自動プロンプト最適化 (DSPy)
読み: じどうぷろんぷとさいてきか（でぃーえすぱい）
最終更新: 2026-06-30・AI PICKS編集部
定義
自動プロンプト最適化（DSPy）とは、LLMへの指示文を人手で試行錯誤せずに、評価指標をもとにプログラムが自動で生成・改善するフレームワークのこと。
自動プロンプト最適化 (DSPy)とは — 詳しく解説
DSPy（Declarative Self-improving Python）はスタンフォード大学が開発したLLMプログラミングフレームワーク。「プロンプトを書く」のではなく「タスクと評価指標を宣言する」アプローチで、Few-shot例の選定・Chain-of-Thoughtの構造・指示文の文言を一括して自動最適化する。 2026年現在、実運用での採用は拡大しているが落とし穴も顕在化している。最大の課題はコスト。MIPRO v2等のオプティマイザーは内部でLLMを数十〜数百回呼び出すため、初回コンパイルだけで$10〜$30程度かかることがある。現場での選び方としては「一度最適化したプロンプトをJSONにシリアライズしてキャッシュ再利用」が定石だ。 次に「評価指標設計が全て」という問題がある。指標が不適切だとハルシネーションを増やす方向に最適化が走るケースも報告されており、自動化後も人間レビューとの組み合わせが必須となる。モデル切り替え時（例: GPT-4o→Gemini 2.5 Pro）は再コンパイルが必要な点も見落とされがちだ。相場感としては、小中規模パイプラインなら月$50以内に収まるが、複雑なマルチステップ構成では$200超えもある。AI PICKSが観測した事例では、RAG精度をDSPyで最適化したチームがF1スコアを0.72→0.85に改善しつつも、再最適化コストの予算化を見落として運用コストが膨らんだ例が複数あった。
自動プロンプト最適化 (DSPy)の使用例
- 顧客問い合わせ分類タスクでMIPROv2を使いFew-shot例を自動選定。手動チューニング比で精度15%向上、月30時間の作業を自動化した実例。
- RAGパイプラインの検索クエリ生成をDSPyで最適化し、Chain-of-Thought構造のみ変化させてF1が0.72→0.85に改善した現場報告。
自動プロンプト最適化 (DSPy)に関連するAIツール
関連用語
「プロンプト技法」の他の用語
AI への指示文。 役割 + タスク + 制約 + 文脈 の 4 要素を明示するのが基本。
AI への指示文を 設計する技術。 役割・タスク・制約・文脈 の 4 要素 + Few-shot などのテクニック。
AI に「お手本の例」を 3-5 件見せてから タスクを依頼する手法。 出力フォーマットが安定する。
AI に「ステップごとに考えてください」と促し、 複雑な推論精度を上げる手法。
例示なしで AI にタスクを依頼する方法。 最新モデルは Zero-shot 精度が大幅に向上した。
システムプロンプトとは、AIアシスタントの応答スタイル・役割・制約をあらかじめ設定する隠し命令文のこと。ユーザーの入力より先に処理され、会話全体のトーンと動作範囲を規定する。
AI用語辞典をすべて見てみませんか
12カテゴリ・352語以上を体系的に整理しています
辞典トップへ