OpenAIがGPT-4.1プロンプトガイドを公開：3つの指示でエージェント性能が約20%向上

AIエージェントを作ってみたものの、ファイルを1つ修正しただけで作業を中断し、人間にバトンを渡してきて困った経験はないだろうか。

OpenAIはGPT-4.1シリーズ向けの公式プロンプトガイドを公開した。最大の特徴は、GPT-4.1がGPT-4oよりもはるかに文字どおり厳密に指示を実行する点だ。ユーザーの意図を勝手に忖度しなくなったため制御性は飛躍的に高まったが、従来の曖昧なプロンプトでは性能を引き出せなくなっている。

チャットボットを「自律ワーカー」に変える3つの鉄則

GPT-4.1をコーディングや自律エージェントとして本気で働かせるため、OpenAIはシステムプロンプトに3つの注意書きを常駐させるよう推奨している。

1つ目は粘り強さだ。複数ターンの作業中であることを自覚させ、タスクが完全に解決するまで途中で人間に操作権限限を返さないよう明確に命じる。

2つ目はツールの徹底利用だ。コードベースの構造やファイルの中身が不明な場合は、必ずツールを使って調査し、推測や当てずっぽうで答えることを禁止する。

3つ目は事前計画と振り返りだ。ツールの呼び出しを無言で連打させるのではなく、前後の思考プロセスをテキストとして出力させる。

OpenAIの社内検証によると、この3つのシンプルな指示を加えるだけで、ソフトウェア工学ベンチマークであるSWE-bench Verifiedのスコアが約20%も跳ね上がった。モデルがチャットボット的な受け身の姿勢を捨て、主体的にタスクを進めるようになるという。

スキーマの手動注入をやめ、声に出して考えさせる

実践的な実装テクニックについても具体的なアドバイスが明記されている。

まず、関数のスキーマを手動でシステムプロンプトに書き込み、独自のパーサーで処理する手法をやめることだ。公式APIのtoolsパラメータを正しく利用するだけで、モデルの挙動が安定し、SWE-bench Verifiedの成功率がさらに2%向上したという。

また、GPT-4.1は内部思考チェーンを持たない非推論モデルだが、ツール呼び出しの合間にステップごとの計画を明記させるだけで、通過率が4%上乗せされた。OpenAIが公開した実例プロンプトでは、テスト不足が最大の失敗原因であると大文字で警告し、念入りな検証を義務付けている。最終的に同モデルは非推論モデルとして最高峰となる55%の解決率を記録した。

なぜ重要か

開発者にとって、このガイドはプロンプト調整の無駄な試行錯誤を減らす貴重な指標になる。GPT-4.1は非常に素直なため、挙動がおかしいと感じたときは、曖昧さを排した簡潔で強い指示を1文追加するだけで軌道修正できる。

業界全体にとっても、エージェント性能の引き上げ方が内部推論モデル一辺倒ではないことを示した意味は大きい。厳格な行動規範とツール呼び出し、テキスト上での計画立案を組み合わせることで、標準的なフロンティアモデルでも高度なタスクを十分にこなせる。

このアプローチは非常に合理的で、追加の推論コストをかけずにモデルの限界を引き出せる点が優れている。一方で、指示に対して忠実すぎるがゆえに、プロンプトの設計自体に穴があると、モデルはその欠陥を疑うことなく突き進んでしまうリスクも孕んでいる。