる程度に具体的であること

• スキル一覧で見つけやすいよう十分に短いこと

• スキルが実行する主なタスクに焦点を当てていること

• ユーザーが自然に理解できる言葉で書かれていること

広すぎる、または一般的すぎる名前は避けてください。その名前が多くの異なるタスクに当てはまる場合、おそらく十分に具体的ではありません。

短い説明

Short Descriptionは、そのスキルが何に関するものか、またいつトリガーされるべきかをAIが理解するのに役立ちます。このフィールドは重要です。なぜなら、スキルを手動で選択する必要がないためです。アシスタントはプロンプトを解析し、利用可能なスキルと照合して、そのスキルが関連するかどうかを判断します。

優れた短い説明では、次の点を説明する必要があります。

• そのスキルが実行するタスク

• 適用対象となるエンジニアリングデータの種類

• そのスキルを使うべきタイミング

• そのスキルによって期待される結果

短い説明は簡潔であるべきですが、曖昧であってはいけません。AIがこのスキルを類似のスキルと区別できるよう、十分な文脈を含める必要があります。

不十分な短い説明は、そのスキルが属する分野を述べるだけです。優れた短い説明は、具体的なタスク、想定される文脈、トリガーとなる状況を説明します。たとえば、「要件に役立つ」と説明するのではなく、そのスキルが要件の品質レビューを行うのか、複雑な要件を分解するのか、要件テキストを翻訳するのか、競合を検出するのか、検証基準を生成するのか、あるいは別の特定のアクションを実行するのかを説明するべきです。

短い説明がスキルの目的と使用文脈をより的確に説明するほど、アシスタントはそれをいつ適用すべきかをより確実に判断できます。

指示

Instructionsは、スキルが選択された後にAIが何をすべきかを定義します。これは、スキルの動作を制御するうえで最も重要なフィールドです。短い説明がAIにスキルをいつ使うかを判断させるのに対し、指示はスキルをどのように実行するかを定義します。

優れた指示は、明確で段階的なガイダンスとして記述されるべきです。最終出力だけでなく、その出力を生成する際にAIが従うべき推論や制約も記述する必要があります。

指示では、次の点を説明する必要があります。

• What the AI should analyze first – 何かを変更または生成する前に、アシスタントは通常、エンジニアリング上の意図、文脈、構造、または関係性を理解する必要があります。

• What steps the AI should perform – 出力に再現性と予測可能性を持たせるため、動作は明確なステップに分解する必要があります。

• What the AI should preserve – これには、元の意図、要件ID、技術用語、単位、値、制約、参照、適用範囲、階層、またはトレーサビリティの文脈が含まれる場合があります。

• What the AI must not do – 優れたスキルでは、不足しているエンジニアリング詳細をAIが作り出したり、意図を変更したり、新たな前提を導入したり、ユーザーレビューなしで変更を適用したりしないよう、明示的に防止します。

• How the AI should handle uncertainty – 情報が不足している、曖昧である、または不十分な場合、スキルはAIに推測させるのではなく、その問題を明確に示すよう指示する必要があります。

• What output format is expected – 結果を表、箇条書き、書き換えたテキスト、要約、チェックリスト、または構造化レポートのどの形式で返すべきかをスキルで定義する必要があります。

エンジニアリング作業では、アシスタントが仕様、妥当性確認、設計判断、または後工程の実装に影響するデータを扱う可能性があるため、優れた指示は特に重要です。したがって、スキルは、過度に自信を持たせることなくAIが有用に機能するよう導く必要があります。

その他の注意事項

• 目的は長いプロンプトを書くことではありません。目的は、AIのための明確な実行手順を定義することです。

• Keep Skills Focused

  1つのスキルは、1つの反復可能なタスクを確実に実行できるべきです。

  1つのスキルで多くのことをやろうとすると、アシスタントにとっていつ使うべきかの判断が難しくなり、ユーザーにとっても出力を信頼しにくくなります。たとえば、要件分解、翻訳、品質レビュー、トレーサビリティ分析、検証生成を、意図的に1つの厳密に定義されたワークフローの一部として設計していない限り、1つのスキルにまとめるべきではありません。

  スキルの目的上、複数の無関係なアクションが必要な場合は、別々のスキルに分割してください。

• Define Boundaries Clearly

  優れたスキルは、境界を明確に示します。

  これは、要件、仕様、およびエンジニアリングデータを扱う場合に特に重要です。アシスタントは、何を変更してよいのか、何は提案のみにとどめるべきか、何を決して仮定してはならないのかを理解している必要があります。

  有用な境界の例は次のとおりです。

  • 元のエンジニアリング上の意図を変更しない

  • 値、制約、または設計判断を作り出さない

  • IDや参照を削除しない

  • 不足している検証方法を仮定しない

  • ユーザーレビューなしで変更を自動適用しない

  • 不明確な情報を事実として扱わない

  明確な境界は、もっともらしいが誤ったエンジニアリング出力のリスクを低減します。

• Define the Output Format

  スキルは、結果をどのように返すかをAIに指示する必要があります。

  一貫した出力形式により、スキルのレビュー、比較、再利用が容易になります。

  スキルに応じて、出力形式は次のようなものが考えられます。

  • 表

  • 箇条書き

  • 書き換えた要件

  • 構造化レポート

  • チェックリスト

  • 要約

  • 提案された変更の一覧

  • 質問または未解決事項の一覧

  出力形式は、スキルの目的に合っている必要があります。たとえば、レビュー重視のスキルは、問題、説明、推奨事項の列を持つ表形式が適していることが多いです。書き換え重視のスキルは、元のテキスト、提案出力、根拠を示す形式が適していることが多いです。