Gemini
プロンプト集
長文脈、マルチモーダル、Google 統合。Gemini の3つの強みを最大限に活かす日本語プロンプト6例。
Gemini 2.5 Flash / Pro / Deep Think、Gemini 1.5 Pro、Gemini for Workspace 対応。
Gemini は「長文脈 × マルチモーダル × Google 統合」で差別化しています。
ChatGPT や Claude と Gemini を使い分ける最大の軸は、扱う情報の形と量です。Gemini 1.5 Pro の200万トークン長文脈は書籍数冊や中規模コードベースを一度に処理でき、マルチモーダル能力は動画・音声・画像を直接プロンプトに含められます。さらに Gmail、Docs、Sheets、Meet と深く統合されており、既存のクラウドデータを文脈として活用する使い方ができます。
本ページでは、Gemini の3つの強みを最大限に活かす6カテゴリのプロンプトを日本語で提供します。長文脈活用、マルチモーダル分析、動画音声要約、リポジトリ規模のコード解析、Google Workspace 統合、Deep Research の実例です。
01 — 長文脈活用
複数文書横断の統合分析
Gemini 1.5 Pro の200万トークンを活かし、複数の書籍、論文、レポートを同時に分析するプロンプト。
プロンプト(コピペ可)
# 役割
あなたはシニア研究アナリストで、複数の情報源を統合して独自の洞察を導くのが得意です。
# 入力
以下のファイルを添付してください(PDF、テキスト、ドキュメント):
- 文書1: {{doc1_description}}
- 文書2: {{doc2_description}}
- 文書3: {{doc3_description}}
(追加も可能、最大で合計100万トークン程度まで)
# リサーチクエスチョン
{{research_question}} 例: 複数の論文が示す AI 導入の成功要因に、共通するパターンは何か
# タスク
1. 各文書の主張と根拠を要約
2. 文書間の共通点(合意している論点)
3. 文書間の相違点(対立している論点と、その理由)
4. 文書が触れていない重要な論点(gap)
5. あなた自身の総合的な見解(3つ以上の論点を統合した独自の結論)
# 出力形式
1〜4は表形式または構造化リスト、5は300〜500字の統合的見解。各主張に文書番号と箇所(ページや章)を引用。
# 原則
- 自分の知識で補完する際は「文書外知識」と明示
- 矛盾する情報があれば両論併記、どちらが正しいか判断しない
- 推測と引用を混同しない実務メモ: Gemini 1.5 Pro でのみ実用的。学術研究、競合分析、社内ドキュメント整理で威力を発揮。ChatGPT や Claude では分割処理が必要。
02 — マルチモーダル
画像と質問を組み合わせた分析
UI スクリーンショット、ホワイトボード写真、データ可視化など、画像から情報を抽出し、追加質問に答えるプロンプト。
プロンプト(コピペ可)
# コンテクスト
添付画像について以下のタスクを実行してください。
# 画像の種類
{{image_type}} 例: Web UI スクリーンショット、ホワイトボードのブレインストーミング、ダッシュボード、商品写真、図表
# タスク
1. 画像の主な要素をリストアップ(視覚的な項目を網羅)
2. 画像が伝えようとしている主要メッセージ
3. 改善 / 追加質問 / 分析を以下の観点で実施
- UI の場合: UX 問題、アクセシビリティ、情報階層
- ホワイトボード: 議論の要点整理、欠けている視点、次アクション
- ダッシュボード: データの傾向、異常値、追加で見るべき指標
- 商品写真: 魅力訴求、ターゲット層、競合との差別化
# ユーザーの追加質問
{{user_question}}
# 出力形式
- 画像の事実的要素(短い箇条書き)
- 解釈と分析(段落、根拠は「画像の何を見てそう判断したか」を明示)
- 推奨アクション(実行可能な3〜5項目)
# 原則
- 画像に写っていない情報を推測する際は「推測」と明示
- 文字が不明瞭で読めない箇所は「不明」と記載
- 単なる描写ではなく、ユーザーにとっての価値に変換実務メモ: UI レビューやホワイトボード議事録で特に有効。Claude も類似のマルチモーダル対応だが、Gemini は画像から情報抽出の精度が高い傾向。
03 — 動画 / 音声
長時間メディアの要約と構造化
1時間の会議録音や Webinar 動画から、要点、タイムスタンプ、アクションアイテムを抽出するプロンプト。
プロンプト(コピペ可)
# コンテクスト
添付した動画または音声ファイルについて以下を実行してください。
# メディアの種類
{{media_type}} 例: 社内会議録画、Webinar、インタビュー音源、YouTube 動画
# 目的
{{purpose}} 例: 参加できなかった人への共有、ブログ記事への転用、アクション追跡
# 出力(3段階)
## 段階1: エグゼクティブサマリ
- 300字以内でメディアの主要メッセージ
- 結論と主要な合意点
- 未決事項
## 段階2: タイムスタンプ付き要約
- 5〜10分ごとに主要な話題と結論を記載
- フォーマット: [HH:MM:SS] 話題と要点
- 発言者が複数いる場合は区別
## 段階3: アクションアイテム抽出
- 誰が (Who)、何を (What)、いつまで (When)
- 優先度(高 / 中 / 低)
- 明示されていない場合は推測せず「未定」と記載
# 追加の分析
- 議論の中で出た数値、統計、引用
- 登場した固有名詞(人名、会社名、プロダクト名)
- 次回フォローアップすべき質問
# 原則
- 聞き取れなかった箇所は [不明] と表記
- 話し手の意見と事実を区別
- 感情的な表現(怒り、不満)があれば文脈を添えて記載実務メモ: Gemini 特有の強み。会議録の即時要約、Webinar のブログ化、研究インタビューの構造化で時短効果が大きい。
04 — コード解析
リポジトリ規模のコード理解
長文脈を活かし、プロジェクト全体のコードを一度に渡して設計問題や改善余地を検出するプロンプト。
プロンプト(コピペ可)
# 役割
あなたはシニアソフトウェアアーキテクトで、既存コードベースの全体設計を評価するのが得意です。
# 入力
添付ファイル(リポジトリの tar、zip、または主要ファイルを連結したテキスト)
# コンテクスト
- 言語 / フレームワーク: {{tech_stack}}
- プロジェクトの目的: {{project_purpose}}
- 現在の課題: {{current_pain_points}} 例: 新機能追加が遅い、本番障害多発、チーム拡大の障壁
# タスク
1. アーキテクチャ俯瞰(主要モジュールと依存関係の図式的説明)
2. 設計上の強み(維持すべき良い判断)
3. 設計上の問題(優先度順に5〜10項目)
- 各問題の症状、場所(ファイル名)、根本原因、リスク
4. 推奨改善(各問題に対して)
- 小さな変更で済む quick win
- 中期的リファクタ案
- アーキテクチャ変更を伴う長期案
5. 技術的負債のサマリ(金額に換算できれば概算で、できなければ工数目安)
# 原則
- コードを読む前に言い当てず、実際の実装を引用
- チームの文化や外部制約を推測しない(情報がなければ質問)
- 過剰な抽象化提案(YAGNI 違反)は避ける実務メモ: Gemini 1.5 Pro の200万トークンは中規模リポジトリ(10万行程度)を一括処理できる。コードレビューの時短効果が劇的。
05 — Google 統合
Gmail / Docs / Sheets / Meet との連携
Gemini for Workspace 上で、既存のクラウドデータを文脈として活用するプロンプト例。
プロンプト(コピペ可)
# シナリオ別プロンプト(Gemini for Workspace)
## Gmail での返信下書き
このスレッドを読んで、以下のトーンで返信を作成してください:
- 相手: {{recipient_role}} 例: 取引先部長
- 目的: {{purpose}} 例: 提案会議の日程調整、お礼と次アクション
- 長さ: 150字以内
- 必須要素: 具体的な日時候補3つ、前回の議事内容への参照
## Docs での長文執筆
現在の Doc の冒頭3段落を読んで、同じトーンとスタイルで以下のセクションを書いてください:
- セクションテーマ: {{section_topic}}
- 長さ: 500〜800字
- 既存 Doc との整合性: 用語、論旨、想定読者を統一
## Sheets での分析
添付シートについて:
- 各列の意味を推測
- 気になる異常値、外れ値を検出
- 以下の質問に数式で答える: {{questions}}
- 推奨ダッシュボード構成(ピボット、グラフ、KPI 候補)
## Meet での議事録生成
この会議録画から:
- 参加者一覧と発言比率
- 決定事項
- アクションアイテム(担当者、期限、詳細)
- 未決事項と次回までに必要な準備
## Slides での構成提案
このトピックで、想定聴衆向けに15分のプレゼン構成:
- トピック: {{topic}}
- 聴衆: {{audience}}
- 目的: {{purpose}} 例: 意思決定、情報共有、提案の承認
- 各スライドのタイトル、主張、サポートする図やデータの種類実務メモ: Gemini for Workspace(有料版)が必要。ChatGPT や Claude では実現困難な、既存クラウドデータとの深い統合が最大の差別化。
06 — Deep Research
網羅的市場調査 / 競合分析
数十〜数百のウェブソースを自動で統合し、構造化レポートを生成する Deep Research の使い方。
プロンプト(コピペ可)
# リサーチテーマ
{{research_topic}} 例: 2026年 日本の企業向け生成 AI 市場の競合マップ
# 目的
{{purpose}} 例: 新規参入判断、競合ベンチマーク、投資委員会資料作成
# 出力構造
1. エグゼクティブサマリ(500字以内)
2. 市場規模と成長予測(複数ソース参照、数値と前提を明示)
3. 主要プレイヤー分析(5〜10社)
- プロダクト概要
- ターゲット市場
- 価格モデル
- 最近の動向(直近6ヶ月の資金調達、発表、パートナーシップ)
- 強みと弱み
4. 市場セグメント別の競合状況
5. 未開拓の機会(White space analysis)
6. 参入推奨戦略(リソース別に3シナリオ)
7. リスクと前提(調査の限界、情報の鮮度)
# 情報源の指定
- 優先: 公式サイト、決算資料、業界レポート、信頼性の高いメディア
- 補助: 公開されているインタビュー、アナリストレポート、特許情報
- 避ける: 個人ブログ、SNS の未検証情報
# 引用形式
各主張に [ソース名、日付、URL] を添える。数値には特に注意。
# タイムフレーム
過去24ヶ月のデータを優先。古い情報は明示。
# 言語
回答は日本語、ただし固有名詞と専門用語は原語併記。実務メモ: Gemini Advanced の Deep Research 専用。5〜15分で数十ページのレポートを生成。競合分析、市場調査、M&A ターゲット選定などで威力を発揮。
ChatGPT や Claude 向けも同じ水準でカスタマイズ。
ジェネレーターに目的を入れると、各モデルの強みを活かした構造化プロンプトを自動生成します。
よくある質問。
Gemini は ChatGPT や Claude とどう違いますか?
Gemini の強みは3つあります。(1)Google の長文脈(Gemini 1.5 Pro は200万トークン対応で、書籍数冊分を一度に処理可能)、(2)マルチモーダル能力(画像、音声、動画、コードを統合処理)、(3)Google Workspace、Search、YouTube との深い統合です。ChatGPT は汎用性とエコシステム、Claude は推論と長文執筆で優位です。タスクに応じた使い分けが推奨されます。
Gemini 2.5 と 1.5 Pro のどちらを使うべきですか?
最新の Gemini 2.5 (Flash / Pro / Deep Think) は推論品質と速度のバランスが改善されています。長文脈(100万トークン超)を活用したい場合は 1.5 Pro、最新の推論品質と速度を優先するなら 2.5 Flash、最高品質の推論には 2.5 Deep Think が適切です。実務では、まず 2.5 Flash で試し、必要に応じて Pro / Deep Think に切り替えるのが効率的です。
Gemini で日本語は問題なく扱えますか?
はい、日本語は主要サポート言語の一つで、最新モデルではネイティブレベルに近い応答品質です。Google 検索の日本語データを学習に活用していると推測され、日本の文化的文脈やニュース情報へのアクセスは ChatGPT や Claude より有利なケースがあります。ビジネス用途、学術用途、創作用途すべてで実用水準です。
Gemini の長文脈はどう活用すべきですか?
有効な使い方4つ。(1)複数書籍の横断分析(数百ページを1プロンプトで)、(2)巨大なコードベース解析(リポジトリ全体を渡して設計問題を検出)、(3)長時間の音声・動画コンテンツ要約、(4)多量のログやデータからのパターン発見。『関連ファイルだけ渡す』という従来の工夫が不要になり、『全部渡して』の運用が現実的になりました。
マルチモーダル入力はどう使いますか?
画像、PDF、音声、動画を直接プロンプトに添付できます。活用例: (1)ホワイトボード写真から議事録起こし、(2)UI スクリーンショットから改善提案、(3)ECの商品画像から詳細説明文生成、(4)動画から要点とタイムスタンプ抽出、(5)音声インタビューの文字起こしと要約。画像 + テキスト質問の組み合わせが最も精度が高い傾向です。
Google Workspace との統合で何ができますか?
Gemini for Workspace では、Gmail での返信下書き、Docs での長文執筆補助、Sheets での数式生成と分析、Meet での議事録生成、Slides でのスライド自動構成までが、ネイティブで統合されています。Gmail の文脈を踏まえた返信、既存 Doc のスタイルに合わせた追記など、クラウドデータを活かした提案が可能です。
Deep Research 機能はどう使いますか?
Gemini Advanced の Deep Research は、指定トピックについて数十〜数百のウェブソースを自動で検索、読解、統合し、構造化されたレポートを生成します。市場調査、競合分析、学術文献レビュー、技術動向調査で特に強力です。通常の検索や ChatGPT の検索機能より深く網羅的な調査が可能で、5〜15分の処理時間で数十ページのレポートが得られます。