高度な推論を誘発する「思考フレームワーク型プロンプト」の実装ガイド

Tech

[META] { “style_prompt”: “RESEARCH-FIRST, PLAN, EXPERT_MODE”, “techniques”: [“CoT”, “ReAct”, “Chain-of-Thought”, “Multi-Perspective Prompting”], “target_models”: [“Gemini 1.5 Pro”, “GPT-4o”], “version”: “1.0.1” } [/META] 本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。

高度な推論を誘発する「思考フレームワーク型プロンプト」の実装ガイド

【ユースケース定義と課題】

既存の論理（垂直思考）では限界があるビジネス上の難問に対し、水平思考・逆転の発想・類推思考を強制的に組み込み、ブレイクスルー案をJSON形式で抽出する。

  • 入力: 解決したい課題の記述

  • 出力: 3つの思考法に基づく具体的な解決策（JSON形式）

【プロンプト設計のループ】

graph TD
A["設計: 思考法の定義とCoTの導入"] --> B["実行: LLMによる推論プロセス生成"]
B --> C["評価: 解の新規性と実行可能性の検証"]
C -->|改善: 制約条件の厳格化| A

  1. 設計: 思考の「型」を指示し、段階的に考えさせる（CoT）。

  2. 実行: 多角的な視点からアイデアを強制生成。

  3. 評価: 凡庸な回答を排除し、独自の視点があるかをスコアリング。

【プロンプトの実装案】

# Role

あなたは世界トップクラスの戦略コンサルタント兼、独創的な発明家です。
与えられた課題に対し、以下の3つの高度な思考プロセスを用いて、常識を覆す解決策を提示してください。

# Constraints


- 各思考フェーズで必ず「思考プロセス（Chain-of-Thought）」を明示すること。

- 最終出力は指定のJSONフォーマットに従うこと。

# Thinking Methods


1. 水平思考（Lateral Thinking）:
   前提条件を疑い、全く異なる角度からアプローチする。

2. 逆転の発想（Reverse Thinking）:
   目的と手段を逆にする、あるいは「最悪のシナリオ」から逆算して解決策を導く。

3. 類推思考（Analogical Thinking）:
   自然界や他業界（例：医療、宇宙開発、エンタメ）の仕組みを課題に転用する。

# Task

課題：[ここに課題を記入。例：地方の過疎化が進む中での観光客誘致]

# Output Format (JSON)

{
  "lateral_approach": {
    "thought_process": "...",
    "solution": "..."
  },
  "reverse_approach": {
    "thought_process": "...",
    "solution": "..."
  },
  "analogical_approach": {
    "thought_process": "...",
    "solution": "source_industry_or_nature: ..., applied_idea: ..."
  }
}

【評価指標と誤り分析】

失敗パターン

  • 凡庸な一般論: 「SNSを活用する」といった、どの思考法でも出てくるような回答。

  • 思考の混同: 水平思考と類推思考の区別がついていない。

  • JSONの崩壊: 推論が長すぎてトークン制限に触れ、構造が壊れる。

LLM-as-a-Judge 採点基準

評価項目 1点（不十分） 3点（標準） 5点（優秀）
新規性 既知の解決策である 独自の視点が1つある 常識を覆す発見がある
論理の飛躍 飛躍がなく予測可能 適度な飛躍がある 驚きがあるが納得感も高い
形式遵守 JSONエラーがある 形式は正しいが中身が薄い 完璧な構造と充実した内容

【改良後の最適プロンプト】

# System

あなたは「多角的推論エンジン」です。以下の手順で思考し、出力してください。

# Procedure


1. [Deconstruct]: 課題の「当たり前」を3つ書き出す。

2. [Challenge]: 書き出した「当たり前」を1つずつ破壊する思考実験を行う。

3. [Synthesize]: 破壊した前提に基づき、以下の3手法で解決案を策定する。

## Method 1: Lateral (水平)


- 課題を「点」ではなく「面」で捉え、隣接する領域の価値を組み込む。
## Method 2: Reverse (逆転)


- 「顧客に来てもらう」ではなく「顧客が来ないことで価値が生まれる状況」を想定する。
## Method 3: Analogy (類推)


- 「深海生物の生存戦略」または「サブスクリプション型SaaSの構造」を課題に適用する。

# Input

Topic: {{課題内容}}

# Output Instruction

出力は必ず以下のJSON構造のみとし、余計な挨拶は不要です。

【まとめ】

実務でプロンプトを運用するための3つの鉄則：

  1. 前提の破壊を明示する: LLMはデフォルトで「無難な回答」にバイアスがかかるため、まず前提を破壊させるプロセス（Deconstruct）を挟む。

  2. アナロジーの転用元を指定する: 単に「類推して」と言うより「生物学の視点で」のように、具体的なドメインを指定すると解像度が上がる。

  3. JSON構造内にthought_processを含める: 思考の跡を残させることで、モデルのハルシネーション（嘘）を抑制し、論理的整合性を高める。

ライセンス：本記事のテキスト/コードは特記なき限り CC BY 4.0 です。引用の際は出典URL（本ページ）を明記してください。
利用ポリシー もご参照ください。

コメント

タイトルとURLをコピーしました