100ページの資料をそのまま貼ると、途中で切られるか、薄い要約が返ります。Learn Prompting が長文の扱いとして挙げる方法を、手作業でも回せる順番に直します。分割の単位と、統合のときの崩れを抑える書き方が要点です。
ステップ1：渡す前に削る
最初に、資料そのものを軽くします。質問に関係のない章、繰り返しの案内文、目次と奥付を外します。Learn Prompting も、渡す前の前処理として、不要な部分の削除と要点の抽出を挙げています。削る作業はモデルに任せず、人が目次を見て決めます。任せると、削ってはいけない前提の章が落ちることがあります。削った箇所は記録に残します。
ステップ2：意味の切れ目で分ける
削ったあと、見出しや段落の切れ目で分けます。文字数で機械的に切ると、文の途中で切れて意味が通らなくなります。1つの塊は、指示と出力を合わせて文脈の上限の半分程度に収めるのが目安です。塊ごとに番号を振り、全体の何番目かを書いておきます。番号がないと、統合のときに順番を間違えます。上限の考え方はコンテキストウィンドウの頁にあります。
ステップ3：塊ごとに同じ指示で処理する
1つの塊につき1つの会話で処理します。指示文は毎回同じものを使い、塊の番号だけを変えます。指示を毎回書き直すと、出力の形がばらつき、統合のときに読みにくくなります。出力は、要点を3つと、次に渡すべき情報を1つの形に固定します。塊をまたぐ話が出てきたら、その旨を書かせておくと、統合のときに拾えます。
ステップ4：前の塊の出力を次の入力に足す
塊を順に処理する場合、前の塊の要点を次の入力の冒頭に添えます。Learn Prompting は、この繰り返しで会話を段階的に進める形を紹介しています。添えるのは要点だけで、原文は添えません。原文まで戻すと入力が膨らみ、分割した意味が薄れます。添える量が増えてきたら、要点を3つに絞り直してから次へ進みます。
ステップ5：統合してから全体を読み直す
締めの工程で、塊ごとの要点をつないで1本の文書にします。統合の依頼では、新しい情報を足させず、重複の削除と順番の整理だけを許します。足すことを許すと、塊のどこにも書かれていない結論が混ざります。統合した文書は、必ず全体を通して読みます。塊ごとには正しくても、並べると矛盾する箇所が残ることがあります。
FAQ
Q. 分割の単位は文字数と見出しのどちらで決めますか？
A. 見出しを優先します。見出しがない資料だけ、段落の区切りで分けます。文字数だけで切ると、意味の通らない断片ができ、その塊の処理結果が使えなくなります。
Q. 分割せずに済む方法はありますか？
A. 文脈の上限が大きいモデルや、資料を索引化して必要な部分だけ引く仕組みを使えば、分割の手間は減ります。ただし索引化には別の準備が要ります。手作業で始めるなら分割が確実です。
出典
出典：Learn Prompting「長い形式のコンテンツを扱う」（原題 Dealing With Long Form Content、2024年8月7日更新）。資料を索引化して引く仕組みはRAGの頁に整理しています。
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。
関連ガイド
同じ時期に公開した実務ガイドと、用語の定義ページです。手順の前提が分からない場合は、用語ページから確認してください。コピーして使える依頼文が欲しいときは、プロンプト集も参照してください。
- 過去の思考を貯めて使い回す：Memory-of-Thought の5ステップ
- 訳語を鎖でつなぐ：Chain-of-Dictionary で訳のぶれを抑える5ステップ
- ハイブリッド検索（用語辞典）
- AI用語辞典（五十音順の一覧）
- はじめての LLM 活用（学習ルート）
- ガイド一覧（実務手順をまとめて読む）
- AIツール一覧（道具から探す）
- 比較記事一覧（料金と機能で比べる）
- レビュー一覧（使った記録を読む）
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。