Ampの99%をAIが書く理由——Thorsten Ballが明かすプロンプトの極意
How I Prompt
Ampの共同創業者Thorsten Ballが、コーディングエージェントへの効果的なプロンプトの書き方を解説。彼のプロンプトはテキスト中心で、MCPサーバーやフレームワークを使わない。鍵となるのは「モデルはどうやって意図を理解するのか？」という問い。情報源は学習データとコンテキストウィンドウに分かれ、後者を意識することが重要だと説く。
モデルは「何のバグ？何のアップロード？」とは言わない。代わりに「その通りです。アップロードのバグを修正します」と言って、自分がそうだと思うことを実行する。
HNでの議論
12- r5Khe
これは面白かった。こういうのってどれだけ基本的なことかってのが可笑しいよね。僕らはあらゆるスキルやトリックや呪文みたいなものを持ってるけど、結局はエージェントに成功するための正しい情報を与えるってだけの話なんだろうな（誰かに何かを任せる時と同じように）。
- CSSer
これで問題なのは、別のコードベースだと、トランペット男を検索するだけでも大量のトークンを消費して何も見つからなかったり、見つかってもその過程で海を燃やしてしまったりする可能性があるってことだ。なぜならトランペット男は「asset-ds1f23nbiq35421fsda.jpg」みたいな名前で、何千もの似たようなアセットがあるimagesフォルダに置かれているからね。だからエージェントはまず妥当な名前でgrepして、何も見つからないけど画像ディレクトリを見つけて、その中を検索する。最悪の場合、各画像を分析し始めるかもしれない。あるいは彼が言うように記事をチェックするかもしれないけど、コードベースがコンポーネントライブラリを使っていてファイル名の問題は依然として真実だから、ページ内の全画像を分析することになる。もちろんこれは誇張だよ。コメディとして許してほしい。
彼の他のプロンプト例の多くもこれを示している。著者は組織のアーキテクチャを熟知することで大いに活用している。それを設定するのにLLMを使ったとしても不思議ではないが、1つのプロンプトで、あるいは批判的思考なしで行われたとは思えない。公平に言えば、彼はある程度それを指摘しようとしているのだろうけど、「見て、俺はこんなに怠け者なのにうまくいくんだぜ」みたいなことを言って格好つけようとすることで、伝わってくるのは「これがどれだけ簡単か」ってことだけだ。でも実際はそうではないかもしれないし、やり方次第で彼や彼の会社にとって莫大に変動するコストがかかる可能性がある。トークンが事実上無料だった頃は誰も気にしなかった。これ[…]
- dllu
Thorstenがスクリーンショットを添付することの重要性に言及していたのが興味深かった。
自分の経験では、ワークロードによって大きく異なる。Visionは一部のUI関連には素晴らしいが、自分の仕事——自動運転車の道路構造の接続性や幾何学的なものを可視化する——には極めてひどい。スクリーンショットを貼り付けて「このポリラインは本来つながっているはずなのに接続されていない」とか「これらのポリラインが無効な形で自己交差している」と言っても、AIには文字通り何のことを言っているのか見えない。するとAIはバグが存在すること自体を納得するために、ポリラインの座標をダンプするデバッグコードを書かなければならなくなる。そして明らかに修正されていないのに、修正したと主張することがよくある。
以前、GPT 5.6 Solが簡単な「線をたどる」パズル[1]を、カスタムPythonコードを書かずに解けないと不満を言った。しかしGPT-6 Astraは大幅に改善され、Pythonを書かずにそれができる。それでも自分の仕事では、時々苦戦することがある。