プロンプトエンジニアリングは死んだ。フローエンジニアリング万歳。

まだ「完璧なプロンプト」を書いてすべてを一発でやろうとしているなら、それは間違いです。 2026年、私たちはプロンプトを書かない。フローを設計するのです。

フローエンジニアリングとは？

フローエンジニアリングは、複雑なタスクを小さく離散的なステップに分解する実践で、各ステップは専門のプロンプト（またはエージェント）によって処理され、一つの出力が別の入力になります。

「ワンショット」の失敗モード

ユーザー: 「量子コンピューティングについて完全な研究論文を書いて。」 LLM: 引用を捏造、途中で一貫性を失う、最近の重要な論文を見逃す。

フローエンジニアリングアプローチ

1. プランナーエージェント: 論文のアウトラインを作成。
2. リサーチャーエージェント: アウトラインを取得し、セクション1の実際の論文を検索。
3. ライターエージェント: 見つけた研究を使ってセクション1を執筆。
4. レビュアーエージェント: セクション1の論理エラーをチェック。
5. ループ: 全セクションで繰り返し。
6. エディターエージェント: 編集してトーンを統一。

業界ツール

1. LangChain / LangGraph

業界標準。LangGraphは循環グラフ（ループ）を定義でき、自己修正エージェントに不可欠。

2. Microsoft Prompt Flow

フロー構築用のビジュアルツール。チェーンがどこで壊れているかデバッグするのに最適。

3. DSPy（宣言的自己改善Python）

プロンプトを手動でチューニングする代わりに、メトリックを定義（例：「答えは100語未満で正確でなければならない」）。DSPyがプロンプトをコンパイルし、そのメトリックを最大化するよう自動的に書き換え。

コアコンセプト：「プロンプトユニットテスト」

フローエンジニアリングでは、グラフの各ノードにユニットテストがあります。

• 「サマライザー」は実際に要約しているか？
• 「トランスレーター」は有効なJSONを出力しているか？ ステップが失敗した場合、フローはエラーをキャッチしてリトライ（おそらくより高い「temperature」または別のモデルで）し、アプリケーション全体をクラッシュさせません。

始め方

ChatGPTに大量のテキストを貼り付けるのをやめましょう。以下の観点で考え始めてください：

• 入出力スキーマ
• 状態管理
• エラーハンドリング

あなたはもはや「プロンプトウィスパラー」ではありません。システムアーキテクトです。