目次 › 第4章 › 4-5

第4章 アプリケーションの組み立てとデプロイ / 想定学習時間:30〜40分 / 最終確認:2026年8月

4-5. バージョン管理されたプロンプト/チェインの運用

1. なぜプロンプトをバージョン管理するのか

生成AIアプリでは、プロンプトの一語の違いが出力品質を大きく変えます。にもかかわらず、プロンプトがコード内の文字列として散在していると、次の問題が起きます。

• 「先週から回答品質が落ちた」ときに、いつ誰がプロンプトをどう変えたか追えない
• 変更のたびにアプリ全体の再デプロイが必要になる
• 改善版と旧版を比較評価する仕組みがなく、変更が「勘」で行われる
• 問題発生時に、直前の安定版へ即座に戻せない

解決の考え方はシンプルで、プロンプトもモデルと同じ「成果物(artifact)」としてレジストリでバージョン管理することです。DatabricksではMLflow Prompt Registryがこれを担い、プロンプトをUnity Catalog配下で登録・バージョン管理し、エイリアスを付けられます。

import mlflow

# プロンプトの登録(同名で再登録すると新バージョンが採番される)
prompt = mlflow.genai.register_prompt(
    name="prod.genai_apps.support_prompt",
    template=(
        "あなたはサポート担当者です。以下のコンテキストのみに基づいて、"
        "丁寧に回答してください。\n\nコンテキスト: {{context}}\n\n質問: {{question}}"
    ),
    commit_message="根拠外の回答を禁止する指示を追加",
)

# 利用側:productionエイリアスで最新の採用版をロード
prompt = mlflow.genai.load_prompt(
    "prompts:/prod.genai_apps.support_prompt@production"
)

2. チェーン/モデルのバージョン運用:レジストリ+エイリアス

チェーン(RAGアプリ本体)のバージョン管理は、4-1で学んだUC上のModel Registry+エイリアスがそのまま運用の軸になります。ポイントは「バージョンは不変、エイリアスは可変」という役割分担です。

プロンプトを変更した場合も、チェーンの新バージョンとして登録し直す(またはPrompt Registry側の新バージョンを参照させる)ことで、「どのプロンプトで動いていたか」がバージョンから常に特定できるようにします。

3. 安全な変更フロー:評価ゲートを通す

プロンプトやチェーンの変更を本番に反映するときの標準フローは次の通りです。いきなり本番を書き換えないことがすべての出発点です。

4. コード・プロンプト・データのバージョン整合

RAGアプリの挙動は、チェーンのコードだけでなく、プロンプト、そして検索対象のデータ(ベクトルインデックス)にも依存します。この3者のバージョンがずれると、「評価に合格した構成」と「本番で動いている構成」が別物になってしまいます。

実務では、モデルバージョンの説明やタグに「使用したプロンプトのバージョン」「対象インデックス名」を記録し、1つのモデルバージョンを見れば構成全体を再現できる状態を保つのが定石です。評価(第5章)は常に「この3点セット」に対して行い、どれか1つだけを黙って差し替えないことがルールです。

練習問題