1. プロンプトチューニングの三つの系譜
これまでのプロンプトチューニングには、大きく以下の三つの系統がある：
ハードプロンプト（自然言語ベースの試行錯誤）
- 人間が自然言語で試行錯誤しながらプロンプトを調整
- 構文的に明示された形で、文脈やトーンを工夫する
- 例：ChatGPTの会話指示、テンプレート設計
ソフトプロンプト（学習によるトークン最適化）
- LLMのembedding空間上でトークンの最適配置を学習する
- パラメータチューニングを通じて出力性能を改善
- 例：Prefix Tuning, P-Tuning など
意味論的プロンプト（構造設計による意味制御）
- 人間が意味を意識してプロンプトを構造的に設計する
- 意図や文脈、出力構造を明示的に写像する設計的手法
- 例：6要素、JSON記述、意味空間の制御点
2. アプリケーションエンジニアが取るべき立ち位置（意味論的プロンプト設計）
アプリケーションエンジニアは③の「意味論的プロンプト設計（Semantic Prompt Tuning）」に立脚しようとしている（まだその過程である）。 これは、ソフトプロンプトのようにLLMをブラックボックス最適化するのではなく、 またハードプロンプトのように完全な自然文で挑むのでもない。
むしろ、意味をどのように構造的に表現するかを主眼に置いて、 人間が設計する“意味の制御点”としてプロンプトを活用するというアプローチである。
3. アプリケーションエンジニアのアプローチの本質（非線形意味空間への設計）
このアプローチの背景には、次のような前提がある：
- LLMは非線形な意味空間に基づいて推論している
- 入力は単なる命令ではなく、意味ベクトルへの写像として扱われる
- したがって、意味の構造化が出力を決定づける
この構造化の手法として、私は以下を実践している：
- 業務シナリオの自然言語→6要素モデルへの変換
- 出力仕様（画面UIやデータ構造）をJSON形式で意味設計
- 意味の粒度を揃え、再利用可能なプロンプトへ一般化
これにより、プロンプトは単なる「命令文」ではなく、 AIと人間が意味を共有するための写像的インターフェースになる。
このように、「プロンプトチューニング」という言葉に、“意味の設計と制御”という設計的アプローチを導入する立場をとるべきである。
