チームで共有できないプロンプトはもう終わり。構造化言語「(: Smile」

「このプロンプト、誰が作ったんだっけ？」
「なぜこの部分があるのか分からない」
「ちょっと修正したら、全然違う出力になってしまった」

こんな経験はありませんか。
チームでAIを活用していると、必ずぶつかる問題です。

プロンプトは「ただの文章」として扱われてきました。
でも、それが間違いだったのです。
プログラムにプログラミング言語があるように、プロンプトにも言語が必要でした。

その答えが、Thomas Ager博士が開発した「(: Smile」です。
2年以上のプロンプトエンジニアリング経験から生まれた、オープンソースの構造化言語なのです。

プロンプトの「読めない」問題がついに解決

HTMLがウェブサイトを構造化するように、(: Smileはプロンプトを構造化します。
これまでバラバラだったチームのプロンプトが、統一された形式で管理できるようになるのです。

基本的な仕組みはシンプルです。
テキスト絵文字（(:、[;、[=など）を使って、セクションを開いたり閉じたりします。

例えば、こんな感じです：

セクション開始：(: セクション名 (
セクション終了：) セクション名 🙂

たったこれだけで、LLMはプロンプトの構造を理解しやすくなります。

実際に動作する例を見てみよう

まずは最もシンプルな例

最も基本的な(: Smileの使い方です。

(: 指示 (
ユーザーの質問に丁寧に答えてください。
専門用語は避けて、分かりやすく説明してください。
) 指示終了 🙂

これだけでも、プロンプトの意図が明確になります。「指示」というセクションがあることで、LLMは何をすべきか理解しやすくなるのです。

データと指示を分離する例

より実用的な例を見てみましょう。データと処理指示を明確に分離します。

(: 処理指示 (
以下のテキストを要約してください。
重要なポイントを3つ挙げてください。
) 処理指示終了 🙂

[: 入力データ [
ここに要約したいテキストを入れます。
例えば、会議の議事録や記事の本文などです。
] 入力データ終了 :]

このように構造化することで、「何を」「どうするか」が一目瞭然になります。

出力形式を指定する例

出力の形式を細かく制御したい場合の例です。

(: タスク定義 (
製品レビューを分析してください
) タスク終了 🙂

[: 出力形式 [
## 分析結果
- 良い点：{3つ箇条書き}
- 改善点：{3つ箇条書き}
- 総合評価：{5段階評価と理由}
] 出力形式終了 :]

(: 分析対象 (
[ここに製品レビューのテキストを入れる]
) 分析対象終了 🙂

{} で囲まれた部分は、LLMが埋めるべき箇所を示しています。
これにより、常に同じ形式で結果が返ってきます。

なぜこれまでの方法では失敗したのか

従来のプロンプト管理には、致命的な問題がありました。

問題1: 意図が不明確
長いプロンプトになると、どの部分が何のためにあるのか分からなくなります。
コメントを書いても、それ自体がLLMへの指示と混同される恐れがありました。

問題2: 修正の影響が予測不能
一部を変更すると、全体の出力が変わってしまうことがあります。
どこまでが影響範囲なのか、事前に分かりませんでした。

問題3: 再利用が困難
良いプロンプトのパーツを他で使いたくても、切り出しが難しい。
結果として、似たようなプロンプトを何度も書き直すことになっていました。
(: Smileはこれらの問題を構造化によって解決します。

チームで使うと起こる3つの革命

誰でも読めるプロンプトになる
チーム全体が同じ構造で書くようになります。
新入社員でも、ベテランのプロンプトを理解できるのです。
引き継ぎの問題が解消されます。
知識が組織に残る
優秀なプロンプトエンジニアが退職しても大丈夫です。
(: Smileで書かれたプロンプトは、その意図と構造が明確だからです。
組織の知的資産として蓄積されていきます。
変更の影響が予測できる
プロンプトのどこを変更すると、出力がどう変わるか。
これが明確になります。
AIの判断根拠を説明する必要がある場合も、対応できるでしょう。

なぜ「笑顔」なのか？科学的な理由

(: Smileという名前には、深い意味があります。

研究によると、笑顔は脳内物質を分泌させます。
エンドルフィン、セロトニン、ドーパミン。これらが明確な思考を助けるのです。

さらに興味深い発見があります。
記号の 🙂 を見ただけで、脳の報酬系が活性化するのです。
つまり、(: Smileを使うたびに、脳は小さな報酬を感じています。

結果として、プロンプトエンジニアはより楽しく仕事ができます。
そして、より良いプロンプトを書けるようになる可能性があるのです。

あらゆるAIで使える汎用性

(: Smileの素晴らしい点は、どんなLLMでも動作することです。
対応済みのモデル：

GPT-4o（OpenAI）
Claude Sonnet 4（Anthropic）
Gemini 2.5 Pro（Google）
Kimi K2（Moonshot AI）

オープンソースモデルでも動きます。
企業の独自AIでも問題ありません。

この汎用性により、AIを切り替えてもプロンプト資産は維持されます。

今すぐ始める4ステップ

ステップ1: シンプルに始める
まず、既存のプロンプトにセクションを追加してみてください。
(: 入力データ ( と ) 入力データ 🙂 で囲むだけでも効果があります。

ステップ2: チームルールを決める
よく使うセクション名を統一します。
例えば：

データ入力は必ず [: Input Data [
重要な制約は [! 重要 !]
厳密な指示は [= 厳密 =]

ステップ3: 効果を測る
構造化の前後で比較してください。
出力の一貫性はどう変わりましたか。
多くの場合、望まない出力が激減します。

ステップ4: 高度な機能を追加
変数 [$user_name$] や引用 [“正確にこの通り”] など、必要に応じて機能を追加していきます。

記号の使い分けガイド

(: Smileには用途別の記号があります。
適切に使い分けることで、より明確な指示が可能になります。

(: ) 通常のセクション区切り
[: ] より論理的で厳密なセクション
[= =] 絶対に守るべき指示
[” “] 一字一句そのまま出力
[$ $] 後で置換する変数
[! !] 特に重要な指示
[; ;] 人間向けのコメント
{} LLMが埋めるべき箇所

実践的な活用例：顧客対応プロンプト

実際の業務でどう使うか、具体例を見てみましょう。

(: 役割定義 (
あなたはカスタマーサポートの専門家です
) 役割終了 🙂

[! 重要な制約 !]
- 丁寧な言葉遣いを維持
- 解決策を必ず提示
- 共感的な態度を示す

[: 対応フォーマット [
1. お客様の問題を要約
2. 共感の言葉
3. 具体的な解決策の提示
4. 追加サポートの申し出
] フォーマット終了 :]

(: 顧客の問い合わせ (
[$customer_inquiry$]
) 問い合わせ終了 🙂

このテンプレートを使えば、チーム全員が同じ品質の顧客対応ができます。