フューショットプロンプト

フューショットプロンプト（Few-shot Prompting）は、AIに頼みごとをするとき、「こういう入力にはこういう出力」という見本を数個そえる書き方です。見本を示すだけで、AIは求められている形や基準を読み取ります。

しくみ

LLM は、プロンプトの中に書かれた例から、パターンを読み取って続きを書く性質があります。これを インコンテキスト学習 と呼びます。モデルの重みを更新するわけではなく、その会話の中だけで効く一時的な学習です。見本が1つなら「ワンショット」、数個なら「フューショット」、見本がなければ「ゼロショット」と呼びます。

具体例

お客様の感想文を「肯定」「否定」「中立」に分類したいとします。

文: 配送が早くて助かりました → 肯定
文: 説明書がわかりにくかった → 否定
文: 普通に使えています → 中立
文: 色が写真と少し違いました →

このように書くと、AIはラベルの種類と出力の形式（矢印のあとに1語だけ）を理解して、続きを書きます。「ラベルは3種類で、1語で答えて」と文章で説明するより確実なことがよくあります。口調をそろえたい文章生成、表記ゆれを直す変換、JSON などの形式を守らせたい抽出作業でも有効です。

うまく使うコツ

• 例は本物に近いものを：実際に扱うデータに近い、典型的な例を選びます。
• 多様性を持たせる：同じ傾向の例ばかりだと、AIがその偏りをまねます。ラベルの数や、難しい例をバランスよく入れます。
• 形式を統一する：例ごとに書式がバラバラだと、出力もブレます。
• 数は少なめから：まず2〜5個程度で試し、足りなければ増やします。

使うときの注意・よくある誤解

• 例を増やせばいつも精度が上がるわけではありません。例が長くなると、文脈を圧迫し、料金や遅延も増えます。
• 例の中のラベルの偏りや順序が、結果に影響することがあります。たとえば、最後の例と同じラベルを選びやすくなる場合があります。
• 例にそのままの文を書き写すような出力になることがあるので、例とは違う内容の入力でテストしてください。
• 推論の強い最近のモデルでは、例がなくても十分な場合も多く、見本が逆に自由な思考の幅を狭めることもあります。

関連する考え方

見本が足りないときは、プロンプトエンジニアリング全般の工夫と組み合わせます。大量の例が必要なら、ファインチューニングで学習させる選択肢もあります。