Few-shotプロンプトとは例を示してAIに出力の型を覚えさせる方法
Few-shotプロンプトは、指示に加えて、望ましい入力と出力の例を数個示す手法です。効果が出る場面、例の選び方と個数、書き方の具体例、よくある失敗、ゼロショットとの使い分け、例が出力に影響しすぎる問題への対処を整理します。
公的機関・公式資料などの一次情報と照合して作成しています。このサイトについて
Few-shotプロンプトとは
Few-shotプロンプト（few-shot prompting、数例提示）は、指示に加えて、「こういう入力には、こういう出力」という例を、数個示す手法です。言葉で説明しにくい形式・文体・判断の基準を、例を通じて伝えられます。2020年のGPT-3の論文で、大規模言語モデルが少数の例から課題を学べる（in-context learning）ことが示され、広く知られるようになりました（大規模言語モデル（LLM）とは、Zero-shotプロンプト）。
例を示すと何が良いのか
| 利点 | 内容 |
|---|---|
| 形式を揃えられる | 出力のフォーマットを、例どおりに揃えやすい |
| 文体・トーンを伝えられる | 言葉で説明しにくい雰囲気を、例で示せる |
| 判断の基準を示せる | 分類やラベル付けの境界を、例で明確にできる |
| 指示を短くできる | 長い説明より、例のほうが早い場合がある |
書き方の例
感情の分類（ポジティブ／ネガティブ／中立）を、決まった形式で出力させたい場合：
次のレビューの感情を「ポジティブ」「ネガティブ」「中立」のいずれかで答えてください。
レビュー：配送が早くて助かりました。
感情：ポジティブ
レビュー：説明書の内容が分かりにくかったです。
感情：ネガティブ
レビュー：普通でした。
感情：中立
レビュー：思っていたより小さかったが、品質は良い。
感情：
最後の「感情：」の後を、AIが続けて出力します。
例の選び方
| ポイント | 内容 |
|---|---|
| 多様性 | 異なるパターンを含める（すべて似た例だと、偏る） |
| 代表性 | 実際に起こりうる入力に近い例を選ぶ |
| 境界事例 | 判断が難しいケースも1つ入れる |
| 正確さ | 例の出力は間違いがないように（誤りも学習される） |
| 一貫性 | 形式・書き方を例の間で揃える |
| 個数 | 2〜5個程度が一般的（Anthropicのドキュメントでは3〜5個を推奨）。必要に応じて増減し、効果を確かめる |
例を増やせば必ず良くなるわけではなく、質のよい少数の例が有効なことも多くあります。
よくある失敗
| 失敗 | 内容と対策 |
|---|---|
| 例に引きずられる | 例の内容や言い回しを、そのまま真似してしまう。例の種類を増やす、「例は形式の参考。内容は入力に合わせて」と添える |
| 例の偏り | 全てが同じラベルだと、その答えに偏る。ラベルのバランスを取る |
| 例の誤り | 例の誤りが再現される。例を見直す |
| 区切りが不明確 | 例と本番の入力が混ざる。見出しやタグで区切る（XMLタグで構造化する） |
| 長すぎる | 例が多すぎると、費用と処理が増える |
Zero-shotとの使い分け
| 方式 | 内容 | 向く場面 |
|---|---|---|
| Zero-shot | 例なしで指示だけ（Zero-shotプロンプト） | 一般的な課題、指示だけで伝わるとき |
| One-shot / Few-shot | 1個〜数個の例を示す | 形式や判断基準を、揃えたいとき |
| 多数の例 | 数十〜数百の例 | 複雑な課題、ファインチューニングの代替（ファインチューニングの考え方） |
最近のモデルは、指示だけでも高い精度を出すことが多く、まずZero-shotで試し、足りなければ例を足すのが効率的です。
具体例：メールの返信文のトーンを揃える
返信メールを作るとき、「丁寧だが簡潔」というトーンを言葉で説明するより、過去に自分が書いた、気に入っている返信を2〜3通、例として渡すほうが、再現性が高まります。ただし、個人情報や機密情報は、例に含めないよう注意してください（個人情報と生成AI）。
Few-shotプロンプトのFAQ（よくある質問）
Q. 例は、何個が最適ですか？
A. 課題によります。2〜5個から試し、改善が見られるか確認します。
Q. 例を入れると、費用が増えますか？
A. 入力トークンが増えるため、費用も増えます（トークン料金の計算）。繰り返し使う例は、キャッシュの活用も検討できます（プロンプトキャッシュ）。
Q. 例の順番は影響しますか？
A. 影響することがあります。最後の例に引きずられる傾向が報告されているため、順序を変えて試す価値があります。
例を作るときの手順
自分の課題に合わせた例を作るときの手順です。
- まず、例なしで1度実行し、うまくいかない点を確認する。
- 実際の入力から、代表的なものを2〜3件選ぶ。
- それぞれに、自分が理想とする出力を手書きで用意する。
- 例を指示に加えて再実行し、出力が揃うかを確かめる。
- まだずれるなら、ずれた入力を新しい例として追加する。
「うまくいかなかった入力を、次の例にする」という繰り返しで、少ない例でも精度が上がっていきます。
筆者の見解（Few-shotプロンプト）
Few-shotは、「言葉で説明しにくいことを、見本で伝える」という、人間の教え方に近い手法です。細かい文章指示を書くのに疲れたら、「良い例を1つ見せる」ほうが、早くて確実なことがあります。ただし、見本はそのまま真似されるため、見本の質と多様性に気を配ることが、成功の鍵です。
Few-shotプロンプトの関連項目
出典（一次情報）
本記事は一般的な情報の提供を目的としています。AIのサービス・機能・料金・仕様は頻繁に更新されるため、最新の内容は各社の公式ドキュメントでご確認ください。「筆者の見解」は一つの考え方です。