[{"data":1,"prerenderedAt":203},["ShallowReactive",2],{"topic-page:\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications\u002Fprompt-quality-risks-and-version-management":3},{"topic":4,"category":162,"seo":166,"breadcrumbs":171,"prerequisites":181,"nextTopics":182,"relatedTopics":191},{"id":5,"slug":6,"title":7,"summary":8,"canonicalPath":9,"categoryPath":10,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"generatedAt":14,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":16,"expectedKnowledge":25,"learningGoal":28,"keyTerms":29,"blocks":73},"it-aws-aws-certified-ai-practitioner-foundation-model-applications-prompt-quality-risks-and-version-management","prompt-quality-risks-and-version-management","プロンプト品質・リスク・版管理","プロンプト品質・リスク・版管理を、AIF-C01の公式objective 3.2.3・3.2.4・3.2.5に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications\u002Fprompt-quality-risks-and-version-management","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications","beginner","cert_candidate",6,"2026-08-06","ai_generated",[17,18,19,20,21,22,23,24],"AWS Certified AI Practitioner","AIF-C01","基盤モデルの活用","プロンプト管理","prompt injection","jailbreak","Amazon Bedrock Prompt Management","版管理",[26,27],"AWSクラウドの基本用語を聞いたことがある","AIを使う業務例を日常的な言葉で考えられる","プロンプト品質・リスク・版管理について、試験で問われる違いと選択基準を説明し、短い業務例へ適用できる。",[30,35,38,41,45,49,53,56,61,65,69],{"id":31,"label":32,"shortDefinition":33,"role":34},"prompt-versioning","プロンプト版管理","指示・変数・モデル設定・評価結果を版として保存し、変更を追跡することです。","primary",{"id":36,"label":21,"shortDefinition":37,"role":34},"prompt-injection","入力や外部データの命令で、本来の指示を上書きしようとする攻撃です。",{"id":39,"label":22,"shortDefinition":40,"role":34},"jailbreaking","安全制約を回避し、禁止された応答を引き出そうとする試みです。",{"id":42,"label":43,"shortDefinition":44,"role":34},"prompt-poisoning","プロンプト汚染","悪意あるデータや例を混ぜ、プロンプトや応答の挙動を歪めることです。",{"id":46,"label":47,"shortDefinition":48,"role":34},"prompt-exposure","プロンプト露出","内部の指示や設定が、意図せず利用者へ明らかになることです。",{"id":50,"label":51,"shortDefinition":52,"role":34},"prompt-hijacking","プロンプト乗っ取り","信頼しない入力が優先され、モデルの行動が本来の目的から逸れることです。",{"id":54,"label":23,"shortDefinition":55,"role":34},"amazon-bedrock-prompt-management","プロンプトの作成・変数化・版管理・再利用を支援するAWS機能です。",{"id":57,"label":58,"shortDefinition":59,"role":60},"instruction","指示","モデルへ実行してほしい仕事や判断条件を伝えるプロンプト要素です。","contextual",{"id":62,"label":63,"shortDefinition":64,"role":60},"guardrail","ガードレール","AIの入力・出力・行動を、定めた安全方針の範囲へ制約する仕組みです。",{"id":66,"label":67,"shortDefinition":68,"role":60},"least-privilege","最小権限","目的に必要な操作だけを、必要な範囲と時間で許可する原則です。",{"id":70,"label":71,"shortDefinition":72,"role":60},"evaluation","評価","定めたデータと基準で、モデルやアプリの品質・安全性・価値を測る活動です。",[74,79,90,99,108,114,120,127,143,152],{"id":75,"type":76,"title":7,"subtitle":77,"shortDefinition":78},"hero","HeroBlock","改善を実験として記録し、攻撃と漏えいを境界で防ぐ","指示内容、変数、モデル設定、評価結果を版として保存し、どの変更がどの応答を生んだか追跡できるようにすることです。",{"id":80,"type":81,"term":32,"definition":82,"plainExplanation":83,"presentation":84,"supportLabel":85,"keywords":86},"definition","DefinitionBlock","[[cloze:prompt-versioning|プロンプト版管理]]とは、指示・変数・モデル設定・評価結果を版として保存し、変更を追跡することです。","[[term:instruction|指示]]と変数を分け、一度に一要素を変更して[[term:evaluation|評価]]します。[[term:amazon-bedrock-prompt-management|Amazon Bedrock Prompt Management]]はプロンプトの作成、変数化、再利用を支援します。","natural","見分けるポイント",[87,88,89],"変更履歴","比較実験","ロールバック",{"id":91,"type":92,"steps":93,"title":98},"decision-steps","StepBlock",[94,95,96,97],"現行版と評価基準を固定して基準値を取る。","指示、例、モデル設定の一要素だけを変更する。","通常入力と攻撃入力で品質・漏えい・形式を比較する。","承認済み版を公開し、版ID・評価結果・戻し方を記録する。","安全に改善する手順",{"id":100,"type":101,"title":102,"points":103,"body":107},"exam-cues","KeyPointBlock","判断で押さえる境界",[104,105,106],"一度に一要素を変えて比較","信頼できる指示と外部データを分離","版・評価・承認・ロールバックを記録","[[term:prompt-injection|prompt injection]]や[[term:prompt-hijacking|プロンプト乗っ取り]]では、信頼しない入力が指示へ割り込みます。[[term:prompt-poisoning|プロンプト汚染]]、[[term:prompt-exposure|プロンプト露出]]、[[term:jailbreaking|jailbreak]]も想定し、[[term:guardrail|ガードレール]]、評価、アクセス制御を組み合わせます。",{"id":109,"type":110,"src":111,"alt":112,"caption":113},"diagram","DiagramBlock","\u002Fassets\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications\u002Fprompt-quality-risks-and-version-management\u002Fprompt-quality-risks-and-version-management.svg","プロンプト品質・リスク・版管理について基準版、変更・実験、通常＋攻撃評価、承認版・戻し方の関係を文字ラベルと矢印で示した図","基準版から評価済み版を公開する時系列図です。品質改善と安全試験、ロールバックを同じ変更管理に入れます。",{"id":115,"type":116,"scenario":117,"explanation":118,"result":119},"worked-example","ExampleBlock","FAQプロンプトへ検索文書を追加した後、外部文書の命令に従って内部設定を答える失敗が起きました。","検索文書を引用用データとして明確に囲み、その中の命令には従わない方針を上位指示へ置きます。秘密情報はモデル文脈へ含めず、ツールには[[term:least-privilege|最小権限]]だけを与えます。攻撃文書を評価セットへ追加し、修正版を新しい版として保存します。","単なる文面修正ではなく、再現可能な安全変更として管理できます。",{"id":121,"type":122,"warningTitle":123,"message":124,"severity":125,"action":126},"misconception","WarningBlock","プロンプト内の秘密はアクセス制御にならない","『表示しないで』と書いても、文脈へ入れた秘密が漏れない保証にはなりません。秘密は保管場所と権限で守り、必要最小限だけツール経由で扱います。","warning","指示・外部データ・秘密の境界を確認し、攻撃ケースを版ごとの評価へ含めます。",{"id":128,"type":129,"title":130,"questions":131},"quiz","QuizBlock","AIF-C01 判断チェック",[132],{"question":133,"choices":134,"answerIndex":138,"choiceExplanations":139},"Prompt Managementの版管理と一緒に必要な活動はどれですか。",[135,136,137],"代表入力と攻撃入力による評価、承認、ロールバック","版名を付けるだけで自動公開","秘密をプロンプトへ埋め込み非表示と書く",0,[140,141,142],"正解です。版を安全な変更工程へ組み込みます。","品質と安全性を確認していません。","文面は秘密の保護になりません。",{"id":144,"type":145,"title":146,"points":147},"summary","SummaryBlock","まとめ",[148,149,150,151],"プロンプト改善は評価可能な実験として行う","露出・汚染・乗っ取り・jailbreakを想定","Prompt Managementで版と再利用を管理","安全性は評価・権限・秘密分離で補う",{"id":153,"type":154,"title":155,"nextTopics":156,"relatedKeywords":158},"next-action","NextActionBlock","次は「基盤モデルの学習・微調整・データ準備」へ",[157],"it-aws-aws-certified-ai-practitioner-foundation-model-applications-foundation-model-training-fine-tuning-and-data",[159,160,161],"事前学習","微調整","instruction tuning",{"path":10,"title":19,"description":163,"parentPath":164,"accentToken":165},"基盤モデルの選択、RAG、プロンプト、カスタマイズ、エージェント、評価をAIF-C01の設計判断として整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner","cloud-amber",{"title":167,"description":168,"canonicalUrl":169,"ogImage":170},"プロンプト品質・リスク・版管理 | AWS Certified AI Practitioner","AIF-C01対策としてプロンプト品質・リスク・版管理の定義、判断軸、具体例、誤解しやすい境界を公式試験範囲に沿って学びます。","https:\u002F\u002Fzeqnilo.com\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications\u002Fprompt-quality-risks-and-version-management","https:\u002F\u002Fzeqnilo.com\u002Fassets\u002Fsite\u002Fdefault-og.svg",[172,175,178,179,180],{"title":173,"path":174},"IT","\u002Fit",{"title":176,"path":177},"AWS","\u002Fit\u002Faws",{"title":17,"path":164},{"title":19,"path":10},{"title":7,"path":9},[],[183],{"id":157,"title":184,"summary":185,"canonicalPath":186,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":187},"基盤モデルの学習・微調整・データ準備","基盤モデルの学習・微調整・データ準備を、AIF-C01の公式objective 3.3.1・3.3.2・3.3.3に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications\u002Ffoundation-model-training-fine-tuning-and-data",[17,18,19,159,160,161,188,189,190],"transfer learning","RLHF","データキュレーション",[192],{"id":193,"title":194,"summary":195,"canonicalPath":196,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":197},"it-aws-aws-certified-ai-practitioner-foundation-model-applications-prompt-structure-and-shot-techniques","プロンプト構造とshot技法","プロンプト構造とshot技法を、AIF-C01の公式objective 3.2.1・3.2.2に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications\u002Fprompt-structure-and-shot-techniques",[17,18,19,198,199,200,201,202],"プロンプトエンジニアリング","zero-shot","single-shot","few-shot","negative prompt",1787370539898]