Claudeの長文コンテキストの弱点と対策──100万トークンの正しい使い方

「長い資料を丸ごと貼ったのに、最後に頼んだことを外してくる」。Claude に限らず、生成AIで長い資料を扱うと、こうなることがあります。

結論から言うと、資料は先に、質問は最後に。Anthropic の公式ドキュメントが、そう書いています。最大100万トークン（モデルによる）入るからといって、置き方を気にしなくていいわけではありません。この記事で見るところは3つです。なぜ長いと外すのか、公式が勧める置き方、会話が長くなったときの切り替え方。

※この記事は2026年9月時点の情報です。仕様や画面は変わることがあります。

※2026年9月追記（この記事の書き直しについて）
この記事は2025年9月1日に公開したものです。当時の本文には、筆者がECサイトの開発でClaudeを使い「資料を末尾に置き直したらうまくいった」という体験の節が入っていました。これは実際の出来事ではありません。出典のない他の方の発言の引用と、記事と関係のない書籍の宣伝も入っていました。ぜんぶ削除しました。さらに、旧記事の「大事な資料は末尾に置く」という助言は、公式ドキュメントの「長い資料は先頭、質問は末尾」と食い違っていました。公式の記載に合わせて書き直しています。

なお、この記事は公式ドキュメントの記載をもとにまとめたものです。編集部の使用感は入れていません。

入る量と、ちゃんと読める量は別の話
公式が勧める、長い資料の渡し方
会話が長くなったら、要約して新しく始める
まとめ
出典

入る量と、ちゃんと読める量は別の話

Anthropic の「コンテキストウィンドウ」のページには、こう書いてあります。コンテキストウィンドウはモデルの「作業メモリ」で、大きさはモデルによって最大100万トークン。ただし、多ければ自動的に良くなるわけではない。

同じページによると、トークン数が増えるにつれて、精度と再現率（覚えているべきことを取りこぼさない力）は下がります。これを「context rot（コンテキストの劣化）」と呼んでいます。だから、何を入れるかを選ぶことは、容量の大きさと同じくらい大事だ、という書き方です。

人間でも同じですよね。机に資料を100枚広げて「で、結局どれの話？」となる。机が広いほど、置き方の工夫が効いてきます。

公式が勧める、長い資料の渡し方

公式の「プロンプティングのベストプラクティス」には「長文コンテキストのプロンプティング」という節があります。対象は、2万トークン以上の大きな資料やデータを渡すときです。書かれていることを、仕事の場面に置き換えて3つにまとめます。

1. 資料は先頭、質問は最後

長い資料は、質問・指示・例よりも上、プロンプトの先頭近くに置く。公式は、これですべてのモデルで性能が上がると書いています。さらに、テストでは質問を末尾に置くと、応答の品質が最大30％上がることがある。特に、複雑な資料を何本もまとめて渡すときに効くそうです。

旧記事は「大事な資料を末尾へ」と書いていました。公式の答えは逆で、末尾に置くのは資料ではなく、あなたの質問です。

2. 資料が何本もあるなら、区切って名前を付ける

公式は、資料ごとに <document> というタグで囲み、中に出どころ（<source>）と本文を分けて書く形を勧めています。

タグを書くのが面倒なら、「【資料1：A社の仕様書.pdf】」「【資料2：先月の見積書】」のように見出しを付けて区切るだけでも、どこからどこまでが何の資料かははっきりします。これは公式の書き方ではなく、この記事の提案です。

3. 答える前に、関係する箇所を抜き出させる

長い資料の仕事では、作業の前に、資料の関係する部分をまず引用させる。公式はこう勧めています。そうすると、関係する中身に集中して、残りを無視しやすくなる、という理屈です。

たとえば名古屋の設備会社で、取引先の仕様書3本を貼って見積もりの前提を洗い出すとします。頼み方はこうです。「まず、納期と数量と検査条件が書かれている箇所を、資料名つきでそのまま抜き出してください。そのあとで、見積もりの前提を5行でまとめてください」。抜き出した部分を見れば、読み落としがあってもその場で気づけます。