APEフレームワーク：分析・計画・実行 — 推論プロセスを見せる構造化プロンプト

APEフレームワークは、大規模言語モデルに思考を分析・計画・実行へと分離させるプロンプトテンプレートです。 未分化な回答が1つ返ってくるのではなく、モデルが問題をどう理解したか、どう解決するつもりか、そして最終出力が見えます。各段階を検証できるため、信頼性が向上します。

APEは、複雑なタスクや高リスクのタスクで特に有効です。推論の道筋を明示的に示させることで、隠れた前提や近道が見えないまま残るリスクを減らせます。この3部構成のパターンはすべてのモデルで機能します。クラウドAPIでも、OllamaやLM Studio経由のローカルモデルでも同様に動作し、結果の一貫性を保ちます。

APEフレームワークの核心は、すべてのプロンプトがモデルに対して、まず問題を分析し、次に解決策を計画し、その後で初めて最終回答を実行するよう指示する点にあります。 この3ステップは人間が推論を進める方法に直接対応しており、明確なチェックポイントを提供します。

このセクションでは、典型的な内訳を示します。

タスクが十分に複雑で、最終出力だけでなくモデルの推論も気になる場合に、APEフレームワークを使ってください。 技術分析、複数段階のリサーチ、戦略的な文章作成、そしてエラーのコストが高いあらゆる状況が該当します。

典型的なユースケースは次のとおりです。

効果的なAPEプロンプトは、3つの段階を名前で明示し、各パートで期待する内容を指定します。分析メモ、段階的な計画、そして最終出力です。 これらはコンパクトに書けるため、単一のプロンプトとして成立します。

汎用パターンは次のとおりです。

「あなたは役割です。まず、主要な目標・制約・不足情報を列挙してタスクを分析してください。次に、アプローチを3〜5個の箇条書きで計画してください。最後に、計画に厳密に従って希望する出力形式を生成し、実行してください。」

この基本パターンには、対象読者、トーン、ファイル構成、引用要件といったドメイン固有の詳細を追加できます。一度定義すれば、目的とコンテキストを変えるだけで同じAPEプロンプトを複数のタスクに再利用できます。

構造化されていないプロンプトとAPEプロンプトの違いは、同じタスクで比較すると明確になります。 ここでは製品ローンチのメールを例に説明します。

悪いプロンプト

「新しい分析ダッシュボードを発表するメールを書いてください。」

良いプロンプト

「あなたはSaaSのプロダクトマーケターです。目的：既存顧客向けに、新しい分析ダッシュボードの発表メールを作成すること。APE構造：1）分析：ターゲット読者、その主な課題、このダッシュボードが解決する主要なメリットを簡潔に列挙してください。2）計画：メールの構成を3〜5個の箇条書きで示してください（フック、主要メリット、行動喚起など）。3）実行：明快でプロフェッショナルなトーンで最終メール（220語以内）を書いてください。件名、プレビューテキスト、本文を含めてください。」

APEフレームワークを使うと、モデルはメールを生成する前に問題の理解と計画を提示します。そのため、ズレを早い段階で発見しやすくなります。

PromptQuorumはマルチモデルのAIディスパッチツールで、APEフレームワークを組み込みプロンプト構造の1つとして搭載しています。ワンクリックで分析・計画・実行のプロンプトを適用できます。 PromptQuorumでAPEオプションを選ぶと、アプリが目的とコンテキストの周囲に3ステップ構造を自動的に挿入します。

PromptQuorum内でのAPEフレームワークの働きは次のとおりです。

明示的な推論ステップは欲しいが、多数のパラメータやセクションは不要という場合に、他のプロンプトフレームワークではなくAPEを選んでください。 APEは意図的にコンパクトです。3段階あれば、ユーザーに負担をかけずに明確さを高められることが多いためです。

実務上の使い分けは次のとおりです。

補足：「APE」はAutomatic Prompt Engineeringを指す場合もあります。これは上記のAnalyze-Plan-Executeフレームワークとは別の技術です。Automatic Prompt Engineering（Zhou et al., 2022）はAIを使ってプロンプトの候補を自動生成・採点し、手作業の試行錯誤なしに最適な表現を見つけます。その手順は次のとおりです。