要約を頼むと、抜けが多い代わりに読みやすい文が返ってきます。情報の粒度を上げようとすると、長さが増えて本末転倒になりがちです。Chain of Density は、長さを固定したまま、抜けている要素を差し込み続ける反復の型です。
ステップ1：固定する長さを決める
要約の長さを、文数か文字数で先に決めます。この型では、反復のたびに長さを保つことが条件になるため、基準がないと反復が成立しません。原文の2割ほどの文字数が、議事録と長文どちらでも扱いやすい目安です。Learn Prompting の説明でも、一定の長さを保ちながら主要な要素を徐々に足し込む手順とされています。
ステップ2：最初の要約を普通の依頼で出させる
1回目は、特別な指示のない通常の要約で始めます。これが基準の版になります。以後の反復は、この基準と比べて何が増えたかを数える形で進むため、出発点が薄いほど反復の効果が分かりやすくなります。1回目から濃くしようと指示を細かくすると、反復の設計が崩れます。
ステップ3：足し込む要素を特定させる
基準の版と原文を見比べさせ、抜けている固有名詞、数値、日付、登場人物の関係を3つまで挙げさせます。Learn Prompting は、各反復で1〜3個の重要な要素を取り込むと説明しています。挙げさせる数を絞るのは、一気に足し込むと文が詰め込みすぎて読めなくなるからです。
ステップ4：長さを保ったまま差し替える
挙げた要素を取り込みつつ、前の版と同じ長さで書き直させます。足すだけでは長さが超えるため、一般論の言い回しを削り、具体に置き換える形になります。Learn Prompting も、抽象的な文を具体的な情報に置き換えて密度を上げる方向だと説明しています。同じ長さで何版も出させ、並べて比べると、どの版が読み手に合うか判断できます。要約の仕上がりを別の視点で確かめるときはLLM による評価の頁が参考になります。
ステップ5：採用する濃さを決める
濃い要約ほど情報量は増えますが、読む負担も上がります。原論文では、途中の版が読みやすさと情報量のどちらでも良いバランスになる傾向が報告されています。最終版だけが答えではなく、目的に応じて2〜3版目か最終版かを選ぶ運用にします。反復の回数は3〜5回で足りることが多く、それ以上は密度の上昇が鈍ります。
FAQ
Q. 濃くした要約が読みにくくなったらどうしますか？
A. 1つ前の版を採用します。版を番号付きで残しておけば、戻すのは指示一文で済みます。濃さの選択は、読み手の負担と情報量のどちらを取るかの判断です。
Q. どんな文書に向いていますか？
A. 固有名詞と数値の多い報告書、研究の発表文、会議の決定事項が向きます。描写や温度感が大事な文章は、要素の詰め込みが味を削るので向きません。
出典
出典：Learn Prompting「Chain of Density：長さを保ったまま要約を濃くする」（原題 Chain of Density (CoD)、2025年3月11日更新）。原論文は arXiv:2309.04269「From Sparse to Dense: GPT-4 Summarization with Chain of Density Prompting」（2023年9月8日）。要約の選別に使う観点は自己整合性の頁にあります。
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。
- 考える→動くを交互に回す：ReAct の5ステップ
- 会話から自動化を作る：Zapier Copilot 入門の5ステップ
- 自己整合性（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。