Name: Googleの6時間プロンプトエンジニアリングコースを10分で (Google's 6 Hour Prompt Engineering Course in 10 Minutes)
Uploaded: 2026-01-22T23:51:55.000Z
Duration: 10 min 55 s
Description: VoiceTubeの動画で発音を聞きながら英語表現を覚えよう！学べる英語：

程度の副詞

I just finished Google's six hour prompt engineering course and it is hands down the best AI training I have ever taken.

Googleの6時間のプロンプトエンジニアリングコースを終えたのですが、これまでに受講したAIトレーニングの中で間違いなく最高でした。

So I'm saving you the time and I've packed every essential tactic Google revealed into this guide so you can master the entire system in under 12 minutes.

なので、皆さんの時間を節約するために、Googleが公開した全ての必須テクニックをこのガイドに詰め込みました。これにより、12分未満でシステム全体をマスターできます。

様態の副詞

Of course, I can't fit every lesson from this nine hour course into one video, so if you want the complete training and an official certificate from Google you can actually put on your resume or LinkedIn.

もちろん、この9時間のコースの全てのレッスンを1本の動画に収めることはできません。もし完全なトレーニングと、履歴書やLinkedInに載せられるGoogleの公式証明書が欲しい場合は、

I'll leave a link to Google's course in the description.

コースへのリンクを説明欄に貼っておきます。

It starts with understanding how the model actually thinks.

まずは、モデルが実際にどのように考えているかを理解することから始まります。

So Google structures their entire course around five core task context references.

Googleは、コース全体を5つのコアなタスクコンテキストリファレンスを中心に構成しています。

Evaluate and iterate the foundation of everything is task.

評価と反復、全ての基礎となるのはタスクです。

This is simply what you want the AI to do.

これは、AIに何をしてほしいかを単純に伝えることです。

Not the general topic, but the exact output you need.

一般的なトピックではなく、必要な正確な出力を指定します。

A bad task is help me with email, while a good task is reformatting the sentence to write an email to my gym staff about a schedule change.

例えば、「メールを手伝って」は悪いタスクですが、「スケジュール変更についてジムのスタッフにメールを書くために、この文章を書き直してください」は良いタスクです。

But here's where Google takes it further.

でも、Googleはさらに一歩進んでいます。

You can add two elements to make the task even stronger.

タスクをさらに強化するために、2つの要素を追加できます。

これは、レンズを設定することです。

When you tell the AI to act as an expert, you aren't just playing pretend.

AIに専門家として行動するように指示するとき、ただのなりきりではありません。

You are priming the model to access a specific set of vocabulary and logic.

特定の語彙とロジックのセットにアクセスするようにモデルを準備しているのです。

ワークアウトプランを依頼するのは良いですが、

adding the instruction like act as a physical therapist ensures you get safety tips and anatomical focus rather than just a list of exercises.

理学療法士のように行動するように指示を追加すると、エクササイズのリストだけでなく、安全のヒントや解剖学的な焦点が得られます。

It changes the entire vibe of the answer.

それは回答全体の雰囲気を変えます。

Second is format, and this is your biggest time saver.

2つ目はフォーマットで、これが最大の時間節約になります。

If you don't define the format, the AI defaults to a generic wall of text.

フォーマットを指定しないと、AIは汎用的な長文で応答します。

By asking for a bulleted list, a markdown table, or even a JSON snippet.

箇条書きやマークダウンテーブル、あるいはJSONスニペットを要求することで、

You force the AI to organize its thinking.

AIに思考を整理させることができます。

You stop getting raw information that you have to fix later and start getting usable deliverables that are ready to.

後で修正が必要な生の情報を得るのではなく、すぐに使える成果物を得られるようになります。

These two additions turn a basic task into a specific structured result.

この2つの追加要素で、基本的なタスクが特定の構造化された結果に変わります。

Once the task is clear, you need to layer in context.

タスクが明確になったら、コンテキストを重ねる必要があります。

Context is the background data that steers the model.

コンテキストとは、モデルを誘導する背景データのことです。

The more information you provide, the less the AI has to guess.

提供する情報が多ければ多いほど、AIが推測する必要は少なくなります。

ランディングページのコピーが必要です。

If you just type write landing page copy for my website, you get generic text that could apply to anything.

「ウェブサイトのランディングページコピーを書いて」とだけ入力すると、何にでも当てはまるような一般的なテキストが得られます。

But look at what happens when you inject context.

しかし、コンテキストを注入するとどうなるか見てみましょう。

I'm building a project management tool for freelance designers.

フリーランスデザイナー向けのプロジェクト管理ツールを開発しています。

The Target users are 25 to 40 and they are frustrated with tools like Asana being too complex.

ターゲットユーザーは25歳から40歳で、Asanaのようなツールが複雑すぎると感じています。

My product focuses on visual timelines and client portals.

私の製品は、ビジュアルタイムラインとクライアントポータルに重点を置いています。

トーンはプロフェッショナルでありながら、温かみのあるものにしてください。

Now the AI knows exactly who you are talking to and the output becomes targeted instead of generic.

これでAIは、誰に話しかけているのかを正確に把握し、出力は汎用的ではなくターゲットを絞ったものになります。

Google's course emphasizes this repeatedly.

Googleのコースでは、これが繰り返し強調されています。

ほとんどの人はコンテキストを完全にスキップします。

They assume the AI will figure it out, but it won't.

AIが理解してくれると彼らは思い込みますが、そうはなりません。

Now, to really lock in the quality, you add references.

さて、品質を本当に確実にするために、参照を追加します。

References are examples that show the AI what you're aiming for.

参照とは、AIに目指していることを示す例のことです。

Sometimes words aren't enough to capture a specific vibe or structure.

特定の雰囲気や構造を捉えるには、言葉だけでは不十分な場合があります。

Let's say you are writing a product description and you need it to match your specific brand voice.

例えば、製品説明を書いていて、それが特定のブランドボイスに合っている必要があるとします。

トーンを説明するだけではいけません。

Paste in three of your best descriptions and tell the model.

あなたの最高の紹介文を3つ貼り付けて、モデルに伝えます。

Write a new description using the same style as these examples.

これらの例と同じスタイルで、新しい紹介文を書いてください。

Or, if you are creating social media content, feed it your top performing posts and tell the AI to analyze why they worked.

または、ソーシャルメディアコンテンツを作成している場合は、最もパフォーマンスの高い投稿をAIに与え、なぜそれがうまくいったのかを分析するように指示します。

Then have IT generate new posts that follow that exact pattern.

次に、その正確なパターンに従って新しい投稿を生成するようにAIに指示します。

References turn vague instructions into concrete targets.

参照は、あいまいな指示を具体的な目標に変えます。

It stops the model from guessing your style and forces it to match what you already know.

これにより、モデルがあなたのスタイルを推測するのをやめ、あなたがすでに知っていることに合わせることを強制します。

Once you get a response, you move to evaluate.

応答が得られたら、評価に進みます。

This means checking if the output actually hits the mark.

これは、出力が実際に的を射ているかどうかを確認することを意味します。

It sounds basic, but this is where most people fail.

基本的なことのように聞こえますが、ほとんどの人が失敗するのはこの部分です。

They skim the text, settle for good enough, and move on.

テキストをざっと読み、十分だと満足して次に進んでしまいます。

Googleは体系的な評価を教えています。

You need to actively verify that the output matches the task, hits the right tone, and

出力がタスクに合っているか、適切なトーンになっているか、

正確なデータに基づいているかを積極的に確認する必要があります。

もしそうでなければ、修正します。

これが最後の繰り返しにつながります。

プロンプト作成は一直線ではありません。

質問して、確認して、調整して、また質問します。

Google provides four specific ways to fix a broken prompt.

Googleは、うまくいかないプロンプトを修正するための4つの具体的な方法を提供しています。

The first method is to simply revisit the framework.

最初の方法は、単純にフレームワークを見直すことです。

Go back to the start and check if you missed the context or forgot to assign a Persona.

最初に戻って、コンテキストを見落としていないか、ペルソナを割り忘れていないかを確認します。

Sometimes the fix is just filling in the gaps you missed the first time.

時には、最初に抜けていた部分を埋めるだけで解決することもあります。

If that doesn't work, try the second method.

それでもうまくいかない場合は、2番目の方法を試してみてください。

Breaking into simpler sentences the AI processes information just like a human does.

AIは人間と同じように情報を処理するので、より簡単な文章に分解しましょう。

If you dump a massive paragraph of instructions, it gets overwhelmed.

大量の指示を一度に与えると、AIは混乱してしまいます。

Don't write a run on sentence about a Q1 strategy targeting Gen Z with budgets and KPIs all in one breath.

Q1の戦略について、予算やKPIを含めて、Gen Zをターゲットにするというような、長すぎる文章は書かないでください。

Break it down and write something like Create a strategy for Q1 target Gen Z, include a budget, add KPIs.

分解して、「Q1のGen Zをターゲットにした戦略を作成し、予算とKPIを含めてください」のように書きます。

Writing the same information but with clearer structure results in better output.

同じ情報でも、より明確な構造で書くことで、より良い結果が得られます。

The third tactic is to use analogous tasks.

3つ目の戦術は、類似のタスクを使用することです。

If the direct approach fails, try a different angle.

直接的なアプローチがうまくいかない場合は、別の角度から試してみてください。

If write a business proposal is giving you dry, boring results, switch the frame.

「ビジネス提案書を作成する」というタスクで、つまらない結果が出ているなら、フレームを変えてみましょう。

Ask it to write a persuasive argument for a partnership.

パートナーシップのための説得力のある議論を書くように依頼します。

You are changing the mental model the AI uses, which often gives a much better result.

AIが使用するメンタルモデルを変更することで、多くの場合、より良い結果が得られます。

最後に、制約を追加できます。

制約は実際に創造性を強制します。

If you ask for video ideas and get generic results, clamp down on the requirements.

動画のアイデアを求めて、ありきたりな結果が出た場合は、要件を厳しくしてください。

90秒未満でなければならないと伝えます。

1つのヒントに焦点を当てる必要があります。

質問から始める必要があります。

Now the AI has to work within a box, which makes the ideas specific instead of broad.

これでAIは箱の中で作業する必要があり、アイデアは広範ではなく具体的になります。

Now beyond text, there is multimodal prompting.

テキストを超えて、マルチモーダルプロンプティングがあります。

This is where models like Gemini really separate themselves from the pack as besides just reading text, they can process images, audio and video natively.

ここでGeminiのようなモデルは、テキストを読み取るだけでなく、画像、音声、動画をネイティブに処理できる点で、他と一線を画します。

Say you are redesigning a website and need feedback.

ウェブサイトを再設計していてフィードバックが必要だとします。

Instead of wasting time describing the layout in words, just upload a screenshot.

レイアウトを言葉で説明するのに時間を浪費する代わりに、スクリーンショットをアップロードするだけです。

Then command it to analyze this homepage design.

そして、このホームページのデザインを分析するように指示します。

Identify three specific areas where user attention might drop off and suggest improvements.

ユーザーの注意が途切れる可能性のある具体的な領域を3つ特定し、改善策を提案してください。

Or if you are a musician working on a track, upload the audio file and ask it to describe the mood of this piece.

あるいは、ミュージシャンがトラックで作業しているなら、オーディオファイルをアップロードして、この曲のムードを説明するように頼んでください。

Then suggest five alternative directions.

そして、5つの代替の方向性を提案します。

アレンジは私が引き受けましょう。

The framework still applies here you are just replacing vague text descriptions with high fidelity visual or audio references.

フレームワークはここでも適用され、曖昧なテキストの説明を、高忠実度の視覚的または音声参照に置き換えるだけです。

But we need to address the elephant in the room.

しかし、部屋の象徴であるものに対処する必要があります。

字幕リスト動画再生

Googleの6時間プロンプトエンジニアリングコースを10分で (Google's 6 Hour Prompt Engineering Course in 10 Minutes)

specific

entire

massive

phrase