段階を踏ませると待ち時間が伸び、出力も読みにくくなります。Learn Prompting は、各段階の下書きを短く制限する方式を Chain of Draft として紹介しています。長い説明を保ったまま短くするのではなく、書く量そのものを絞る考え方です。

手順1:説明が長すぎる作業を1つ選ぶ
最初に、段階を踏ませると説明が長くなりすぎる作業を選びます。計算、単位の換算、条件の照合のように、途中の変形が決まっている作業が向きます。Learn Prompting の例は、飴の数の計算を3通りの方式で解かせ、標準の方式、段階を踏む方式、下書きを短くする方式の出力を並べています。感想や文章の推敲のように、途中の過程が読み物として要る作業は、対象から外します。
手順2:1段あたりの語数の上限を決める
そのうえで、段階ごとに書いてよい語数を決めます。Learn Prompting の指示は、各段階の下書きを5語以内に収める形です。日本語なら、1段を10字から15字程度に置き換えると扱いやすいです。上限を決めるときは、計算の式と結果のように、残すべき要素を先に決めます。要素が決まっていないまま字数だけ絞ると、必要な情報が落ちます。
手順3:答えの位置を区切りで固定する
下書きと最終の答えが混ざらないよう、区切りを決めます。Learn Prompting の指示では、最終の答えを区切り記号の後に置く形を取っています。区切りがあると、転記する側は最後の行だけを読めば済みます。区切りを決めないと、短い下書きの中に答えが埋まり、どこが結論か分からなくなります。区切りの記号は、本文に出てこないものを選びます。
手順4:見本を2つ置いてから本番の依頼を出す
Learn Prompting は、この方式が例示のない指示では効果が薄く、見本を添える形や、一定以上の規模のモデルで力を発揮すると説明しています。手元で試すときは、短い下書きの例を2つ置いてから本番の依頼を出します。見本は、式と結果だけを残した形にします。見本の書き方が長いと、モデルは見本の長さに引っ張られます。
手順5:元の方式と精度を見比べる
短くした分だけ、精度が落ちる可能性があります。同じ課題を、段階を踏む方式と下書きを短くする方式の両方で解かせ、答えを比べます。比べる課題は10問ほど用意し、正誤と出力の長さを並べて記録します。短くしても正答が変わらない範囲が、その作業で使える上限です。出力の長さはトークンの頁で扱う単位でも測れます。推論に時間をかける設計は推論モデルの頁で扱う考え方と対になります。段階を踏む基本の形はChain-of-Thoughtの頁で整理しています。
FAQ
Q. 短くすると精度は落ちますか?
A. 課題によります。Learn Prompting は、構造のある推論課題で、明快さを保ったまま冗長さを減らせると説明しています。一方で、効果はモデルの規模や課題の種類で変わるとも書いています。手順5の見比べを省かずに行います。
Q. 5語という上限は守る必要がありますか?
A. 資料の指示は5語ですが、これは英語の語数を前提にした値です。日本語では語の切れ方が違うため、同じ数をそのまま当てはめると情報が落ちます。1段に残す要素を決め、その要素が収まる長さを探すほうが実用的です。
出典
出典:Learn Prompting「Chain of Draft——書く量を減らして速く考える」(原題 Chain of Draft (CoD)、2025年3月11日更新、2026年10月31日参照)
あわせて使いたいツール
本記事の手順を実際に回すときに、候補になるツールを挙げます。いずれも無料から試せる範囲があり、料金や機能は各サービスの公式情報で確認してください。
編集部の見解
この方式の効き目は、読み直しの負担が減る点にあります。見積の単価計算を段階付きで出させると1件あたり十数行になり、確認する側が読む気を失います。下書きを短くすると式と結果の2行で済み、誤りの発見も速くなります。手順5の見比べは、同じ課題を10問そろえてから行うのがよく、1問ずつ比べると、たまたま合っただけなのかが分かりません。
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。
