GET BETTER ANSWERS FROM THE SAME AI

同じAIから、良い答えを引き出す

モデルは固定。あなたが動かせるのは入力する言葉(プロンプト)だけです。でもそれで、出力の質はまるで変わる。例を見せ、役割を与え、考えさせ、型に嵌める—— 「なぜ効くのか」を仕組みから解き明かし、使う側の技として身につけます。

SCROLL

STEP 01

あなたのレバーは、プロンプトだけTHE ONLY LEVER

モデルの中の何十億もの重みは、あなたには変えられません。推論のとき、モデルが見るのは 入力トークンの並びだけ。つまり出力を操作できる唯一のハンドルはプロンプトです。同じ用件でも、曖昧に頼むか具体的に頼むかで、返ってくるものは別物になります。

VAGUE VS SPECIFIC — 指示を変えると、出力が変わる

↓ MODEL OUTPUT

STEP 02

やってほしいことを説明するより、お手本を2〜3個見せる方が速いことがあります。モデルは「パターンの続きを書く」機械(テキスト生成編)。例を並べれば、その並びを続けようとする—— これがFew-shot(文脈内学習)。学習は一切していないのに、例を見ただけで形が揃います。

FEW-SHOT — レビューの感情を判定するタスク

↓ 新しい入力「梱包は雑だけど、品質は良い」への出力

STEP 03

「あなたは〇〇です」の一文で、出力の語り口・深さ・語彙がごっそり変わります。役割の言葉が、モデルの中のその人物らしい続きへと確率を寄せるから。安全性編で見たシステムプロンプトを、今度はあなたが指定する番です。同じ質問で役割を切り替えてみてください。

ROLE — 同じ「量子コンピュータを説明して」に役割だけ足す

↓ MODEL OUTPUT

STEP 04

多段の計算や推論を即答させると、普通のモデルは間違えます。でも 「ステップバイステップで考えて」の一言を足すだけで、正答率が上がる。途中式を書くための場所と時間を、あなたのプロンプトが与えるのです。直答モードと考えさせモードを切り替えて確かめてください。

CHAIN OF THOUGHT PROMPTING — あなたが引き出す

↓ MODEL OUTPUT

STEP 05

仕上げは出力の形を指定する技。「JSONで」「表で」「200字で」と型を与えると、プログラムでそのまま扱える出力になります。そして本当の実力は技の重ね掛け——役割・文脈・例・手順・型を積むほど、出力は狙いに近づく。チップを足して、プロンプトと出力が育つのを見てください。

RECIPE — 技を足すほど、出力が良くなる

タスク: 「商品レビューから要点を抜き出して」。チップをONにすると、下のプロンプトと出力が変わります。

↓ MODEL OUTPUT

RECAP

STEP 01指示が全て動かせるのは入力だけ。曖昧な条件は曖昧な出力。

STEP 02例を見せるFew-shot。例の並びを続けさせ、形を揃える。

STEP 03役割を与える語り口と深さを、人格の指定で寄せる。

STEP 04考えさせる「手順を踏んで」で途中式の場所を与える。

STEP 05型に嵌める形を指定し、技を重ねて狙いに寄せる。

SERIES

この章はテキスト生成編(続きを予測する原理)の上に建ち、 エージェント・RAG編や推論編への入り口になります。