AI の答えが外れるとき、原因は依頼文だけでなく「渡した情報」にあることがあります。DeepLearning.AI の講座 Context Engineering は、AI エージェントに「適切な情報を、適切な形式で、適切なタイミングで」渡す技術を扱う講座で、2026年10月20日に公開されました。講座の公開情報が示す3つの観点に沿って、設計の手順を整理します。
ステップ1：エージェントに必要な情報を書き出す
依頼ごとに「答えるのに何が要るか」を書き出します。講座の学習範囲には、検索と取得、埋め込み、記憶、文脈の管理が含まれています。つまり、設計の対象は1回の依頼文に収まる情報だけではなく、検索で取りに行く情報や、過去のやり取りをどう覚えておくかまで含みます。
書き出すときは、依頼の種別ごとに表を作ります。種別、必要な情報、その情報がどこにあるかの3列です。
ステップ2：情報源を検索で取れる形に整える
必要な情報が社内文書やデータベースにある場合、それが「検索で当たる形」に整えられているかを確認します。講座の範囲に含まれる検索と取得、埋め込み（ベクトル化）は、情報源の整え方とセットで効果が出ます。見出しがない長文のままでは、検索が当たっても根拠として使いにくくなります。
整え方の判断は、検索が外れるRAGを直す：分割と並べ替えの見直し5ステップの手順が使えます。
ステップ3：渡す形式を決める
同じ情報でも、渡し方でモデルの読み取り方は変わります。講座は「適切な形式」を学習内容として明示しています。箇条書き、表、見出し付きの段落など、依頼の種別ごとに読み取りやすい形式を選び、依頼文の中でその形式を使わせるのが設計です。
| 渡すもの | 向く形式 |
|---|---|
| 規則や条件 | 箇条書き |
| 比較対象のデータ | 表 |
| 背景の説明 | 見出し付きの短い段落 |
ステップ4：タイミングを設計する
「適切なタイミングで」渡すとは、情報を最初に全部載せず、依頼の進行に合わせて注入する設計です。講座の学習範囲には、記憶と文脈の管理が含まれます。最初に載せるのは依頼の種別に共通する情報に絞り、種別が確定した後に詳細を渡す、という2段構成が基本形です。
渡しすぎると文脈（コンテキストウィンドウ）を圧迫し、渡し足りないと外れた答えになります。どちらに崩れているかは、出力と渡した情報を突き合わせると分かります。
ステップ5：評価して反復する
設計した受け渡しは、実データで回して評価します。講座は、より良い文脈でエージェントを改善する実践的な技能を学習内容としています。評価では、外れた答えが「情報が足りない」のか「情報が余計だった」のかを分けて記録し、次の調整に使います。
つまずきポイント
- 情報を最初に全部載せる：文脈を圧迫します。2段構成に分けます。
- 形式を依頼ごとに変える：出力の揺れの原因になります。種別ごとに固定します。
- 情報源の整備を後回しにする：検索が当たらないと、設計した受け渡しが動きません。
FAQ
Q. コンテキスト設計とは何を設計するのですか？
A. DeepLearning.AI の講座 Context Engineering は、AI エージェントに適切な情報を、適切な形式で、適切なタイミングで渡す技術としています。
Q. 普通のプロンプト改善と何が違いますか？
A. 依頼文の書き方を超えて、渡す情報そのものの整え方と受け渡しの設計まで対象にする点が違います。
あわせて使いたいツール
情報の整え方は、普段使う AI ツールでの検証を繰り返しながら固めます。料金と提供条件は各サービスの公式情報で確認してください。
出典
出典：DeepLearning.AI「コンテキストエンジニアリング」（原題 Context Engineering、2026年10月20日公開）。適切な情報・形式・タイミングという学習内容、検索と取得・埋め込み・記憶・文脈管理を含む範囲の記述は同講座の公開情報に基づきます。
関連ガイド
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。