内容紹介：大規模言語モデル（LLM）へ与える、プロンプトを含む多様な入力情報である「コンテキスト」。LLMの挙動を健全にコントロールするために、どんなコンテキストを構築するか――限られた入力領域において、何を与え、何を捨て、どのようにして良いコンディションを保つのか――この技術の総体が「コンテキストエンジニアリング」であり、LLM活用を目指すエンジニアが知るべき最重要トピックです。本書では、AIモデルの基礎の仕組みやAPIの挙動をコンテキストの観点から順にひも解き、RAG（Retrieval-Augmented Generation）やAIエージェントなど実践的な開発において発生し得るコンテキストエンジニアリングのテクニックを存分に紹介します。
大規模言語モデル（ＬＬＭ）へ与える、プロンプトを含む多様な入力情報である「コンテキスト」。ＬＬＭの挙動を健全にコントロールするために、どんなコンテキストを構築するか―限られた入力領域において、何を与え、何を捨て、どのようにして良いコンディションを保つのか―この技術の総体が「コンテキストエンジニアリング」であり、ＬＬＭ活用を目指すエンジニアが知るべき最重要トピックです。本書では、ＡＩモデルの基礎の仕組みやＡＰＩの挙動をコンテキストの観点から順にひも解き、ＲＡＧ（Ｒｅｔｒｉｅｖａｌ‐Ａｕｇｍｅｎｔｅｄ　Ｇｅｎｅｒａｔｉｏｎ）やＡＩエージェントなど実践的な開発において発生し得るコンテキストエンジニアリングのテクニックを存分に紹介します。
もくじ情報：第１章　ＬＬＭの仕組みから見るコンテキストの正体（ＬＬＭの動作を知る意義；ＬＬＭを構成するニューラルネットワークの基本；ＬＬＭによるトークン生成のしくみ；対話型ＬＬＭに施された工夫や注意点；Ｒｅａｓｏｎｉｎｇモデルの進化へ）；第２章　ＡＰＩサービス利用におけるコンテキストの扱いと基礎機能（ＬＬＭのＡＰＩサービスの概要；ＬＬＭベンダーが直接提供するＡＰＩサービス；クラウドベンダーが提供するＡＰＩサービス；ＡＰＩやモデルの選定基準；ＡＰＩの基本的な使い方；ＬＬＭによるツール利用；出力スキーマの固定化；Ｆｕｎｃｔｉｏｎ　ＣａｌｌｉｎｇとＳｔｒｕｃｔｕｒｅｄ　Ｏｕｔｐｕｔ使用時のテクニック；コンテキストキャッシュの仕組み）；第３章　指示プロンプト開発の基礎（前提となるリファレンス；指示プロンプト開発時に把握しておくべき全体指針；指示プロンプトの記述に活用される記法；指示プロンプトの基本構造；指示プロンプトの管理；指示プロンプトの精度向上の技法）；第４章　ＲＡＧにおけるコンテキスト整備（ＲＡＧとは；検索エンジン関連用語の整理；ＲＡＧの全体のフロー；ＲＡＧを使うかどうかの判断；ＲＡＧで用いられる基盤技術；検索を伴うＲＡＧの精度向上のための工夫；その他の話題）；第５章　ＡＩエージェント×ワークフローによる作業自動化（ＡＩエージェントはなぜ注目されたのか；ワークフロー化によるコンテキストの分散；市場が期待した「ＡＩエージェント」の正体；エージェントワークフローに関連するリファレンス；具体例を見ながらエージェントワークフロー設計を学ぶ；コンテキスト肥大化に伴うその他の課題と対策）

蒲生　弘郷(ガモウ　ヒロサト)
外資系ＩＴ企業所属のクラウドソリューションアーキテクト、エバンジェリスト。上智大学大学院　応用データサイエンス学位プログラム非常勤講師。大手システムインテグレーターにてキャリアをスタート。社会インフラ関連領域のデータサイエンティストとしての活動、ブロックチェーンを活用した異業種間データ流通サービスの立ち上げなどを経て現職へ。ＣｈａｔＧＰＴの登場した２０２２年以来、Ａｚｕｒｅ　ＯｐｅｎＡＩ　Ｓｅｒｖｉｃｅなどを使ったＬＬＭアプリケーションの構築支援・アドバイザリーおよび技術情報の発信に従事。「ＣｈａｔＧＰＴ‐Ａｚｕｒｅ　ＯｐｅｎＡＩ大全」などの資料が「２０２３　Ｍｏｓｔ　Ｖｉｅｗｅｄ　Ｄｅｃｋ２５」に選出（本データはこの書籍が刊行された当時に掲載されていたものです）