few-shot の例は、数より中身で決まります。質問に近い例を選ぶと出力の形が揃い、遠い例を混ぜると別の形式に引っ張られます。Learn Prompting の KNN の考え方を使って、例の選び方を再現できる順番にします。
手順1：例の在庫を1か所に集める
過去にうまくいった入出力の組を、1つの表にまとめます。列は、入力、望ましい出力、使った場面の3つで足ります。件数は多くなくて構いません。集まっていない状態で選び方を工夫しても、選ぶ対象がありません。表は、あとから増やせる形にしておきます。
手順2：近さの測り方を決める
「近い」の意味を決めます。同じ部署の問い合わせか、同じ出力の形式か、同じ語彙を使っているかで、近さの基準は変わります。文章の類似度で測る場合は、単語の重なりを見るだけでも実用になります。基準を決めずに例を選ぶと、毎回違う選び方になり、結果を比べられません。
手順3：質問に近い例を2つ選ぶ
新しい質問に対して、手順2の基準で近い例を2つ選びます。1つでは形式の揺れを抑えられず、3つ以上では似た例が重なります。選んだ例は、質問の直前に置きます。遠くに置くと、直前の指示のほうが強く効きます。例の順番は、簡単なものから複雑なものへ並べます。
手順4：例を入れ替えて出力を比べる
同じ質問で、選んだ例を別の組に差し替えて出力を比べます。比べる観点は、形式が揃ったか、余計な前置きが消えたか、数値の扱いが同じかの3つです。差が出ない場合は、例の数か、近さの基準が合っていません。差が出た組は、選び方の根拠として残します。
手順5：選んだ組を記録して再利用する
うまくいった例の組を、質問の種類ごとに保存します。件数が増えてきたら、近さの基準を見直します。基準を変えると、選ばれる例も変わります。変更した日と理由を1行添えておくと、出力が変わったときに原因をたどれます。
うまく回らないときに見る場所
例を差し替えても出力が変わらない場合は、例が指示の後ろに埋もれています。例の直前に「次の形式に合わせる」と1行置きます。逆に、例の言い回しがそのまま出てくる場合は、例が似すぎています。語彙の違う例を1つ混ぜると、丸写しが減ります。
FAQ
Q. 例は多いほどよいのではないですか？
A. 数を増やすと、入力量が増えて指示の焦点がぼやけます。似た例が並ぶと、モデルはその言い回しをそのまま真似します。まず2つで試し、形式が揃わない場合だけ増やします。
Q. 近さは自動で測れますか？
A. 文章の類似度を計算する方法があります。ただし、業務の近さと文章の似ている度合いは一致しない場合があります。自動で絞ったあとに、人が数件を目で確認する形が無難です。
出典
出典：Learn Prompting「K近傍法による例示の選択」（原題 K-Nearest Neighbor (KNN) Prompting: Find Good Few-Shot Exemplars、2025年3月25日更新）。例示の基本は少数例示学習の頁にまとめています。
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。
- 調べてから答える順番を組む：ReAct の5手順
- フォームと表と自動化をつなぐ：小さく組む5手順
- 少数例示学習（Few-shot Learning）（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。