現代の人工知能は、単純な文章生成を超えて進化を遂げています。現在では、複雑な食事制約の処理、代謝ニーズの計算、クライアント向け文書の秒単位での生成が可能な、堅牢な分析エンジンとなっています。
以下のプロンプトは、ChatGPT、Gemini、Claude、DeepSeekを含むすべての主要な大規模言語モデル（LLM）に展開するために、厳密にテストされ最適化されています。特定のモデルには独自のアーキテクチャ上の利点があります（例えば、DeepSeekはロジック重視の制約処理に、Claudeは共感的なクライアントコミュニケーションに優れています）。しかし、これら10のプロンプトは、パーソナライゼーションを犠牲にすることなく実践を拡大したい管理栄養士や栄養専門家にとって、普遍的で高効率な基盤を提供します。
1. 「計算不要」TDEE＆マクロ分割計算機
タスク: 特定の臨床目標に基づき、基礎代謝ニーズを迅速に計算し、マクロ栄養素を分割する。
最適モデル: DeepSeek（数学的ロジックと厳密な数値制約の処理に優れている）。
臨床管理栄養士として行動してください。以下のクライアントプロファイルに基づいて、TDEEとマクロ栄養素の分割を計算してください。
クライアントプロファイル:
- 年齢: [年齢]
- 性別: [性別]
- 体重: [体重]
- 身長: [身長]
- 活動レベル: [低い/軽い/中程度/高い]
- 目標: [減量/維持/筋肉増強]
- 好みの食事法: [ケトジェニック/地中海式/高タンパク質]
出力要件:
1. Mifflin-St Jeorの式を使用してBMRを計算する。
2. 活動レベルに基づいてTDEEを計算する。
3. クライアントの目標に適した、3つの異なるマクロ栄養素分割オプション（控えめ、中程度、積極的）をグラム数とパーセンテージで提供する。
4. データを明確なMarkdownテーブルで表示する。
利点: 手動計算の誤りを排除し、クライアントと議論するための臨床オプションの範囲を即座に提供する。
2. 7日間除外食対応食事計画ジェネレーター
タスク: 複雑なアレルギーや不耐症プロトコル（例：FODMAP、AIP）に厳密に準拠した、1週間分の食事を作成する。
最適モデル: ChatGPT（創造的なレシピ生成とパターン認識において強力な汎用性を発揮）。
厳格な食事制限を持つクライアント向けに、7日間の食事計画（朝食、昼食、夕食、間食）を作成してください。
制約:
- 1日あたりの総カロリー: [数値]
- 厳密に除外するもの: [アレルゲンのリスト、例：グルテン、乳製品、高FODMAPのニンニク/玉ねぎ]
- 含めるもの: 可能な限り高食物繊維食品。
- 準備スタイル: ミールプレップに適している（昼食に残り物を許可）。
形式:
- 日ごとに整理（1日目～7日目）。
- 夕食のための簡単な準備メモを含める。
- 味の飽きを防ぐため、食材のバラエティを確保する。
利点: 除外基準に対して材料リストを照合するのに費やす時間を数時間から数秒の作業に短縮する。
3. 「ヘルシー置き換え」レシピリモデラー
タスク: クライアントのお気に入りの不健康なコンフォートフードを取り上げ、料理の本質を失うことなく、栄養価の高い代替品を設計する。
最適モデル: Claude（ニュアンスの理解と料理の文脈把握に高い適性がある）。
私のクライアントは[料理名、例：ラザニア]が大好きですが、[栄養素、例：飽和脂肪/ナトリウム]を減らし、[栄養素、例：タンパク質/食物繊維]を増やす必要があります。
これらの栄養目標を満たしつつ、元の風味プロファイルと食感を可能な限り維持するように、このレシピを書き直してください。
提供するもの:
1. 具体的な計量を含む修正された材料リスト。
2. 特定の置き換えが行われた理由の簡単な説明（例：「タンパク質を増やすためにリコッタをカッテージチーズに交換」）。
3. 新しいバージョンの1人前の推定マクロ栄養素。
利点: クライアントが健康目標に合わせて修正したお気に入りの食事をローテーションに残せるようにすることで、クライアントの遵守率を高める。
4. カテゴリ別買い物リスト自動化
タスク: テキストベースの食事計画を、整理され、通路ごとの買い物戦略に変換する。
最適モデル: Gemini（データの並べ替え、フォーマット、リスト整理において強力な能力を発揮）。
以下の週間食事計画を確認し、統合された食料品買い物リストを生成してください。
食事計画:
[食事計画をここに貼り付け]
出力ルール:
1. 数量を統合する（例：1日目に玉ねぎ1個、3日目に玉ねぎ2個が必要な場合、「玉ねぎ3個」とリストする）。
2. 標準的な食料品店のセクション（生鮮食品、タンパク質、乳製品/代替品、パントリー、冷凍食品）ごとにアイテムを整理する。
3. 購入前にクライアントが確認すべきパントリーの定番品（例：オリーブオイル、スパイス）にフラグを立てる。
利点: クライアントにとっての物流的摩擦を取り除き、実際に食品を購入し計画を遵守する可能性を大幅に高める。
5. 臨床概念簡易化ツール（アナロジー生成器）
タスク: 複雑な代謝プロセスを、医療用語を使わない言葉でクライアントに説明する。
最適モデル: Claude（自然で人間らしい口調と明確な説明で定評がある）。
医学的バックグラウンドのないクライアントに、[概念、例：インスリン抵抗性/リーキーガット/糖新生]の概念を説明してください。
口調: 共感的、励みになる、明確。
要件: メカニズムを説明するために、親しみやすい実世界のアナロジー（交通渋滞、鍵と鍵穴、庭など）を使用する。重い専門用語は避ける。
利点: 患者のリテラシーと信頼を向上させ、食事介入の背後にある「理由」を理解させる。
6. 薬物-栄養素相互作用チェッカー
タスク: 処方された食事とクライアントの薬物リストとの間の潜在的な衝突を迅速にフラグ立てする。
最適モデル: DeepSeek または Gemini（事実の検索と安全性チェックにおいて信頼性が高い）。
以下の薬物と食品/サプリメントの間の潜在的な薬物-栄養素相互作用をチェックしてください。
薬物: [薬物リスト、例：ワルファリン、リシノプリル]
食事の焦点: [食事リスト、例：高ビタミンK摂取、カリウムサプリメント]
出力:
- 高リスクの相互作用を特定する。
- 相互作用のメカニズムを説明する。
- 必要に応じて食事のタイミング調整または除外を推奨する。
*(注：すべての出力は臨床ハンドブックに対して確認します。これは予備的なスクリーニングのためです。)*
利点: 計画段階での安全網として機能し、食事推奨が医療処置と禁忌とならないことを保証する。
7. 「残り物ロジック」効率プランナー
タスク: 食事を連鎖させることで、食品廃棄物と予算を最適化する。
最適モデル: ChatGPT（論理的な順序付けと入力の創造的な使用に優れている）。
4人家族向けに、食品廃棄物ゼロと予算効率に焦点を当てた3日間の食事シーケンスを設計してください。
中核となる食材: [食材、例：ローストチキンまたは5ポンドの挽肉]
計画:
- 1日目: 中核食材を使用した主要な食事。
- 2日目: 残り物を完全に異なる風味プロファイル（例：メキシコ料理からアジアンフュージョン）で使用した二次的な食事。
- 3日目: 残りの端材を利用した「冷蔵庫を空にする」スープまたはサラダ。
利点: 予算を意識するクライアントに価値を示し、持続可能なキッチンの習慣を教える。
8. 行動変容＆モチベーションスクリプティング
タスク: 「計画から外れてしまった」クライアントへのメールやチャットの返信を下書きする。
最適モデル: Claude（優れた感情的知性と口調のコントロール）。
チェックインを逃し、週末に過食を認めたクライアントに、思いやりがありながらも責任を促すメールを下書きしてください。
重要な要素:
- 判断せずに彼らの感情（恥/欲求不満）を認める。
- 1週末で長期的な進歩が台無しにならないことを思い出させる。
- すぐに実行できる小さな実践的なステップを1つ提案する（例：水を飲む、高タンパク質の朝食をとる）。
- 有害なポジティブ思考は使わない。現実的でプロフェッショナルであること。
利点: クライアント管理の感情的労働を自動化しつつ、密接で支援的な関係を維持する。
9. サプリメントプロトコル要約
タスク: 複雑なサプリメントスタックのための明確な時間指定スケジュールを作成する。
最適モデル: Gemini（データをスケジュールに構造化することに優れている）。
以下のリストに基づいて、毎日のサプリメントスケジュールを作成してください。
サプリメント:
- [サプリメントA、例：グリシン酸マグネシウム]
- [サプリメントB、例：ビタミンD3 + K2]
- [サプリメントC、例：ピコリン酸亜鉛]
要件:
- 時間帯（朝、昼食時、就寝前）ごとにグループ化する。
- 吸収を最大化するために、食事と一緒に摂取するか空腹時に摂取するかを注意書きする。
- チェックリストとしてフォーマットする。
利点: 混乱しがちな瓶の袋を、シンプルで従いやすいチェックリストに変えることで、クライアントの遵守率を高める。
10. 研究論文統合ツール
タスク: 学術論文全体を読むことなく、特定の栄養素や状態に関する最新情報を把握する。
最適モデル: DeepSeek（密度の高い情報処理と要約に強い）。
一般的なトレーニングデータに基づいて、[トピック、例：認知機能のためのクレアチン一水和物]に関する現在のコンセンサスと最近の発見を要約してください。
構造:
1. 主要な作用機序。
2. 証明された利点 vs. 理論上の利点。
3. 研究で使用される標準的な投与プロトコル。
4. 注目すべき副作用または禁忌。
利点: 実践者が知識ベースを迅速に更新し、クライアントの質問にエビデンスに基づいた回答を提供できるようにする。
プロのヒント：コンテキスト注入
これらのモデルから最高品質の出力を得るには、セッションの開始時に「コンテキスト注入」を使用してください。食事計画を依頼する前に、あなたの哲学を定義する「スタイルガイド」ブロックをアップロードまたは貼り付けます。
例: 「私は直感的な食事法、高タンパク質、最小限の加工食品を信じる管理栄養士です。1200カロリーの食事は決して推奨しないでください。パウダーよりも常にホールフードを優先してください。」
これらの基本ルールを一度設定することで、そのチャットセッション内のすべての後続のプロンプトは、あなたの臨床ブランドに完璧に沿ったものになります。
AI支援栄養学における長期的な成功は、あなたの専門知識を置き換えることからではなく、管理的および計算上の重労働を自動化することで、ケアの人間的要素に集中できるようにすることから生まれます。