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紹介します。拡張思考により、Claudeは複雑な問題をステップバイステップで処理でき、困難なタスクのパフォーマンスが向上します。

拡張思考を使用するタイミングの判断については、拡張思考をご覧ください。

始める前に

このガイドは、拡張思考モードの使用を既に決定し、拡張思考の実装ガイドを確認済みであ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バジェットは1024トークンです。最小の思考バジェットから始めて、ニーズやタスクの複雑さに応じて段階的に増やすことをお勧めします。
• 最適な思考バジェットが32Kを超えるワークロードの場合、ネットワーキングの問題を回避するために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リクエストは、長時間実行されるリクエストとなり、システムタイムアウトやオープン接続制限に達する可能性があります。
• 拡張思考は英語で最もパフォーマンスが高くなりますが、最終出力はClaudeがサポートする任意の言語で行えます。
• 最小バジェット以下の思考が必要な場合は、思考をオフにした標準モードで、XMLタグ（<thinking>など）を使用した従来の思考連鎖プロンプティングを使用することをお勧めします。思考連鎖プロンプティングを参照してください。

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使い、その後ステップバイステップの指示でトラブルシューティングする

Claudeは、ステップバイステップの規範的なガイダンスよりも、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パフォーマンスが良いことが多いです。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場合があります。

例えば、以下のような指示の代わりに：

この数学の問題をステップバイステップで考えてください：
1. まず、変数を特定する
2. 次に、方程式を立てる
3. その後、xについて解く
...

以下のように考えてみてください：

この数学の問題について徹底的かつ非常に詳細に考えてください。
複数のアプローチを検討し、完全な推論を示してください。
最初のアプローチがうまくいかない場合は、別の方法を試してください。

とはいえ、Claudeは必要に応じて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、より複雑な指示を含むより長いリストを処理できます。まずより一般的な指示から始め、Claudeの思考出力を読んで、そこからより具体的な指示を提供して思考を導くよう反復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とうまく機能します。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。

拡張思考シナリオでは、<thinking>や<scratchpad>などのXMLタグを使用して、それらの例における拡張思考の標準的なパターンを示すことで、few-shotの例をプロンプトに含めることができます。

Claudeはそのパターンを正式な拡張思考プロセスに一般化します。ただし、Claudeが最適と判断する方法で自由に考えさせた方が、より良い結果が得られる可能性があります。

例：

数学の問題の解き方を示しますので、同様の問題を解いてください。

問題1：80の15%はいくつですか？

<thinking>
80の15%を求めるには：
1. 15%を小数に変換：15% = 0.15
2. 掛け算：0.15 × 80 = 12
</thinking>

答えは12です。

次の問題を解いてください：
問題2：240の35%はいくつですか？

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：

1. 拡張思考ブロック内で指示について推論する
2. レスポンスでそれらの指示を実行する

指示遵守を最大化するには：

• 何を求めているかを明確かつ具体的にする
• 複雑な指示の場合、Claudeが体系的に処理すべき番号付きステップに分割することを検討する
• Claudeが拡張思考で指示を十分に処理できるだけのバジェットを確保する

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、この方法は常に完全に信頼できるわけではありません。

この方法を最大限に活用するために、以下のヒントをお勧めします：

• 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。パフォーマンスが向上せず、実際には結果が悪化する可能性があります。
• 拡張思考のプリフィルは明示的に許可されておらず、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悪化する可能性が高くなります。

拡張思考がオフの場合、標準的なassistantレスポンステキストのプリフィルは引き続き許可されています。

長い出力と長文思考を最大限に活用する

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「非常に詳細なテーブル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。

詳細なコンテンツ生成など、より長い拡張思考ブロックとより詳細なレスポンスを生成したいユースケースでは、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、段落レベルまでの語数を含む詳細なアウトラインを要求する。次に、Claudeに段落をアウトラインにインデックス付けし、指定された語数を維持するよう依頼する

以下は、より長い拡張思考によりClaudeが優れた性能を発揮するユースケースの例です：

Claudeに作業を振り返り確認させて一貫性とエラー処理を改善する

シンプルな自然言語プロンプティングを使用して、一貫性を向上させエラーを減らすことができます：

1. タスクを完了と宣言する前に、簡単なテストで作業を検証するようClaudeに依頼する
2. 前のステップが期待される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
3. コーディングタスクの場合、拡張思考内でテストケースを実行するようClaudeに依頼する

例：

数値の階乗を計算する関数を書いてください。
完了する前に、以下のテストケースでソリューションを検証してください：
- n=0
- n=1
- n=5
- n=10
問題が見つかった場合は修正してください。

次のステップ