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。
多段階の論理推論を要するスケジュール調整タスクにおけるCoTプロンプト最適化
【ユースケース定義と課題】
ユースケース： 複数の会議室予約、参加者の優先順位、移動時間等の複雑な制約を満たす動的なスケジュール最適化。 課題： 条件が重なるとLLMが論理的な矛盾（ダブルブッキング等）を見落としやすく、出力形式（JSON）が崩れることがある。 入出力型： 入力はMarkdown形式の制約リスト、出力は構造化されたJSON形式。
【プロンプト設計のループ】
graph TD A["設計: 思考ステップの定義"] --> B["実行: Few-shotによる推論"] B --> C["評価: 制約充足率の検証"] C -->|論理エラーの修正| A
設計: LLMが結論を出す前に「思考の遊び（Thinking Space）」を持つよう、解析ステップを定義。
実行: 推論プロセスを言語化させるプロンプトを投入し、出力の一貫性を確認。
評価: LLM-as-a-Judgeを用い、提示された解が全ての制約を遵守しているか自動チェック。
【プロンプトの実装案】
# Role
あなたは高度なロジカルシンキングを持つスケジュール管理のエキスパートです。
# Task
以下の「入力データ」に基づき、全ての制約を満たす最適なスケジュールを提案してください。
# Constraints
- 思考プロセス(Thinking Process)を最初に出力し、その後に最終結果をJSONで出力すること。
- 会議室の重複、参加者の移動時間（15分）、優先度（High > Medium > Low）を厳守すること。
# Thinking Process Template
1. 各参加者の空き時間の抽出
2. 会議室の利用可能状況の確認
3. 優先順位に基づくスロットの割り当て
4. 制約（移動時間等）のセルフチェック
# Example
Input: [参加者A: 13-15時空き, 優先度High] [会議B: 14-16時]
Thinking Process: 参加者Aは13-15時が空いているが、会議Bは14時から開始。したがって共通のスロットは14-15時。移動時間を考慮すると...
Output: {"schedule": [{"meeting": "B", "time": "14:00-15:00", "room": "Room1"}]}
# Input Data
[ここに実際のデータを入力]
# Response
Thinking Process:
【評価指標と誤り分析】
| 評価項目 | 評価内容 | 失敗パターン |
|---|---|---|
| 論理整合性 | 制約（移動時間等）が守られているか | 移動時間を無視して連続で予定を入れる |
| 優先度遵守 | 優先度の高い会議が優先されているか | 優先度が低い会議のために高い会議を却下する |
| フォーマット | JSONがパース可能な形式か | Thinking ProcessがJSON内に混入する |
【改良後の最適プロンプト】
# System
あなたは複雑な制約解決に特化した推論エンジンです。
回答は必ず以下の2スロット構成で出力してください。
1. <thought>タグ内：ステップバイステップの論理推論プロセス
2. <result>タグ内：パース可能な純粋なJSONデータのみ
# Reasoning Protocol (Internal CoT)
- ステップ1：入力された全制約を変数として抽出せよ。
- ステップ2：各予定の競合（時間・場所）をマトリックス化せよ。
- ステップ3：優先順位に基づき、解を1つずつ配置せよ。
- ステップ4：最終案に対し、移動時間と会議室の重複がないか逆方向から検証せよ。
# Constraint Focus
Gemini 1.5 Proの推論能力を最大化するため、"なぜそのスロットを選んだのか"の根拠を<thought>内で言語化すること。
# Output Format
<thought>
[推論プロセス]
</thought>
<result>
{
"status": "success",
"optimized_schedule": [...]
}
</result>
【まとめ】
「思考の分離」の徹底:
<thought>等のタグを用い、推論プロセスと最終出力を物理的に分離させることで、JSONの構文エラーを防ぎつつ精度を高める。セルフチェックの組み込み: プロンプト内で「逆方向からの検証」を指示することで、見落としがちな制約違反（移動時間不足など）を劇的に減らす。
Few-shotの動的選択: 複雑なケースほど、似た構造の成功例を1つ提示するだけで、モデルの推論ルートが安定する。
