Few-Shot Prompting

フューショットプロンプティングは、プロンプトに2〜5個の「入力→出力」ペアの例を直接提供し、Claudeがそれらの例から望む形式、分類基準、トーン、または処理ロジックを自動的に推論し、新しい入力に同じルールを適用できるようにする技術です。 「フューショット」という名前は機械学習の用語に対応しています：ゼロショットは例なしで直接質問すること；ワンショットは1つの例を提供すること；フューショットは少数の例を提供すること（通常2〜5個）；メニーショットは多くの例を提供することです。 これが解決するコアな問題：望む出力形式の中には、言葉で説明するのが難しいが、例を1つ見れば即座に明確になるものがあります。望む形式を3段落かけて説明する代わりに、2つの例を与えるだけにしましょう。

フューショットプロンプティングが効果的な理由は、Claudeがトレーニング中に「例からパターンを推論する」能力を学んだからです。この能力は「インコンテキスト学習」と呼ばれています——モデルのパラメータを更新せずに、コンテキストにいくつかの例を提供するだけで、Claudeが自動的にパターンを識別して適用できます。 この能力がなぜこんなに強いのか？Claudeのトレーニングデータには、パターン認識タスクに関するテキストが大量に含まれていたからです——人間がルールを説明するとき、「例えば」「たとえば」「このように」などのフレーズを使って例を挙げることが多く、Claudeはそれらの例からルールを抽出する方法を学びました。 より技術的に：各例（入出力ペア）がコンテキストウィンドウの一部になります。新しい出力を生成する際、Claudeはこれらの例を参照として使用し、「これらの例が確立したパターンに最も適合するトークン生成」の方向に収束します。

フューショットプロンプティングの影響は主に「Claudeのアウトプットを望む形式に校正できる」ことにあります。多くの場合、Claudeのアウトプットに不満なのは知識が不十分だからではなく、Claudeが望む形式、スタイル、詳細レベルを知らないからです。 バッチ処理シナリオでは、この技術の価値が高いです：100件の顧客レビュー、データレコード、記事の要約をClaudeに処理させる場合、それぞれに個別の指示を出すことはできません。フューショットプロンプティングにより、3〜4つの例で「ルールを定義」し、その後Claudeがすべての後続入力で一貫したフォーマットを維持できます。 開発者にとって：AIアプリケーションを構築する際、フューショットプロンプティングは「制御可能な出力形式」を達成するための最も信頼できる方法の一つです——自然言語で形式要件を説明するより正確で、ファインチューニングよりはるかに安価です。

**すぐに使えるフューショット形式：** 基本形式（分類タスク）： ``` 以下のレビューを分類してください。 レビュー：「この製品の品質はひどい」→ カテゴリー：ネガティブ | 感情：怒り レビュー：「包装が美しく、贈り物に最適」→ カテゴリー：ポジティブ | 感情：満足 レビュー：「まあまあ、特に驚きはない」→ カテゴリー：中立 | 感情：普通 次を分類：「配送がとても速く、1日で届きました！」 ``` **フューショットの品質ルール：** - 例間で形式が完全に一致している必要がある - 例は異なるケースをカバーするべき - 3つの例は通常2つより良い；5つは3つより良い；8つを超えると通常効果が逓減する - 新しい入力の形式は例の入力形式と完全に一致する必要がある