ストーリー
田
田中VPoE
「前回プロンプトの基本構造を学んだね。今日は最もシンプルなプロンプティング手法、Zero-shotを掘り下げよう。」
あなた
「Zero-shotって、例を与えずにそのまま質問するということですよね？」
あ
田
田中VPoE
「そうだ。例を一つも与えない（zero examples）のがZero-shotだ。しかしシンプルだからこそ、指示の精度が問われる。」
あなた
「なるほど。具体的にどうすれば精度を上げられるんですか？」
あ
田
田中VPoE
「指示の明確さ、温度パラメータの調整、そしてトークンの概念。この3つを押さえれば、Zero-shotでも十分高品質な出力が得られるよ。」
Zero-shotプロンプティングとは
Zero-shotプロンプティングは、事前に例を示さず、指示だけでLLMにタスクを実行させる手法だ。
# Zero-shot
「この文章の感情を分析してください：今日のランチは最高だった」
# 出力例
ポジティブ：食事への満足感を表現しています。Zero-shotが有効なケース
| ケース | 理由 |
|---|---|
| 一般的なタスク（翻訳、要約、分類） | LLMの事前学習で十分対応可能 |
| 明確な指示が書けるタスク | 例を示すまでもなく意図が伝わる |
| 出力のバリエーションを許容するタスク | 厳密なフォーマットが不要 |
Zero-shotが不向きなケース
| ケース | 代替手法 |
|---|---|
| 独自フォーマットの出力 | Few-shot |
| 複雑な推論が必要 | Chain of Thought |
| 社内固有のルール適用 | Few-shot + システムプロンプト |
指示文の精度を上げるテクニック
1. 動詞を明確にする
# 悪い例
「この文章について考えてください」
# 良い例
「この文章を3行以内で要約してください」2. 対象を限定する
# 悪い例
「エラーを直して」
# 良い例
「以下のPythonコードのTypeError を修正してください。
修正箇所のみ出力してください。」3. 否定形より肯定形
# 悪い例
「長すぎない回答をしてください」
# 良い例
「100文字以内で回答してください」温度パラメータ（Temperature）
温度パラメータはLLMの出力のランダム性を制御する。
| 温度 | 特性 | 用途 |
|---|---|---|
| 0.0 | 最も確定的。常に同じ出力 | コード生成、分類、データ抽出 |
| 0.3-0.5 | やや確定的。安定した出力 | 文書作成、要約 |
| 0.7-0.9 | 創造的。多様な出力 | ブレインストーミング、創作 |
| 1.0+ | 非常にランダム | 実験的な用途のみ |
温度と用途の選び方
業務用途での推奨設定:
- コードレビュー → temperature: 0.0〜0.2
- 技術文書の生成 → temperature: 0.3
- メール文面の提案 → temperature: 0.5
- マーケティングコピー → temperature: 0.7トークンの概念
LLMはテキストを「トークン」という単位で処理する。トークンを理解することは、コストとパフォーマンスの最適化に直結する。
トークンの基本
英語: "Hello, world!" → ["Hello", ",", " world", "!"] = 4トークン
日本語: "こんにちは" → ["こん", "にち", "は"] = 3トークン（モデルにより異なる）トークン数に関わるパラメータ
| パラメータ | 説明 |
|---|---|
| max_tokens | 生成する最大トークン数 |
| context window | モデルが一度に処理できるトークン上限 |
| input tokens | プロンプトのトークン数（コストに影響） |
| output tokens | 生成テキストのトークン数（コストに影響） |
トークン数の目安
| 内容 | 概算トークン数 |
|---|---|
| 英語1単語 | 約1-2トークン |
| 日本語1文字 | 約1-3トークン |
| コード1行 | 約5-15トークン |
| A4文書1ページ | 約500-800トークン |
実践：Zero-shotプロンプトの改善
以下のプロンプトを段階的に改善してみよう。
レベル1: 最小限の指示
コードをレビューしてレベル2: 対象とタスクを明確に
以下のTypeScriptコードをレビューしてください。
バグ、パフォーマンス問題、可読性の観点で問題点を指摘してください。レベル3: 出力形式も指定
以下のTypeScriptコードをレビューしてください。
観点：
- バグの有無
- パフォーマンス問題
- 可読性
出力形式：
各問題点について「場所」「問題」「推奨修正」を表形式で出力してください。
重要度を High/Medium/Low で分類してください。レベルが上がるほど、出力の品質と再現性が向上する。
まとめ
| 項目 | ポイント |
|---|---|
| Zero-shot | 例を与えず指示のみでタスクを実行させる手法 |
| 指示の精度 | 動詞の明確化・対象の限定・肯定形の使用 |
| 温度パラメータ | 0.0（確定的）〜1.0（創造的）で用途に応じて設定 |
| トークン | LLMの処理単位。コストと性能に直結 |
チェックリスト
- Zero-shotプロンプティングの特徴と適用範囲を理解した
- 指示文の精度を上げる3つのテクニックを実践できる
- 温度パラメータの用途別推奨値を把握した
- トークンの概念とコストの関係を理解した
次のステップへ
次は「Few-shotプロンプティング」として、例を用いてLLMの出力を制御する手法を学ぼう。
推定読了時間: 30分