精度面での優位性： 推論タスクにおいて、GPT-4はMarkdown構造化プロンプトで81.2%の精度を達成し、JSON形式の73.9%を7.3ポイント上回りました。また、MarkdownはJSONよりも約15%少ないトークンで済み、明確さを維持できます。

人間にとっての優しさ： Markdownは、プロンプトや指示ファイルを人間とAIモデルの両方にとって明確にするために広く推奨されています。OpenAIのPlayground自体も、プロンプト生成にH1見出し付きのMarkdownを提案しています。

主な欠点： Markdownの見出しは「柔らかい境界」です。そのため、モデルが## 入力を厳格なデリミタとして認識せず、プロンプトインジェクションに対して脆弱になる可能性があります。あるセキュリティ研究者は、分類が必要な入力を区切るためにMarkdownを使用することを特に避けるよう勧め、XMLタグの方が「モデルが騙されにくい」と指摘しています。

XML風タグ：精密な境界線

XML風タグは、<指示>、<スキーマ>、<入力>のような明示的な開始・終了マーカーを使用してプロンプトのセクションを区切ります。Anthropicの公式ガイダンスは、複雑なプロンプトの主要な構造ツールとしてXMLタグを明示的に推奨しており、これらが誤解を減らす曖昧さのない境界を作り出すと述べています。

セキュリティ面での優位性： XMLは明示的な開始・終了の境界を提供するため、注入されたコンテンツがセクション間で漏れ出すのを防ぎやすくなります。AIエージェント向けのガイダンスでは、XMLタグがMarkdownヘッダーよりも、指示、例、参照データ、ユーザー質問を分離するのに優れていると主張しています。

常に良いとは限らない： 短くシンプルなプロンプトの場合、XMLは実際に精度をわずかに低下させる可能性があります。あるテストでは、フラットなプロンプトが97.6%の精度だったのに対し、XMLは96.4%と、1.2ポイントの小さなペナルティが見られました（幻覚率に変化はなし）。同じテストでは、XMLによる入力トークンのオーバーヘッドが31%増加したことも示されています。XMLの利点はプロンプトの品質ではなく、複雑さに比例します。具体的には、プロンプトが約500トークンを超え、3つ以上の論理セクションがある場合に効果を発揮します。

主要AIプロバイダーの推奨

主要3ベンダーはすべて、XMLを効果的なデリミタパターンとして推奨していますが、XMLの形式は厳格である必要はなく、意味的な意図が重要です。

ユースケース別の実践的推奨

ハイブリッドアプローチ：実用的な選択

多くの実務者はハイブリッド戦略を採用しています。全体の構造にはMarkdown見出しを使い、ユーザー入力ブロックの周りにはXML風タグやコードフェンスを使用する方法です。これにより、Markdownの読みやすさとXMLのセキュリティ境界を両立できます。

例えば、次のような形式です：

## 指示
[ここに指示を記述]

## コンテキスト
[背景情報]

## ユーザー入力
<UserInput>
[実際のユーザー入力]
</UserInput>

このパターンは、人間が読みやすい明確なラベル付きセクションと、信頼できないプロンプト部分に対する強固な境界の両方を提供します。

結論

日々のプロンプト作成には、読みやすく、トークン効率が高く、文書化された比較テストでも良好なパフォーマンスを示すMarkdownを使用しましょう。複雑で多部構成のプロンプトを扱う場合、セキュリティのために厳格な意味的境界が必要な場合、またはClaudeを操作する場合は、XMLタグに切り替えてください。形式の効果はAIモデルにも依存しますが、人間側の保守性もモデルのパフォーマンスと同様に重要です。

精度面での優位性： 推論タスクにおいて、GPT-4はMarkdown構造化プロンプトで81.2%の精度を達成し、JSON形式の73.9%を7.3ポイント上回りました。また、MarkdownはJSONよりも約15%少ないトークンで済み、明確さを維持できます。

人間にとっての優しさ： Markdownは、プロンプトや指示ファイルを人間とAIモデルの両方にとって明確にするために広く推奨されています。OpenAIのPlayground自体も、プロンプト生成にH1見出し付きのMarkdownを提案しています。

主な欠点： Markdownの見出しは「柔らかい境界」です。そのため、モデルが## 入力を厳格なデリミタとして認識せず、プロンプトインジェクションに対して脆弱になる可能性があります。あるセキュリティ研究者は、分類が必要な入力を区切るためにMarkdownを使用することを特に避けるよう勧め、XMLタグの方が「モデルが騙されにくい」と指摘しています。

XML風タグ：精密な境界線

XML風タグは、<指示>、<スキーマ>、<入力>のような明示的な開始・終了マーカーを使用してプロンプトのセクションを区切ります。Anthropicの公式ガイダンスは、複雑なプロンプトの主要な構造ツールとしてXMLタグを明示的に推奨しており、これらが誤解を減らす曖昧さのない境界を作り出すと述べています。

セキュリティ面での優位性： XMLは明示的な開始・終了の境界を提供するため、注入されたコンテンツがセクション間で漏れ出すのを防ぎやすくなります。AIエージェント向けのガイダンスでは、XMLタグがMarkdownヘッダーよりも、指示、例、参照データ、ユーザー質問を分離するのに優れていると主張しています。

常に良いとは限らない： 短くシンプルなプロンプトの場合、XMLは実際に精度をわずかに低下させる可能性があります。あるテストでは、フラットなプロンプトが97.6%の精度だったのに対し、XMLは96.4%と、1.2ポイントの小さなペナルティが見られました（幻覚率に変化はなし）。同じテストでは、XMLによる入力トークンのオーバーヘッドが31%増加したことも示されています。XMLの利点はプロンプトの品質ではなく、複雑さに比例します。具体的には、プロンプトが約500トークンを超え、3つ以上の論理セクションがある場合に効果を発揮します。

主要AIプロバイダーの推奨

主要3ベンダーはすべて、XMLを効果的なデリミタパターンとして推奨していますが、XMLの形式は厳格である必要はなく、意味的な意図が重要です。

ユースケース別の実践的推奨

ハイブリッドアプローチ：実用的な選択

多くの実務者はハイブリッド戦略を採用しています。全体の構造にはMarkdown見出しを使い、ユーザー入力ブロックの周りにはXML風タグやコードフェンスを使用する方法です。これにより、Markdownの読みやすさとXMLのセキュリティ境界を両立できます。

例えば、次のような形式です：

## 指示
[ここに指示を記述]

## コンテキスト
[背景情報]

## ユーザー入力
<UserInput>
[実際のユーザー入力]
</UserInput>

このパターンは、人間が読みやすい明確なラベル付きセクションと、信頼できないプロンプト部分に対する強固な境界の両方を提供します。

結論

日々のプロンプト作成には、読みやすく、トークン効率が高く、文書化された比較テストでも良好なパフォーマンスを示すMarkdownを使用しましょう。複雑で多部構成のプロンプトを扱う場合、セキュリティのために厳格な意味的境界が必要な場合、またはClaudeを操作する場合は、XMLタグに切り替えてください。形式の効果はAIモデルにも依存しますが、人間側の保守性もモデルのパフォーマンスと同様に重要です。