LLM は Context に入っている情報だけを手がかりに応答します。System Prompt／指示／添付資料／会話履歴／ツール結果の 5 要素で構成され、入れすぎても少なすぎても応答が劣化します。
バイブ特有
426
Context (コンテキスト)
コンテキスト
体験区分：触った
推奨読者レベル：Level 2
何をしてくれるか
どこで出会うか
バイブコーディングの核概念です。AI に同じ質問を投げても「何を、どの順で、どれだけ」並べたかで結果が大きく変わります。「必要なものを必要な分だけ」が原則です。
構造図
2026.04·ready
「いま LLM の焦点は Context をどう設計するかで、量より中身が効くんですよね。」
Context (コンテキスト)の見方
427
この用語の見どころ
1
役割
LLM に見せる「文脈」の全体です。
2
うれしさ
質を上げれば、同じモデルでも応答が変わります（伸びます）。
3
注意点
膨らませすぎると応答が劣化し、圧縮しすぎると情報が歪みます。
4
どこで役立つか
指示の精度、長文読解、複数資料を扱う複雑タスク。
5
はじめに
System Prompt＋指示＋資料＋履歴の 4 要素と Window 上限の存在。
6
深掘り先
Context Engineering、Prompt Caching、RAG、Memory。
非エンジニアのつまずき
- 「コンテキスト」は日常語と距離があり、「文脈」と言ってくれた方が伝わりやすいと感じます。
- 入れすぎても少なすぎても劣化すると言われますが、ちょうどよい量の感覚が掴めません。
- 会話が長くなると重要な情報が勝手に圧縮・消去されることがあります。
私のコメント
- 第一印象:（著者記入欄・空）
- 良い点:（著者記入欄・空）
- ダメな点:（著者記入欄・空）
- 誰向けか:（著者記入欄・空）
開発フローでの位置
目的を整理
必要情報を選ぶ
Context に並べる
LLM 実行 → 出力確認
関連用語
G-01·term_llm
バイブコーディング図鑑