拡張思考のヒント
このガイドでは、Claudeの拡張思考機能を最大限に活用するための高度な戦略とテクニックを提供します。拡張思考により、Claudeは複雑な問題を段階的に解決し、難しいタスクでのパフォーマンスを向上させることができます。拡張思考を有効にすると、Claudeは最終的な回答を提供する前に推論プロセスを表示し、結論に至るまでの過程を透明性をもって示します。
拡張思考モードと標準思考モードのどちらを使用するかを判断するガイダンスについては、拡張思考モデルをご覧ください。
始める前に
このガイドは、すでに標準モードではなく拡張思考モードを使用することを決定し、拡張思考の使い方の基本的なステップと拡張思考の実装ガイドを確認していることを前提としています。
拡張思考の技術的考慮事項
- 思考トークンの最小予算は1024トークンです。ニーズとタスクの複雑さに応じて調整するため、最小の思考予算から始めて徐々に増やすことをお勧めします。
- 最適な思考予算が32Kを超えるワークロードの場合、ネットワークの問題を避けるためバッチ処理の使用をお勧めします。モデルに32Kトークンを超える思考を要求すると、システムのタイムアウトやオープン接続制限に抵触する可能性のある長時間実行リクエストが発生します。
- 拡張思考は英語で最も効果を発揮しますが、最終的な出力はClaudeがサポートするあらゆる言語で可能です。
- 最小予算以下の思考が必要な場合は、XMLタグ（
<thinking>など）を使用した従来のチェーンオブソート・プロンプティングで、思考をオフにした標準モードを使用することをお勧めします。チェーンオブソート・プロンプティングをご覧ください。
拡張思考のプロンプティングテクニック
まず一般的な指示を与え、その後段階的な指示でトラブルシューティングを行う
Claudeは、段階的な指示よりも、タスクについて深く考えるという高レベルの指示の方が良いパフォーマンスを発揮することが多いです。問題へのアプローチにおけるモデルの創造性は、人間が最適な思考プロセスを規定する能力を超える可能性があります。
例えば、以下のような指示ではなく：
以下のような指示を検討してください：
とはいえ、必要な場合、Claudeは複雑な構造化された実行ステップにも効果的に従うことができます。モデルは以前のバージョンよりも長いリストとより複雑な指示を処理できます。より一般化された指示から始め、Claudeの思考出力を読んで反復し、そこから思考を導くためのより具体的な指示を提供することをお勧めします。
拡張思考でのマルチショット・プロンプティング
マルチショット・プロンプティングは拡張思考でうまく機能します。問題の考え方の例をClaudeに提供すると、拡張思考ブロック内で同様の推論パターンに従います。
<thinking>や<scratchpad>などのXMLタグを使用して例を含めることができ、Claudeはそのパターンを一般化します。ただし、以下をお勧めします：
- まず思考のガイダンスなしで試してみる
- 必要な場合のみ、XMLタグを使用して思考パターンの例を提供する
例：
拡張思考での指示遵守の最大化
拡張思考が有効な場合、Claudeは指示遵守が大幅に向上します。モデルは通常：
- 拡張思考ブロック内で指示について推論する
- 応答でそれらの指示を実行する
指示遵守を最大化するには：
- 要望を明確かつ具体的に伝える
- 複雑な指示の場合、Claudeが体系的に取り組むべき番号付きのステップに分割することを検討する
- 指示を完全に処理するのに十分な予算をClaudeに与える
拡張思考を使用してClaudeの動作をデバッグおよび制御する
Claudeの思考出力を使用してClaudeのロジックをデバッグできますが、この方法は必ずしも完全に信頼できるわけではありません。
この方法を最大限活用するために、以下のヒントを推奨します：
- パフォーマンスが向上せず、実際に結果が低下する可能性があるため、Claudeの拡張思考をユーザーテキストブロックに戻すことはお勧めしません。
- 拡張思考の事前入力は明示的に禁止されており、思考ブロックに続くモデルの出力テキストを手動で変更すると、モデルの混乱により結果が低下する可能性があります。
拡張思考がオフの場合、標準のassistant応答テキストの事前入力は引き続き許可されています。
Claudeが拡張思考をアシスタント出力テキストで繰り返すことがあります。クリーンな応答が必要な場合は、拡張思考を繰り返さず、答えのみを出力するようClaudeに指示してください。
長い出力と長文思考を最大限に活用する
拡張思考が有効で拡張出力機能（ベータ）を備えたClaudeは、大量のデータと長文テキストの生成に優れています。
データセット生成のユースケースでは、包括的なデータセットを生成するために「非常に詳細な表を作成してください…」などのプロンプトを試してください。
より長い拡張思考ブロックとより詳細な応答を生成したい詳細なコンテンツ生成などのユースケースでは、以下のヒントを試してください：
- 拡張思考の最大長を増やし、かつ明示的により長い出力を要求する
- 非常に長い出力（20,000語以上）の場合、段落レベルまでの単語数を含む詳細なアウトラインを要求する。その後、Claudeにアウトラインに段落をインデックス付けし、指定された単語数を維持するよう依頼する
トークンを出力するためだけにClaudeにより多くのトークンを出力させることはお勧めしません。むしろ、小さな思考予算から始めて、ユースケースに最適な設定を見つけるために必要に応じて増やすことをお勧めします。
以下は、より長い拡張思考によってClaudeが優れた性能を発揮するユースケースの例です：
一貫性とエラー処理を改善するためにClaudeに作業を振り返らせ、チェックさせる
一貫性を向上させエラーを減らすために、シンプルな自然言語プロンプティングを使用できます：
- タスクを完了する前に、簡単なテストで作業を検証するようClaudeに依頼する
- 前のステップが期待された結果を達成したかどうかを分析するようモデルに指示する
- コーディングタスクの場合、拡張思考でテストケースを実行するようClaudeに依頼する
例：
次のステップ
Was this page helpful?