プロンプトチェーンとは？業務分割でAIの精度を上げる手順と判断基準

この記事の監修者

リスキルAIキャリア編集部

リスキルAIキャリアは、AI時代の学び直し・キャリア形成・副業・転職に役立つ情報を発信するWebメディアです。編集部では、生成AIスキルの身につけ方、AI関連スクール・講座の選び方、キャリアアップにつながる学習方法などを、実務目線でわかりやすくお届けしています。

プロンプトチェーンは、成果物が「調査→構成→執筆→校正」のように工程で分かれる作業に向きます。単純な要約・翻訳・単発質問には不向きで、分割すると手間だけが増えます。一発で頼んで品質が出ない人ほど、分割による作り直しの削減効果が出やすいです。

この記事は、副業や転職の成果物（提案文・職務経歴書・業務改善レポート）にそのまま使う前提で書いています。やり方に加え「分けない基準」「手動で足りるか、ツールが要るか」まで判断できるようにします。ツール事情は2026年7月時点の一般的な機能を基準にし、年1回見直す運用とします。

プロンプトチェーンとは？一発指示との違い

プロンプトチェーンとは、1つの大きな指示を工程ごとに分割し、前の出力を次の入力に渡して積み上げる設計です。英語では prompt chaining と呼びます。1回のプロンプトで全部やらせる「一発指示」と対になる考え方です。

個人利用ではChatGPTやClaudeに順番に貼り付けて使います。LLMアプリ開発ではDify等でノードを接続し、同じ流れを自動化します。途中確認が入るため、前工程の誤りを後工程に渡しにくいのが最大の利点です。

一発指示が崩れるのは、AIが同時に複数の判断を抱えると出力が不安定になるからです。Anthropic公式のChain complex prompts for stronger performanceでも、複雑なタスクをサブタスクに分割する手法として prompt chaining が推奨されています。

同じ素材で比べる：一発指示 vs 4ステップ

職務経歴書の自己PRで、同じ経歴メモを使って差を比べます。まず一発指示のプロンプト全文です。

• 一発指示：「次の私の経歴メモから、営業職向けの職務経歴書の自己PRを200字で書いて。[経歴メモを貼付]」

次にチェーン化した4ステップのプロンプト全文です。前工程の出力をそのまま次に貼り付けます。

1. 「次の経歴メモから、実績になりそうな出来事を10件、箇条書きで抽出して。評価は不要。」
2. 「上の10件を、数値（金額・件数・期間・割合）を補える形に書き換えて。数値が不明な項目は『要確認』と明記して。」
3. 「上のリストを、営業職の求人向けに200字の自己PRへ要約して。誇張はしない。」
4. 「上の自己PRを、事実の飛躍と根拠のない主張だけ指摘して。修正案は出さない。」

出力差は、次のチェック表で判断してください。抽象的な「精度が上がる」ではなく、項目ごとに確認できる形にしています。

プロンプトチェーンとCoT・メタプロンプトの違い

プロンプトチェーンとCoT（思考の連鎖）は似ていますが目的が違います。CoTは1回のプロンプト内でAIに考える過程を書かせる技法です。チェーンは複数のプロンプトを人やツールがつなぎます。

CoTは「1回の中の思考」、チェーンは「複数回の連結」

CoTは「ステップごとに考えて」と指示し、推論を1回の応答で完結させます。チェーンは出力をいったん受け取り、確認してから次のプロンプトに渡します。CoTは内部の思考、チェーンは工程の分業と覚えると混同しません。

両者は併用できます。各ステップの中でCoTを使い、ステップ間をチェーンでつなぐ形が実務では扱いやすいです。CoTの使いどころは思考の連鎖プロンプトとは？2026年の使いどころと書かない基準で解説しています。

メタプロンプト・フレームワークとの使い分けマップ

技法は目的で選びます。以下がPEP（プロンプトエンジニアリング）的なスキル体系での位置づけです。

型が定まらないときはフレームワークから始めます。プロンプトのフレームワーク9選｜暗記より使い分けで成果を出すで、タスク別の使い分けを確認してください。

プロンプトチェーンのやり方4ステップ

やり方は「分解→順序化→接続→検証」の4ステップです。いきなりプロンプトを書かず、まず工程を紙に書き出します。ここを飛ばすと分割の意味が薄れます。

工程フローは次の流れです。各矢印の前で人が出力を確認します。

• 入力素材 → ①要点抽出 → ②入出力定義 → ③接続（前出力を貼付）→ ④レビュー → 成果物

ステップ1：成果物から逆算して工程を分解する

最終成果物を先に決め、そこから必要な工程を逆算します。職務経歴書なら「①経歴の棚卸し→②実績の数値化→③応募先に合わせた要約→④文章の校正」です。1ステップ＝1つの判断に絞るのが分解の基本です。

ステップ2：各ステップの入出力を定義する

各ステップで「何を受け取り、何を出すか」を1行で書きます。例えばステップ2は「入力：経歴の箇条書き／出力：数値付き実績リスト」です。入出力が曖昧だと接続時に情報が抜けます。

ステップ3：前の出力を次に渡して接続する

前ステップの出力を、次のプロンプトに丸ごと貼り付けます。手動なら「以下は前工程の出力です」と明記して渡します。要約せず原文を渡すと、情報の欠落を防げます。

ステップ4：ステップごとに人がレビューする

各ステップの出力を人が確認してから次へ進みます。誤りを早期に止めるのが目的です。全工程が終わってからまとめて直すと、後工程が全部やり直しになります。

プロンプトチェーンを分けない基準（過剰分割の逆効果）

分割は万能ではありません。分けすぎるとコンテキストが分断され、手間だけ増えて品質は上がりません。ここが競合記事にほぼ無い判断ポイントです。

分けないほうがよい3つのサイン

次のいずれかに当てはまるなら、無理に分割しないでください。

• 工程が2つ以下で、判断が1種類しかない（例：翻訳、要約、誤字修正）
• 前工程の文脈を後工程が強く必要とし、分けると情報が切れる
• 1回の応答でも十分な品質が出ている

ステップ数を決める判断表

ステップ数は成果物・確認回数・情報量・頻度で決めます。以下は運用上の目安で、厳密な性能保証ではありません。

工程を分けるたびにコピペと確認のコストが発生します。得られる品質向上がその手間を上回らないなら、分割は逆効果です。

分割前に疑うべき「そもそも指示が悪い」ケース

品質が出ない原因が分割不足でなく、指示文の不備であることは多いです。役割・前提・出力形式が抜けているだけなら、分割しても直りません。症状別の切り分けはプロンプトが効かない原因5つ｜症状別診断と直し方【コピペ例付き】で確認できます。

プロンプトチェーンは手動とツールどちらで使う

最初は手動（コピペ運用）で足ります。ツール化は「同じ工程を繰り返す」ときに検討します。線引きを間違えると、学習前にツール設定で消耗します。

手動（コピペ）で足りるケース

単発・少量の作業は手動が速いです。職務経歴書1通、提案文1本、レポート数本なら、ChatGPTやClaudeに順番に貼り付ければ完結します。OpenAIのOpenAI Cookbookでも、処理を複数ステップに分けて評価・検証する設計例が公開されています。月に数回しか使わない工程を自動化するのは、投資対効果が合いません。

Dify等ツールが必要になるケース（最小構成例）

同じチェーンを毎日・大量に回すならツール化します。Difyでの最小構成は次の通りです。Difyの機能はWorkflow・LLM node・HTTP request node等で、Dify公式ドキュメントに定義があります。

1. Start：入力欄「元資料」「成果物の種類」「対象読者」
2. LLM 1：要点抽出
3. LLM 2：構成作成
4. LLM 3：本文生成
5. LLM 4：チェックリスト評価
6. End：本文＋修正指摘を出力

自動化ツールは用途で選びます。次の1行基準が目安です。

• Dify：LLMワークフローそのものを組みたい場合
• n8n：社内ツールやAPI連携まで含めたい場合
• Zapier：非エンジニアがSaaS連携を簡単に組みたい場合

まず手動で工程を固め、安定してからツールに移すのが作り直しを減らす順序です。工程が固まらないうちのツール化は作り直しが増えます。

誤り・幻覚の伝播を止めるレビュー設計

プロンプトチェーン最大のリスクは、初期ステップの誤りが後工程に伝播することです。ステップ1で事実を捏造すると、以降が全部その誤りに乗ります。Anthropic公式も分割時の各段階検証を前提としています。ここを人のレビューで止めます。

各ステップに置くチェックポイント

工程ごとに「確認すべき一点」を決めます。

• 抽出工程：入力に無い情報を足していないか
• 数値化工程：数字の根拠があるか、無いなら「要確認」と明記されているか
• 執筆工程：前工程の事実を勝手に変えていないか
• 校正工程：事実の飛躍だけを指摘し、内容を膨らませていないか

次工程へ進めない停止条件

「レビューしましょう」ではなく、どの状態なら止めるかを決めます。次の条件に触れたら本文生成へ進めません。

• 入力に無い固有名詞・数値・日付が出たら次工程へ進めない
• 「要確認」が3件以上ある場合は、本文生成に進まず追加確認を行う
• 事実確認が必要な出典URLがない場合は、外部公開用記事にしない
• 職務経歴書では、実績数値の根拠を本人が説明できない場合は削る

レビューは「事実」と「表現」を分け、先に事実を固めてから表現を整えると、後戻りが減ります。

失敗ステップの特定方法

出力がおかしいときは、最後から1ステップずつ入力を確認します。ある工程の入力は正しいのに出力が崩れるなら、その工程のプロンプトが原因です。全体を作り直さず、そこだけ修正します。

副業・転職・業務改善の完成形テンプレ

3つの用途で、コピペできる各ステップのプロンプトと評価基準を示します。工程名だけでなく本文をそのまま使えます。

1. 副業提案文チェーン

入力素材：相手の募集要項、自分の実績メモ、料金の希望。

1. 「次の募集要項から、相手が困っている課題を3つ、優先度順に抽出して。推測は『推測』と明記して。」
2. 「上の課題に対し、私の実績メモで解決できる提供内容を3項目以内で対応づけて。」
3. 「上の対応づけを、提案文の本文に整えて。1文目に相手の課題、末尾に納期・料金・成果物を明記して。誇張はしない。」
4. 「上の提案文を、実績の誇張と根拠のない主張だけ指摘して。修正案は出さない。」

最終出力の評価基準は次の通りです。

• 相手の課題が1文目にある
• 提供内容が3項目以内
• 納期・料金・成果物が明記されている
• 誇張した実績がない

2. 職務経歴書の自己PRチェーン

入力素材：経歴メモ、応募先の求人票。前掲の4ステップをそのまま使います。

1. 「経歴メモから実績になりそうな出来事を10件、箇条書きで抽出して。」
2. 「上を数値（金額・件数・期間・割合）付きに書き換えて。不明は『要確認』と明記。」
3. 「上を応募先の求人票に合わせ200字の自己PRへ要約して。誇張はしない。」
4. 「上の自己PRの事実の飛躍だけ指摘して。修正案は出さない。」

評価基準は「数値の根拠を本人が説明できる」「応募先の要件に論点が対応」「200字以内」の3点です。応募先ごとにステップ3だけ差し替えれば複数社に展開できます。

3. 社内業務改善レポートチェーン

入力素材：現状の作業手順、かかっている時間、改善したい点。

1. 「次の作業手順から、時間がかかっている工程を上位3つ、根拠となる時間とともに整理して。」
2. 「上の3工程それぞれに、改善案を1つずつ、想定効果と前提条件を添えて出して。」
3. 「上をA4半分のレポートに整えて。構成は『現状→課題→改善案→想定効果→次の一歩』にして。」
4. 「上のレポートで、数値の根拠が示せない箇所と過大な効果予測だけ指摘して。」

評価基準は「時間の根拠が示されている」「改善案に前提条件がある」「効果予測が過大でない」の3点です。評価基準を先に決めると、出力のばらつきを最終工程で止めやすくなります。

プロンプトチェーンを学ぶなら、PEP検定で確認すべき範囲

プロンプトチェーンは、単体の技法だけでは再現性が出ません。次の基礎がないと、工程を分けても品質が安定しません。

• タスク分解：成果物から逆算して工程を切る
• 入出力設計：各工程の受け渡し形式を決める
• 制約条件の指定：字数・禁止事項・出力形式
• 評価・改善：出力を基準で判定し直す
• ハルシネーション対策：捏造を止める停止条件

これらはPEP検定（生成AIパスポート／プロンプトエンジニアリング領域）の出題範囲と重なります。受検前に、自分がどちらに当てはまるか確認してください。

出題範囲は公式で更新されるため、受検前に必ず一次情報を確認してください。学習の全体像と該当範囲はPEP検定の勉強法を公式シラバスから逆算｜難易度・勉強時間・受験手順を解説で確認できます。

よくある質問

プロンプトチェーンはChatGPTのカスタムGPTでも作れる？

1つのカスタムGPT内で複数工程を順に進める形なら作れます。ただし各工程の出力を人が止めて確認する運用は、通常のコピペ運用のほうが管理しやすいです。定型化して他者と共有したい段階になったら、Dify等のワークフローへ移すと停止条件を組み込めます。まずは手動で工程を固めてください。

Claude Projectsでプロンプトチェーンは使える？

Projectsは共有資料や指示を保持できるため、同じ素材を使うチェーンと相性が良いです。前工程の出力を貼り付けながら順に進める運用ができます。プロジェクト全体の指示に「工程ごとに止めて確認を待つ」と書いておくと、暴走を抑えられます。機密資料を扱う場合は、利用規約とデータ取扱いを事前に確認してください。

Difyでプロンプトチェーンを作るときの最小構成は？

Start・LLMノード・Endの3種で組めます。本記事の例では、Startで元資料と成果物の種類を受け取り、LLMノードを要点抽出→構成→本文→評価の順に並べ、Endで本文と修正指摘を出します。まず手動で安定した工程だけをノード化してください。ノードの仕様はDify公式ドキュメントで確認できます。

プロンプトチェーンとLangChainは何が違う？

プロンプトチェーンは「工程を分けてつなぐ設計思想」です。LangChainはその設計をコードで実装するためのライブラリの1つです。手動運用やDify等のGUIでも同じチェーンは実現できます。開発でコード制御や外部データ連携まで踏み込むならLangChain、非エンジニアがまず組むならGUIから始めると迷いません。

プロンプトチェーンは業務利用で情報漏えいリスクがある？

入力した情報がどこまで保持・学習されるかはツールと契約プランで変わります。社内資料や個人情報を渡す前に、各サービスのデータ取扱いと学習利用の可否を確認してください。停止条件に「機密情報を含む場合は外部SaaSに送らない」を加えると事故を防げます。手法の定義や具体例はPrompt Engineering Guideでも確認できます。