🔰 はじめに
「ちゃんと指示したのに、GPTくん…なんでそうなるの！？」
今回もやってしまいました。
そう、“プロンプト迷子”からの沼落ちコースです。
やっていたのは、英語コーチングセッションの会話ログから、「発音に関するやりとり」だけをキレイに抽出して整理するという作業。
目的はシンプル。
でも、Colabで動かすと…毎回違う出力、精度ブレブレ、なぜか拾ってほしい部分がスルーされる。
「プロンプトが悪いのか？」
「GPTの気まぐれか？」
そう思って、プロンプトを何度も調整しては試すを繰り返していたのですが…
最終的にたどり着いたのは、“プロンプトじゃなかった”という真実。
そう、そもそもGPTに渡している“素材の整え方”に問題があったんです。
今回の気づきと沼脱出のプロセス、誰かの役に立つ気がするので記録しておきます✍️
🌀 沼1：プロンプトを調整しても精度が出ない
最初に疑ったのは、もちろんプロンプト。
- 「指示があいまいだったかな？」
- 「もう少し細かく条件を伝えれば改善するかも？」
- そう思って、あれこれ手を加えながら試しました。
📌 試した工夫：
- 「この形式で出力してね！（Markdownで表形式）」
- 「“発音に関するやりとり”だけを抽出してね」
- 「コーチの補足にはカタカナ発音も入れてね」
…にもかかわらず。
💥 出力は毎回バラバラ。
💥 拾ってほしいやりとりが抜けてる。
💥 逆にいらない発言が混ざる。
「なんで？こんなに丁寧に頼んでるのに？」
と、もはやGPTくんに軽くキレながら（笑）何度もプロンプトを修正。
でも、根本原因は別のところにありました。
🧱 沼2：ブラウザ版だと上手くいくのに、Colabだとズレる
不思議なのがこれ。
ChatGPTのブラウザ版で試すと、同じプロンプトでもそれなりにいい感じの結果が返ってくる。
ところが
Colab経由でAPI実行すると、様子が一変。
📉 よくあるズレ：
- 話題が唐突に切り替わる（途中から急に無関係な指導に…）
- 抽出してほしい発音のやりとりがスルーされる
- 文脈がブツ切れになり、指導の流れが追えない
「同じ指示でここまで違う！？」
と驚いたのですが、あとで冷静に振り返ると…
ChatGPTブラウザ版は、“文脈や空気を読む力”が強い。
会話履歴や見えない補助要素がたくさんあるんです。
一方、APIでは「送ったテキストだけがすべて」。
文脈の前提や、話の流れは 明示しないと読み取ってくれません。
つまり、“渡すテキストの整え方”が精度を左右するという、見えない落とし穴だったのです。
🔍 沼3：print()で中身を確認したら真犯人が見えた
「もしかして、渡してるデータそのものが怪しいのでは？」
そう思って、Colab上で print(dialogue_text[:300]) を実行してみたら…
💥 衝撃の事実：
- 発話の区切りがガタガタ
- ラベル（[生徒][コーチ]）があいまい or 欠落
- そもそも誰が何を言ったのか、GPTにとっては判別不能
そりゃあ、GPTくんも混乱するよね…。
プロンプトを何度いじっても改善しなかった原因は、「前処理ミス（素材の整形不足）」だったわけです。
つまり、真犯人は プロンプトではなく前の段階。
「渡す素材の状態で、すでに勝負は決まっていた」ことに気づかされました。
💡 気づき：「プロンプトじゃなく前処理の整形不足」が原因だった
「GPTが意図通りに動かないのは、命令の書き方が悪いからだ」と思い込みがちですが、実は “渡す素材の状態” がすべてを決めていた んです。
🧩 整形不足の例：
[コーチ]と[生徒]のラベルが曖昧で、誰の発言か分かりにくい- 会話の流れがぶつ切り or まとめられすぎていて文脈が途切れる
- 発話が長すぎて、GPTの処理単位からこぼれ落ちてしまう
こんな状態で「発音に関するやりとりを抽出して」と言われても、GPTにとっては “そもそも探せる形になってない”。
つまり、プロンプトをいくら丁寧にしても、土台（前処理）が悪ければ精度は出ないんだと痛感しました。
🛠 解決策：3ステップで分けて処理する
やったことはシンプル。でも、これだけで劇的に改善しました。
1️⃣ 整形フェーズ（前処理）
Whisperなどで文字起こししたあとに、以下のように整形
[コーチ] 発話内容[生徒] 発話内容
発話の区切りをはっきりさせ、誰が何を言ったかが即分かるようにする。
🛑 ここを怠ると、すべてがズレます。
プロンプトの工夫も無意味になります。
2️⃣ 抽出フェーズ（GPTで発音やりとりをピックアップ）
整形済みのテキストをGPTに渡して、発音に関するやりとりだけを抽出。
たとえば👇
- 生徒が不安げに発音したシーン
- コーチが具体的な指導を入れた箇所
- 発音練習を何度か繰り返したやりとり
などを中心にピックアップ。
3️⃣ 整形フェーズ（GPTでMarkdown形式に整える）
抽出したやりとりを、Markdown形式のテーブルに整形。
| 🗣 発音ターゲット | 🧠 コーチの補足・指導 |
|---|---|
| wanted（やや不安げに） 自信なさげだったが、繰り返し発音した | 't'で終わると'ed'は/ɪd/になります。『ウォンティッド』のように発音します。 |
🎯 ポイントは、生徒の様子 + 発音ターゲット + カタカナ補足を含めること。
視覚的にも「どんなやりとりだったか」が一目で伝わります。
🧪 各ステップで print() するのが沼脱出のカギ
処理がうまくいかないとき、つい「GPTのせいかな？」と思ってしまいがち。
でも実際は、渡してるデータが原因なことがほとんど！
そこで超大事なのが、ステップごとの print() チェック。
- このテキスト、GPTが読める形になってる？
- 抽出の出力、ズレてない？
- Markdown整形で形式は崩れてない？
ひとつずつ print() で確認していけば、「どこでおかしくなってるか」がハッキリします。
🔁 GPTくんを疑う前に、まずは自分のデータ整備をチェック！
それだけで沼からスルッと抜け出せるかもしれません。
⚠️ 注意：ブラウザとAPIでは精度が違う
同じプロンプトでも、ChatGPTのブラウザ版とAPI経由では精度が全然違います。
ブラウザ版では、ちょっとくらい曖昧でも「空気を読んでそれっぽく整形」してくれます。
でもAPI経由だと…
- 読めないものはスルー
- ラベルが曖昧だと適当に解釈
- 文脈の流れも無視されがち
つまり、整形はこっちでちゃんとやらないとダメ！
「GPTが賢く補ってくれるでしょ」は通用しません。
Colabやスクリプトで使うときは、“渡す前処理”が命です。
🚀 まとめ
「なんか精度出ないな～」「出力ブレるな～」って時、ついついプロンプトのせいにしがちですが……実はその前に“素材の整形”が甘かった、なんてオチが多かったりします。
今回、私は 「整形 → 抽出 → 整形」 の3ステップに分けることで、一気に沼から脱出できました。
しかも、ステップごとに print() で確認するだけで、「あ、ここで壊れてる！」って気づけるんです。やみくもにプロンプトをいじる前に、まずはGPTくんが読みやすい形で渡してるか？のチェックが先。
そしてもうひとつ重要な事実 → ChatGPTのブラウザ版と、APIは別モノです。
ブラウザは気を利かせて整えてくれるけど、APIくんは「ん？読みにくい？じゃスルーしますね」って平気でやってきます。
GPTくんは優秀だけど、“雑な素材”には全力出してくれません。
要するに、GPTを信じるなら、まずは自分の下ごしらえを信じようって話でした🍳
