Prompt LLM

​

このノードを使用するタイミング

• 検索結果やスクレイピングしたコンテンツの要約
• 後続処理のための応答や構造化出力の下書き
• テキストからのエンティティやインサイトの抽出
• 特定のオーディエンスや形式に合わせたコンテンツの書き換え
• 非構造化データの構造化フィールド(JSON、箇条書きなど)への変換

​

ノードの設定

​

AI Model

​

Prompt

• プレーンテキストで指示を入力する
• Agent の入力を参照する
• / を入力して変数ピッカーを開き、前のノードの変数を挿入する

​

Use Skill

​

Use Knowledge Base

​

Structured Output

​

Output Label

• analysis_summary
• buyer_intent_score
• cleaned_text

​

出力

• 追加の Prompt LLM ステップ
• API 呼び出し
• Profound のデータ処理ノード
• Iteration ノード

​

使用例

​

1. スクレイピングしたウェブページを要約する

1. Web Page Scrape ステップを追加します。
2. Prompt LLM ノードを追加します。
3. プロンプトで、スクレイピングしたページのコンテンツを参照します。

Summarize the key themes from the following webpage content in 5 bullet points: 
{{web_page_scrape.content}}

4. Output Label を summary に設定します。

​

2. アンサーエンジンの結果からエンティティを抽出する

1. Profound データノード ​ を使用して入力を収集します。
2. Prompt LLM ステップを追加して、構造化された情報を抽出します。

Extract the brand mentioned in this answer and return JSON:
{"brand": "<value>"}

Content: {{answer.text}}

3. 得られた JSON 出力を後続の条件分岐ロジックで使用します。

​

3. 特定のオーディエンス向けにコンテンツを書き換える

Rewrite the following text for a B2B marketing leader, keeping it concise and professional: 

{{input_text}}

​

ベストプラクティス

• 明示的に指示する。 LLM は詳細な指示に対してより安定して応答します。
• 期待する形式を定義する。 箇条書き、JSON、表、特定の言い回しを使って出力の構造を制御します。
• 必要なものだけを参照する。 タスクに必要でない限り、不必要に大きなコンテンツブロックを渡さないようにします。
• 出力にわかりやすい名前を付ける。 適切なラベルを付けると、Agents の保守や再利用が容易になります。

​

トラブルシューティング

​

出力が期待した形式になっていない

• 「JSON のみで回答してください。」
• 「箇条書きをちょうど 3 つ示してください。」
• 「説明は含めないでください。」

​

プロンプトに変数が表示されない

​

出力が不完全または途中で切れているように見える