LLMとの「なぜ？」ループで時間を溶かさないための質問設計術——半年の壁打ちログから見えた5つの軸

生成AIをコーディングやアイデア出しに使っていると、気づけば1時間が経過していた——しかも得られた成果はほとんどない。この「時間が溶ける」現象に心当たりのある方は多いのではないでしょうか。

特に典型的なのが「なぜ？」の連投パターンです。バグ調査で「なぜこのエラーが出るのか？」と聞き、返ってきた説明にさらに「なぜ？」を重ね、3往復目で「そもそも何を知りたかったんだっけ？」と我に返る——このループは、LLMの性能の問題ではなく、**質問者側の問いの組み立て方**に根本的な課題があります。

個人開発者のmura氏が半年間の壁打ちログを詳細に分析したところ、生産的な対話とそうでない対話を分ける要素が、感覚論ではなく**5つの明確な軸**に集約できることが判明しました。この知見は、LLMを日常的に使うすべての開発者・クリエイターにとって実用的な価値があります。

多くの人がハマる「なぜ？」ループには、構造的な原因があります。

典型的な失敗パターン

1. **抽象度の迷子**: 「なぜこのバグが起きるのか？」→「なぜその仕様なのか？」→「なぜそのフレームワークを選んだのか？」と、質問の抽象度が上下にブレ続ける

2. **ゴールの不在**: 最初の質問時点で「何を得たら終わりか」が定義されていない

3. **文脈の肥大化**: 往復するたびに会話履歴が増え、本来の目的が埋もれていく

これらは単なる「聞き方が下手」という問題ではなく、**質問を構造化するフレームワークの欠如**が原因です。

mura氏の分析によれば、効果的なLLM対話には以下の要素が必要です（元投稿では詳細が言及されていますが、ここでは一般的な質問設計の原則から考察します）。

1. **ゴール明確性**: 何を得たら終わりか

「エラーの原因を知りたい」ではなく、「このエラーを修正するために今日中に実装すべきコード変更を3つ挙げてほしい」のように、**終了条件を具体化**します。

2. **スコープ制限**: 問いの範囲を絞る

「なぜこのコードは動かないのか？」ではなく、「この関数の第2引数がundefinedになる理由を、データフローの観点から説明してほしい」のように、**調査範囲を限定**します。

3. **抽象度の固定**: レイヤーを揃える

「実装レベル」「設計レベル」「戦略レベル」など、**一つの会話セッションでは抽象度を固定**し、レイヤーをまたぐ質問は別セッションで行います。

4. **前提の明示**: 何を知っていて何を知らないか

「Reactは分かるがNext.jsのApp Routerは初めて」のように、**自分の知識レベルを先に伝える**ことで、回答の粒度が最適化されます。

5. **検証可能性**: 答えが正しいか判断できるか

「理論的な説明」だけでなく「実際に試せるコード」や「確認手順」など、**自分で検証可能な形式での回答**を求めます。

従来の「質問力」論との決定的な違い

「良い質問をしよう」というアドバイスは昔からありますが、LLM時代の質問設計には**根本的に異なる要素**があります。

人間の専門家への質問では、相手が「質問の意図を推測」し「文脈を補完」してくれます。しかしLLMは、与えられたプロンプトの範囲内で最も確率的に妥当な回答を生成するため、**曖昧さがそのまま回答の発散につながる**のです。

これは、Stack Overflowでの質問作法とも異なります。Stack Overflowでは「再現可能な最小コード」が重視されますが、LLMでは加えて「何を得たいか」「どのレベルで説明してほしいか」という**メタ情報の明示**が不可欠です。

この手法のメリットと注意点

**メリット:**

**注意点:**

どんな人・場面に向いているか

このフレームワークが特に有効なのは:

逆に、初めてLLMに触れる人や、自由な発想を広げたいブレストの場面では、まず「制約なく対話する」経験を積むことが優先です。

アクション1: 「終了条件」を質問の末尾に追加する

次にLLMに質問するとき、最後に1文だけ追加してください:

**悪い例:**

ReactのuseEffectでAPIを呼ぶとき、無限ループが起きるのはなぜですか？

**良い例:**

ReactのuseEffectでAPIを呼ぶとき、無限ループが起きるのはなぜですか？

【求める回答】原因の説明と、依存配列を正しく設定した修正コードを提示してください。

この一文で、LLMの回答が「理論説明だけ」から「実装可能なコード付き」に変わります。

アクション2: 「3往復ルール」を設定する

一つの質問に対して、3往復以内で結論が出なければ**質問の立て方を根本から見直す**と決めます。

このルールにより、「ズルズル続ける」習慣を断ち切れます。

アクション3: 質問テンプレートを用意する

以下のテンプレートをメモアプリに保存し、重要な質問の際に使ってください:

【質問】
[具体的な問い]

【前提】
- 私の知識レベル: [例: Python中級、機械学習は初心者]
- 試したこと: [例: 公式ドキュメントを読んだが該当箇所が見つからない]

【求める回答】
- 形式: [例: 実行可能なコード / 手順のリスト / 概念図]
- 詳しさ: [例: 中学生でも分かるレベル / 実務で使える詳細度]
- ゴール: [例: 今日中にデプロイできる状態にしたい]

最初は面倒に感じますが、1週間続けると「テンプレートなしでも構造化された質問」ができるようになります。

LLMとの対話で時間を溶かすのは、あなたの能力不足ではなく、**質問設計の技術を知らなかっただけ**です。ゴール明確性、スコープ制限、抽象度の固定、前提の明示、検証可能性——この5つの軸を意識するだけで、対話の生産性は劇的に変わります。

「なぜ？」ループから脱出し、LLMを本当の意味で「思考のパートナー」にするために、まず次の一問から、終了条件を明示してみてください。

この情報は @mura / SideCraft さんの投稿を参考にしています。