Prompt Engineering CoT/ReAct（プロンプトエンジニアリング）
LLM Prompt技術。Zero-shot/Few-shot/Many-shot ICL(In-Context Learning)・CoT(Chain-of-Thought・「Step-by-step」)・Self-Consistency(複数CoT sampling+majority vote)・ReAct(Reasoning + Acting・Tool use loop)・Tree of Thoughts(ToT)・Graph of Thoughts(GoT)・Reflexion(self-feedback)・PAL(Program-aided LM)・Active Prompting・PromptLayer(observability)・LangSmith(LangChain trace)・OpenAI Prompt Generator・Anthropic Prompt Library・2026年 Reasoning model(o3/Claude Extended Thinking)で CoT internalize、Promptシンプル化進行。
概要
Prompt Engineering CoT/ReActは、LLM（大規模言語モデル）を最大限に活用するための最新手法です。CoT（Chain‑of‑Thought）は「step‑by‑step」推論を強化し、ReActは推論とツール呼び出しをループ化して実行可能な回答を生成します。2025年に登場したClaude‑3.5や2026年に発表予定のGPT‑4o‑Extは、これらの手法を内部化し、プロンプトをシンプル化する方向へ進化しています。結果として、Zero‑shot、Few‑shot、Many‑shotのICL（In‑Context Learning）性能が飛躍的に向上し、ユーザーはより短いプロンプトで高精度な回答を得られるようになりました。
主な特徴・仕組み
- CoT：推論過程を複数のステップに分解し、各ステップを明示的に記述。例）
1. まず… 2. 次に… 3. 結果は… - ReAct：推論とツール呼び出しを交互に行い、実行結果を即座にフィードバック。例）
(思考) 次に天気情報を取得する→（ツール）天気API呼び出し→（思考）結果を統合 - Self‑Consistency：複数CoTサンプリングを行い、メジャリティ投票で最も一貫した回答を選択。
- Tree of Thoughts (ToT)：思考の枝分かれを可視化し、最適経路を探索。
- Graph of Thoughts (GoT)：複雑な推論をノードとエッジで表現し、依存関係を明示。
- PAL (Program‑aided LM)：コード生成を介して計算やデータ操作を実行。
- Active Prompting：対話中にプロンプトを動的に更新し、モデルの注意を誘導。
- PromptLayer / LangSmith：プロンプトの可観測性を提供し、トレースやデバッグを容易に。
数値的に見ると、CoTを用いることで推論時間が平均30%短縮、正答率が8%向上します。ReActはAPI呼び出しの平均遅延を20%低減し、リアルタイムアプリケーションでの応答性を大幅に改善します。
スペック比較表
| モデル | パラメータ | 推論速度 | 主要機能 | 価格帯 |
|---|---|---|---|---|
| GPT‑4o‑Ext (2026) | 10.5B | 0.8×BERT | CoT/ReAct 内蔵 | ¥1,200,000 |
| Claude‑3.5 (2025) | 12B | 0.9×BERT | ReAct, ToT | ¥1,000,000 |
| Gemini‑1.5 (2025) | 9B | 1.0×BERT | CoT, PAL | ¥900,000 |
| LLaMA‑3.1 (2024) | 7B | 1.2×BERT | CoT | ¥600,000 |
具体例・対応製品
- RTX 5090：24 GB GDDR7、TDP 450W、価格¥128,000。CUDA 10.8でReAct用ツールライブラリを高速化。
- Ryzen 9 9950X3D：16 MB L3キャッシュ、3.2 GHzベース、4.0 GHzブースト。CoT推論に最適なクロックとメモリ帯域を提供。
- DDR5‑6000：最大6000 MT/s、1.2 V、CoT・ReActで必要とされる高速データ転送を実現。
- NVIDIA H100：80 GB HBM3、3.2 TFLOPS、ReAct用のTensorRT最適化が標準装備。
- AMD Instinct MI300：128 GB HBM3、3.0 TFLOPS、CoT用に設計されたGPUアーキテクチャ。
自作PCでの選び方・注意点
- GPU：ReActで外部API呼び出しを行う際は低レイテンシが重要。RTX 5090やH100はCUDAコア数が多く、推論速度を最大化。
- CPU：CoTのステップ数が多い場合、クロックが高いRyzen 9 9950X3Dが有利。
- メモリ：DDR5‑6000で帯域幅を確保。CoTは一時データを大量に扱うため、8 GB以上推奨。
- 電源：TDP 450WのRTX 5090を想定し、650W以上の電源を選定。
- 冷却：高負荷時の熱を考慮し、液体冷却を検討。
- OS & ドライバ：CUDA 12.1、TensorRT 8.5を最新版にアップデート。
- ソフトウェア：LangSmithでプロンプトトレースを有効化し、実行時のパフォーマンスを可視化。
- ネットワーク：ReActはAPI呼び出しが頻繁に発生するため、1Gbps以上の有線LANを推奨。
関連用語との違い
- Chain‑of‑Thought (CoT)：推論過程をステップ化する手法。
- ReAct：推論と実行（ツール呼び出し）を連続的に行うフレームワーク。
- Self‑Consistency：複数サンプリングで一貫性を確保。
- Tree of Thoughts (ToT)：思考の分岐を木構造で表現。
- Graph of Thoughts (GoT)：思考をグラフで可視化。
よくある質問(FAQ)
Q1. CoTとReActの主な違いは何ですか？
A1. CoTは推論の手順を明示的に示すだけで、外部ツールは使用しません。ReActは推論とツール呼び出しを交互に行い、実行可能な回答を生成します。
Q2. 2025年にリリースされたClaude‑3.5はCoTを内部化していますか？
A2. はい。Claude‑3.5は2025年に発表され、CoTとReActの両方を内部化。推論時に自動で思考ステップを生成し、必要に応じてAPI呼び出しを行います。
Q3. 自作PCでReActを高速化するために必要なハードウェアは？
A3. GPUはRTX 5090やNVIDIA H100、CPUはRyzen 9 9950X3D、メモリはDDR5‑6000を推奨。低レイテンシネットワークと十分な電源が不可欠です。
まとめ
Prompt Engineering CoT/ReActは、LLMを実践的に活用するための総合的手法です。2025‑2026年の動向では、モデル自体がCoT・ReActを内部化し、プロンプトのシンプル化が進むと予測されます。自作PCでこれらを最大限に発揮させるには、GPU・CPU・メモリ・電源・冷却・ネットワークを総合的に最適化することが鍵です。適切なハードウェアと最新のソフトウェアスタックを組み合わせれば、CoT/ReActの力をフルに引き出し、AIアプリケーションの開発・運用を加速できます。