AIに長い文章を書いてもらったとき、「最初はよかったのに、後半になるほどグダグダになってきた」という経験はありませんか。
導入は勢いがあるのに、本論の途中から似たような言い回しが繰り返されたり、結論がなんとなくフェードアウトしたり。これはAIが頭から順番に書いていくという構造上の特性から来ています。全体の設計図がないまま書き始めるので、後半に差し掛かるとどこかで迷子になりやすい。
今回紹介する Skeleton-of-Thought（SoT） は、この問題をシンプルに解決する型です。先に骨格だけ作って、あとから各パートを肉付けする。それだけです。
Skeleton-of-Thought（SoT）とは？
Skeleton-of-Thought（SoT）は、一言でいうと「先に骨格（見出し）だけ生成させて、あとから各パートを肉付けさせる」手法です。
たとえると、家を建てるときに柱や梁の骨組みを先に立ててから、壁や内装を仕上げるイメージです。骨組みなしにいきなり内装を作ろうとすると、どこかで構造が狂います。文章も同じで、設計図がない状態でいきなり書き始めると、後半でブレが出やすくなります。
プロンプトで実行するときの流れはこうです。
- 記事の見出しスケルトンを複数並列で出す
- 各見出しを独立したタスクとして肉付けする
- 全体を統合して1本の文章にまとめる
元になった研究について
SoTは Ning et al. が2023年に発表した手法です。もともとはLLMの生成速度を上げることを目的とした研究で、骨格を先に作ることで各パートの生成を並列処理できる、という仕組みを提案しています。この記事ではその考え方を、長文の品質安定という観点でプロンプト術として応用しています。
📎 Ning, Lin, Zhou, Yang, Wang (2023) “Skeleton-of-Thought: Prompting LLMs for Efficient Parallel Generation”
https://arxiv.org/abs/2307.15337
なぜ効くのか
①全体の構造が最初に固まるため、後半でブレにくくなる
いきなり頭から書かせると、AIは書きながら構成を決めています。結果として後半の見出しが前半と重複したり、まとめが唐突になったりします。骨格を先に出力させることで、全体像が確定してから肉付けに入れます。
②各パートを「独立したタスク」として扱えるようになる
骨格が決まると、「H2①を書く」「H2②を書く」と1セクションずつ集中して指示できます。1回のプロンプトで全部書かせようとするより、各パートの密度が上がります。
コピペOKプロンプト
以下をそのままコピーして、末尾の「［ ］」にテーマを入れてください。
以下のテーマで、次の手順を踏んでください。
①記事の見出しスケルトンを5つ並列で出す
②各見出しを、独立した別タスクとして肉付けする
③最後に全体を統合して1本にまとめる。
テーマ：［ ］「独立した別タスクとして」という指定がポイントです。これを入れることで、各セクションが前後に引きずられず、それぞれ集中した内容になります。見出しの数は5つ前後が扱いやすいです。
実践例：before / after
「転職活動の進め方と、やっておくべき準備」というテーマで試してみました。転職を検討している人がAIに相談するような、よくあるシーンです。
🔴 before：普通のプロンプト
「転職活動の進め方と、事前にやっておくべき準備について詳しく教えてください。」
→ 返ってきた出力は、「まず自己分析をしましょう」から始まり、職務経歴書の書き方、面接対策と続いていきましたが、中盤から「また、自分の強みを整理することも大切です」「さらに、自己分析を深めることで〜」という似た内容が繰り返され始め、後半はほぼ前半の言い換えになっていました。2000字近くあるのに、実質的な情報量は500字分くらいの印象でした。
🟢 after：SoTを使ったプロンプト
以下のテーマで、次の手順を踏んでください。
①見出しスケルトンを5つ並列で出す
②各見出しを独立した別タスクとして肉付けする
③全体を統合して1本にまとめる。
テーマ：転職活動の進め方と、やっておくべき準備→ 骨格として「①転職の目的を言語化する」「②業界・職種のリサーチ方法」「③職務経歴書で差がつく書き方」「④面接で聞かれる質問への準備」「⑤内定後の条件交渉のポイント」という5つが出てきました。各セクションが別タスクとして展開されたため、それぞれに固有の内容が入っており、前半で書いたことが後半で繰り返されることがありませんでした。同じテーマでここまで読みやすさが変わりました。
使いどころと注意点
✅ こんな場面で使う
- 授業レポート・卒論・論文まとめなど、構成が重要な長文タスク
- 後半が失速・繰り返しになりやすいテーマ
- 構成を先に確認してから書き進めたいとき
❌ これには向いていない
- 短い返答や一問一答（骨格を作るオーバーヘッドが無駄になる）
- 構成が最初から決まっているタスク（その場合は直接書かせてOK）
注意点として、①の骨格ステップで出てきた見出しが気に入らない場合は、そこで修正してから②に進んでください。骨格を直さずに肉付けに入ると、修正コストが後で跳ね上がります。
🔧 上級者向け：骨格の確認を挟む
ここは応用の話なので、読み飛ばしてOKです。
①と②の間に「骨格を確認・修正するステップ」を自分で挟むと、さらに精度が上がります。①で骨格が出たら一度止めて、「この構成で問題ないか」を自分で判断してから②に進む、という流れです。
完全に1回のプロンプトで完結させるより、骨格確認だけ人間が介在する方が、最終的な品質は安定します。時間に余裕があるときはこのやり方がおすすめです。
まとめ
- Skeleton-of-Thought（SoT） は「骨格→肉付け→統合」の3ステップで長文の品質を安定させる型
- 後半の失速・繰り返しを防ぎたい長文タスクで特に効果が出る
- 骨格ステップで構成を確認・修正してから肉付けに入るのがコツ
長文を書かせるときのデフォルト設定として、まずこの型を試してみてください。骨格が出てきた段階で一度確認する習慣をつけるだけで、出力の密度がかなり変わります。
⚠️ この記事の情報は執筆時点（2026年6月）の内容です。AIツールの仕様・挙動はアップデートで変わることがあります。最終確認は各サービスの公式サイトや一次情報でお願いします。
📎 引用・参考
・Ning, Lin, Zhou, Yang, Wang (2023) “Skeleton-of-Thought: Prompting LLMs for Efficient Parallel Generation”
https://arxiv.org/abs/2307.15337
次回予告
次回は「Meta-Prompting（メタプロンプティング）」を紹介します。プロンプトの中身を改善するのではなく、プロンプト自体をAIに進化させてもらう型です。手持ちのプロンプトをアップデートし続ける仕組みを作れます。
👉Meta-Promptingとは？AIにプロンプト自体を進化させるプロンプト術
コメント