one-shotプロンプティングは、AI、特に大規模言語モデル（LLM）の文脈内学習能力を活用したテクニックの一つです。これは、モデルにタスクの指示を与える際、入力と期待される出力の具体例を一つだけ提示する方法を指します。

この手法の目的は、AIが単なる指示だけでなく、その指示が具体的にどのような形式や内容の出力を求めているのかを、与えられた一つの例から推論し、類似のタスクを正確に実行できるように導くことです。

例の提示によって、モデルはタスクの意図や必要な処理パターンをより迅速かつ効果的に把握し、プロンプトに続いて与えられた新しい入力に対して、一貫性のある適切な応答を生成します。

例えば、「この文章を要約してください」という指示に続けて、ある特定の文章とその理想的な要約を一つだけ示し、その直後に別の新しい文章を与えて要約を求めます。

モデルは、提示された一組の例から「要約」の定義やスタイルを学び取り、新しい文章に対しても例と類似した形式で要約を生成しようとします。

これは、学習時に大量のデータを与えてモデルのパラメーターを更新するファインチューニングとは異なり、モデルのパラメーター自体は変更されません。

代わりに、プロンプト内で提供される情報（この場合は一つの例）が、モデルの一時的な推論の文脈として機能します。one-shotプロンプティングは、学習データが少ないタスクや、モデルの振る舞いを柔軟に制御したい場合に特に有効な、効率的なタスク遂行の手法として広く利用されています。