小さい問題に分けて順に解く：Least-to-Most の5手順

複雑な問いを1回で解かせると、途中の工程が飛ぶことがあります。Learn Prompting は、問題を小さな部分課題に分解し、前の部分課題の答えを次の入力に渡して順に解く方式を Least-to-Most として紹介しています。Chain-of-Thought との違いは、前の解を引き継ぐ点にあります。ここでは、その進め方を手順に落とします。

手順1：問いを部分課題の列に書き換える

最初に、解きたい問いを、順番に解ける部分課題の列に書き換えます。Learn Prompting の例では、返品期限と注文日が絡む顧客対応の問いを、まず「注文日はいつか」「返品期間は何日か」という小さな問いに分解し、最初の部分課題を解いただけで全体の答えに届いたケースを示しています。分解の単位は、答えが1文で返る大きさが目安です。1文で返らない部分課題は、まだ大きいので、さらに分けます。

手順2：引き継ぐ値を決める

部分課題の列のなかで、次の課題に渡す値を決めます。日付なら日付、数なら数というように、渡すものの種類と名前を固定します。Learn Prompting は、前の部分課題の解を次の課題を解くプロンプトの入力に使う構成を、Chain-of-Thought との違いとして説明しています。渡す値の名前が決まっていないと、引き継ぎの箇所が毎回変わり、失敗したときに原因を絞れません。

手順3：段階を踏むよう一言を添える

Learn Prompting の顧客対応の例では、分解した問いを解かせるときに「Let’s go step by step」という一言を添えており、この一言は必ず要るわけではないものの、この例では助けになったと書かれています。日本語の作業でも、段階を踏む指示を添えるかどうかを試し、効く依頼には残します。効かなかった依頼では、分解そのものの質を見直します。言葉の一言は、分解の設計の代わりにはなりません。

手順4：1回の入力に収めるか、列に分けるかを選ぶ

Least-to-Most は、単一のプロンプトでも実装できると Learn Prompting は書いています。単一の入力では、これまでの結果を各段階で言い直させる形にします。列に分ける場合は、各段階の出力を保存し、次の入力に貼り付けます。手元の作業で途中確認が要るなら列に分け、自動で回すなら単一の入力が扱いやすいです。列に分けた場合は、各段階の入力と出力を記録に残します。

手順5：難しかった長さで効果を確かめる

Learn Prompting は、単語の末尾の文字をつなげる課題を題材に、標準的な方式と Chain-of-Thought、Least-to-Most の成績を比べています。12語の課題では、Chain-of-Thought が34％、Least-to-Most が74％だったと、論文の記述として紹介されています（使用モデルは text-davinci-002）。手元でも、うまくいかなかった長さの課題を1つ選び、引き継ぎありとなしで比べます。比べた結果は記録し、次回の分解の参考にします。

FAQ

Q. Chain-of-Thought とは何が違いますか？

A. Chain-of-Thought では各段階が独立した推論として扱われます。Least-to-Most は、前の部分課題の答えを次の課題の入力に渡す点が違います。Learn Prompting は、この引き継ぎが長い連鎖に対応できる理由だと説明しています。

Q. どんな課題に向きますか？

A. 部分課題に分解でき、前の答えが次の課題の材料になる課題です。反対に、全体を一括で見ないと判断できない課題では、分解のしかたが分からず効きにくいです。

出典

出典：Learn Prompting「Least-to-Most プロンプティング」（原題 Least-to-Most Prompting、Sander Schulhoff、2024年8月7日更新、2026年10月30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。

• ChatGPT：段階ごとのやり取りを1つの会話で回せる
• Poe：複数のモデルで同じ分解を比べられる

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。

• 細部の前に一段引く：Step-Back で抽象を先に置く5手順
• 読めない用語を質問して覚える：AIを学習道具にする5手順
• Chain-of-Thought（段階的思考）（用語辞典）
• Prompt Chaining（プロンプトチェーン）（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）

編集部の見解

この方式は、Chain-of-Thoughtを使い込んだ人ほど効果を実感しやすいと思います。段階を踏ませても長い課題で失敗するのは、前の段階の結果を次に渡していないからで、原因が引き継ぎの側にあると気づけるからです。手順5の記録も大事です。私の手元では、失敗した長さを記録しておくと、次に分解するときの粒度の目安になりました。分解の粒度は、課題ごとに違うものになり、伸ばしていく形になります。