複数の事実をつなげて答える質問は、一気に答えさせると途中のつなぎで崩れます。Self-Ask は、モデル自身に補助の問いを出させ、答えながら進む型です。書式さえ決めれば、会話の中でそのまま使えます。
ステップ1：連続して答える形式の質問か確かめる
「Aの作者の出身地は何県か」のように、事実をたどって初めて答えに届く質問は、この型の候補です。Learn Prompting の説明でも、分解した問いを順に答える構成が前提になっています。反対に、感想や提案のような質問は、分割しても答えが收束しません。質問の種類を見てから進めます。
ステップ2：書式を指示文に固定する
依頼文に、補助の問いの行を「#1」といった目印付きで書き出させ、直後に答えさせる書式を決めます。目印を固定すると、あとで「答えに用いた補助問いを列挙して」と指示したときに拾いやすくなります。書式が決まっていないと、問いと答えが1文に混ざり、途中の判断を差し替えられなくなります。
ステップ3：必要なら外部の情報で答えさせる
補助の問いのうち、モデルが知らない事実を含むものは、検索などの外部手段で答えを取って渡します。Learn Prompting は、この型が検索エンジンなどの外部リソースと組み合わさると精度が上がると説明しています。会話の中でなら、答えの分かる部分だけを「補助問い1の答えは◯◯」と追記する形で足ります。外部の情報を渡す運用の考え方はMCPの頁と共通します。
ステップ4：途中の答えを読ませてから本題に進ませる
すべての補助問いに答えが付いたところで、初めて本題への回答を依頼します。Learn Prompting の例では、補助問いとその答えがそろった後に最終答えを出す構成になっています。本題の答えには、どの補助問いを使ったかの番号を添えさせます。番号が付かない部分は、材料の外から持ち込まれた推測です。指示文の設計の基本はプロンプトエンジニアリングの頁にあります。
ステップ5：間違った補助答えだけを差し替える
最終答えが怪しいときは、全体をやり直させません。補助問いの答えを1行ずつ確認し、間違っている行だけを訂正して、同じ書式で再回答させます。部分差し替えで済むのが、書式を固定した利点です。全部やり直させると、正しかった行の答えも変わることがあります。
FAQ
Q. 補助問いの数が増えすぎるときは？
A. 目印付きの行を3〜5個に制限する一文を書き足します。制限を付けないと、細かすぎる問いに割りすぎて、答えを集める手間だけが増えます。
Q. Chain-of-Thought とどう違いますか？
A. Chain-of-Thought は思考の流れを文章につなげる型で、Self-Ask は問いと答えの対を明示的に並べる型です。途中の答えを後から差し替えたい場面では、問いと答えが分かれている Self-Ask の方が手を入れやすいです。
出典
出典：Learn Prompting「Self-Ask：問いを分解して順に答える」（原題 Self-Ask Prompting、2025年3月25日更新）。原論文は arXiv:2210.03350「Measuring and Narrowing the Compositionality Gap in Language Models」（2022年10月6日）。
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。
- 要約を濃く仕上げる：Chain of Density の5ステップ
- アプリ同士を直接つなぐ：Webhook 設定の5ステップ
- プロンプトエンジニアリング（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。