Summary  
This chapter covers techniques for guiding AI output by presenting examples of the desired result (few-shot prompting) and by encouraging step-by-step reasoning for complex tasks (chain-of-thought prompting).

General domain of usage  
Machine translation

例示ベースのプロンプトは、AIに望ましい出力例を1つ以上提示する手法。これは**few-shotプロンプト**と呼ばれる。

**few-shotプロンプト**：望ましい出力を示すために、プロンプト内でいくつかの例を提示する手法。

定義

複雑または複数ステップのタスクには、**chain-of-thoughtプロンプト**によってAIが段階的に推論することを促す。

**Chain-of-thoughtプロンプティング**：AIが問題を段階的に推論するよう促す手法。

#### 例の比較

- **Few-shot:** `Translate the following sentences to French. Example: "Good morning." → "Bonjour." Now translate: "How are you?"`;
- **Chain-of-thought:** `Solve this math problem step by step: If a train travels 60 miles in 1.5 hours, what is its average speed?`.

**Few-shotプロンプティング**は、AIに特定のスタイルやフォーマットを模倣させたい場合に使用。**Chain-of-thoughtプロンプティング**は、論理的な手順や説明が必要なタスクに適用。

例が多すぎるとAIが圧倒されたり、コンテキストウィンドウを超える可能性がある。**簡潔**かつ**関連性の高い**例を選択。

注意

チェーン・オブ・ソート・プロンプティングはいつ使用すべきですか？

初心者向けの完全理論コースで、大規模言語モデル（LLM）のプロンプトエンジニアリングにおける主要な概念と実践的な戦略を紹介します。プロンプトの構造化、洗練、最適化方法を学び、より良いAI生成結果を得るためのスキルを身につけます。

プロンプトエンジニアリングの基本的な構成要素を探求します。プロンプトとは何か、それが重要である理由、LLMとの効果的なコミュニケーションのための主要な原則を含みます。

AIの挙動を制御し、応答品質を向上させるための実践的なプロンプト技法。

プロンプトを洗練し、評価し、一貫性および実際のユースケースに適した形に改善する方法を学びます。

例示ベースおよびステップバイステップ・プロンプティング

例の比較