ブログ記事
- Claude
- Obsidian
- AI Workflow
AIにスクショ＋キャプションを渡すと精度が上がる理由【実運用Tips】
"スクリーンショット単体よりキャプション付きで渡した方がAIの誤解が減ります。UI設定系のバージョン差への対処法も含めて解説。"
この記事の結論
- スクリーンショット単体より、キャプション付きで渡した方が AI の誤解が減る
- UI設定系の画像はバージョン差で項目名がずれやすいため、キャプションで補足が必要
- ずれが出たら captions を追記して再依頼するだけで修正できる
スクショ単体では AI が誤解しやすい
AI に画像を渡すとき、スクリーンショットだけを添付していないでしょうか。
画像だけを渡した場合、AI は「画面に何が写っているか」を読み取ろうとします。しかし、筆者が何の操作をしているのか、どの部分に注目してほしいのかまでは、画像からは判断できません。
結果として、説明のポイントがずれたり、関係のない部分について言及されたりすることがあります。スクリーンショットに一言キャプションを添えるだけで、このすれ違いが大幅に減ります。
captions.md に書く内容は「何の画面か・注目点」の1文でいい
キャプションは長く書く必要はありません。以下の2点を1文にまとめるだけで十分です。
- 何の画面か（例: Cursor の設定画面、Claude の新規チャット画面）
- 注目点（例: 左メニューの「Models」タブ、赤枠で囲った箇所）
書き方のイメージ:
## settings-models.png
- 何の画面か: Cursor の設定画面（Settings > Models）
- 注目点: 使用モデルの切り替えボタン。ここが「gpt-4o」になっていることを確認する
captions.md にまとめて書いておくと、画像が複数枚になっても管理しやすくなります。記事フォルダに screenshots/ フォルダと captions.md をセットで用意しておくのがおすすめです。
UI設定系はバージョン差に注意が必要
Cursor・Claude・ChatGPT などの設定画面は、アップデートのたびに項目名や配置が変わることがあります。スクリーンショットだけで渡すと、AI が古い仕様を参照して誤った説明を生成するケースがあります。
キャプションで「何を操作しているか」を明示しておくことで、画面の見た目が変わっていても AI が意図を正しく読み取りやすくなります。
また、記事として公開する場合は、スクリーンショットの撮影日や対象バージョンを captions.md に記録しておくと、後から更新が必要になったときに判断しやすくなります。
ずれたら captions を追記して再依頼するだけでいい
出力がずれた場合、プロンプト全体を書き直す必要はありません。
captions.md の該当箇所に補足を1行追記して、同じ依頼を再度行うだけで済みます。変更が局所化されるため、修正のコストが低く抑えられます。
公開前には以下も確認しておくと安心です。
- 個人情報・アカウント名・メールアドレスが写り込んでいないか
- 画面のバージョン・撮影時期を captions.md に記録したか
- 本文の手順と画像の順番が一致しているか
まとめ・次に読む
スクショ＋キャプション運用のポイントをまとめます。
- 対象画面のスクリーンショットを保存する
- captions.md に「何の画面か・注目点」を1文書く
- ChatGPT / Claude に画像と captions.md を同時に渡す
- 出力がずれたら captions を追記して再依頼する
- 公開前に個人情報の写り込みがないか確認する
captions.md の詳しい書き方や、source.md とのセット運用については以下の記事も参考にしてください。
本記事は 2026-05-28 時点の運用方法をもとに書いています。各ツールの UI・仕様はアップデートにより変更されることがあります。最新情報は各ツールの公式ドキュメントをご確認ください。