はじめに
ここまで（ 入門1、 入門2、 入門3、 入門4 ）で、プロンプト設計の基本構造と記述ルールを見てきました。 本章では、Few-shot（少数例学習）やCoT（Chain-of-Thought、思考の連鎖）といった、生成AIの性能を引き出す代表的なプロンプト手法について解説します。 これらの手法を活用することで、AIの論理的な思考力や複雑なタスクへの対応力を高めることができます。
例示による精度向上 ― Zero-shot / One-shot / Few-shot
プロンプト設計において、AIに「例を提示するかどうか」は出力品質を大きく左右することがあります。この例示の有無や数によって、次の3つのスタイルに分類されます。
Zero-shot
例示なしで、指示のみを行う方法です。単なる質問応答や機械的な翻訳など、手順が明確で、シンプルな指示でも意図が正確に伝わる場合に適した方法です。
One-shot
1つだけ例を提示した後に、指示を行う方法です。
比較的シンプルな指示や形式指定を行う際に、一度の例示で誤解なく意図を伝えられるケースに適しています。 以下、One-Shotの事例です。
観光地の紹介事例です 場所：奈良公園 特徴：最寄り駅はJR奈良駅、もしくは近鉄奈良駅。東大寺などの歴史的建造物と、若草山や鹿といった自然の両方を楽しめる。
次の観光地を例と同じ感じで紹介してください。 場所：箕面の滝
特徴：最寄り駅は阪急箕面駅。大阪市内から電車で約30分とアクセスが良いにもかかわらず、箕面大滝を中心とした豊かな自然を気軽にハイキングで楽しめる。特に秋の紅葉と、名物のもみじの天ぷらが有名。
Few-shot
複数（2個以上）例を提示した後に、指示を行う方法です。
複雑な分類や特定トーンの模倣など、言葉では伝えにくいルールやニュアンスを示したい場合に適しています。 例を複数提示することにより、AI自身に共通するルールやニュアンスを見出してもらう手法です。以下、Few-Shotの事例です。
以下の例文と同じトーンで以降の文章を書いてください。 【例文1】 原文：会議に遅れる。 変換：会議に遅れて参加いたします。 【例文2】 原文：何を持っていけばいい？ 変換：何か持参すべきものはありますか？
次の文を同じトーンに変換してください。 原文：このレポート明日までに仕上げて
こちらのレポートですが、明日までにご提出いただくことは可能でしょうか。
このように適切な例文を提示することで、AIは文脈や口調などを理解し、意図に沿った応答ができるようになります。Few-shotは特に、AIの論理展開や形式の模倣など、文章では表現しずらい指示をAIに伝える際に効果的なテクニックです。
AIの思考の誘導 ― Chain of Thought, Tree of Thoughtへの誘導
Chain of Thought（CoT：思考の連鎖）は、AIが直接答えを出すのではなく、「結論に至るまでの思考過程」も生成する能力のことです。CoTは1つの思考経路をたどるのが特徴ですが、これを発展させて、複数の思考経路を生成・比較し、最善の経路を選ぶ手法がTree of Thought（ToT：思考の木）です。 AIにプロンプトで指示をすることにより、これらのAIが持つ推論能力を活用することができます。算術的推論や複雑な論理課題では、このAIの持つ推論能力を活用することで、結果の正確性と一貫性を高めることができます。
AIのこの推論能力を使用するための指示は至ってシンプルです。特に定形的な指示方法があるわけではなく、プロンプトで、
問題を解くための考え方を示した後に、答えを出して下さい。
あるいは
この課題に対する複数の仮説を立て、それらの比較検証を行い、その検証内容と結論を教えて下さい。
といったように、「思考」と「結果」を分けて返すように指示するだけです。このようなシンプルな指示で、推論過程を経て、結論を導出してくれます。
その他：「再帰プロンプト」と「ステップバイステップ」
これまで説明してきたもの以外にも、実践で活用できる手法が存在します。 ここでは、特に汎用性の高い再帰プロンプト（Recursive Prompting）とステップバイステップ（Step-by-Step）方式とを紹介します。
再帰プロンプト（Recursive Prompting）による自己評価
再帰プロンプトとは、AIに自身の回答を評価・修正させる手法です。 たとえば次のように指示します：
まず回答を生成して下さい。次に、その回答について妥当性を評価し、悪い点があれば、改善案を提示して下さい。
このように、回答生成と自己評価を組み合わせる二段階構成により、AIは人の手を介さずに出力の品質を向上させることが可能になります。 再帰プロンプトは、AIの応答精度を高めるための有効なアプローチとして注目されています。
ステップバイステップ（Step-by-Step）方式
ステップバイステップ方式は、AIに一度ですべての作業を任せず、処理を段階的に整理して指示する手法です。この手法を活用すれば、手戻りを少なくしAIから効率的に回答を得ることができるようになります
まず、シンプルにステップバイステップのみを使用する事例から紹介していきます。
🔸AIへの指示が非常に複雑な場合：
まず、1st STEPで指示内容を整理させ、内容が合っていれば、2nd STEPで指示を実行させる
🔸膨大なデータに同様な処理を施す場合：
まず、1st STEPで、冒頭の10個データに処理を施し、処理内容が意図通りであることを確認し、2nd STEPで全データに対し処理を実行させる。
このようにステップを刻み、AIに指示が誤って伝わっていないか中間チェックをすることにより、手戻りを無くすことができます。
次に紹介するが応用例で、他の技法とステップバイステップ技法を絡めて使用します。例えば、ToT（思考の木）とステップバイステップを絡め、
問題を分解し、課題を説明してください。
次に、解決法の候補を挙げ、メリット・デメリットを整理してください。
最後に、最も有力な解決法に基づいて結果を示してください。
というように段階的に指示を出すことができます。
同様に、先ほど説明した、再帰プロンプト（Recursive Prompting）の技法とステップバイステップを絡め、
この課題に対する回答を教えてください。 次に、『論理性』『整合性』『制約条件』の観点で自己評価して下さい。 次にその結果を受けて、改善案を提示してください
と段階を刻むような使い方をすることもできます。
このようにAIに段階的にタスクを実行させることで、意図とのズレをその場で修正でき、AIと効率的に対話しながら成果物を磨き上げられます。
まとめ
本章では、AIに対して「何を答えさせるか」ではなく、「どう考えさせるか」に焦点を当てたプロンプト設計の技術を解説しました。 Few-shotによる文脈提示は、AIに模倣すべきパターンやスタイルを学習させる手段であり、 Chain-of-Thought（CoT）やステップバイステップの手法は、AIの思考を段階的に誘導し、論理的な構造を持った出力へと導くものです。 これらのアプローチにより、AIの応答は知識の羅列から脱却し、根拠と一貫性を備えた高品質な成果物へと進化します。 複雑な推論や判断が求められる場面でも、AIの誤りを抑え、信頼性の高い支援を実現するための基盤となるアプローチです。
