Few-shot: Uč se z příkladů
Na této stránce
Nastává chvíle, kdy samotný popis nestačí. Popsal jsi svůj styl pěti přídavnými jmény, specifikoval formát v osmi řádcích a ChatGPT stále míjí cíl. Řešením není popisovat lépe – ale ukázat. Promptování metodou few-shot znamená poskytnout příklady požadovaného výstupu, aby model mohl extrahovat vzor a aplikovat jej. Je to nejspolehlivější technika, kterou máš k dispozici pro dosažení konzistentních výsledků pokaždé.
Princip
„Few-shot“ označuje prompt doplněný o několik příkladů, na rozdíl od „zero-shot“, který žádné nemá. Poskytneš jeden, dva nebo tři příklady toho, co chceš, a poté požádáš model, aby pokračoval podle stejného vzoru. Rozdíl je nejpatrnější u subjektivních úsudků, kde správná odpověď závisí na tvém měřítku, nikoliv na univerzální pravdě. Při zero-shot – tedy bez jakýchkoliv příkladů – následující požadavek nechává model váhat mezi neutrálním a negativním hodnocením: nic mu neříká, zda zpoždění dodávky považuješ za incident, nebo za drobný detail.
Classify this customer comment as positive, neutral, or negative:
"The delivery took 3 days longer than expected but the product is fine."
Stejná slova, jimž předchází čtyři kalibrované příklady, vedou ke klasifikaci v souladu s tvými kritérii. Čtvrtý příklad je ze všech nejužitečnější: přesně ukazuje, že pomalé doručení neruší spokojenou recenzi.
Classify each customer comment as positive, neutral, or negative.
Examples:
- "Excellent product, fast delivery, highly recommend!" -> Positive
- "The product works but nothing exceptional." -> Neutral
- "Disappointed, the quality doesn't match the photos." -> Negative
- "Good value for money, delivery a bit slow." -> Neutral
Now classify:
- "The delivery took 3 days longer than expected but the product is fine."
Kdy tato technika rozhoduje
Promptování metodou few-shot je nezbytné vždy, když je instrukci snazší ukázat než formulovat. Platí to, když chceš, aby ChatGPT psal tvým stylem, když tvůj formát neodpovídá žádnému existujícímu standardu, nebo když klasifikace závisí na kritériích, která bys stěží definoval jediným pravidlem. Tato metoda také vyniká při převodu dat z jednoho formátu do druhého a při hromadné tvorbě obsahu, kde se dvacet kusů obsahu musí navzájem podobat, aniž by se opakovaly.
Replikace stylu psaní
Tvoje nejlepší minulá práce představuje nejlepší možnou specifikaci. Dva níže uvedené popisy sdělují mnohem více než jen tón: rytmus krátkých vět, úvod přínosem, vložení čísla uprostřed a zakončení konkrétním případem použití. Žádné přídavné jméno by toto vše nedokázalo sdělit.
Here's how I write my product descriptions:
Example 1:
Product: Wireless headphones
Description: Say goodbye to tangled wires. These Bluetooth headphones
connect in 2 seconds, last 30 hours on a charge, and block out noise
as if you were alone in the world. Perfect for the office, the train, or the couch.
Example 2:
Product: Compact mechanical keyboard
Description: 65 keys, zero compromise. Tactile switches deliver
precise feedback without waking the neighbors. RGB backlighting
adjusts with a single gesture. Compact yet complete, it slips
into any bag.
Following the same pattern, write the description for:
Product: Vertical ergonomic mouse
Přesně tento krok vyzkoušej u obsahu, který tvoříš každý týden. Vlož dva ze svých nejlepších minulých výstupů, přidej své hrubé poznámky a nech model zpracovat formátování, které jsi dříve dělal sám.
Here are 2 examples of weekly summaries I send to my manager:
[Paste your week 1 summary]
[Paste your week 2 summary]
Following this exact format and style, write this week's summary
from these raw notes:
[Paste your week notes]
Transformace dat
Pro normalizaci neuspořádaných informací ukaž pár vstup/výstup. Model odvodí dvě věci najednou: která pole extrahovat a jak převést neformální vyjadřování na strukturované štítky – fráze „nevadí mu občas dělat backend“ se změní na řádek „Všestrannost“, čehož by žádná obecná instrukce nedosáhla.
Transform these informal job descriptions into structured profiles.
Input: "Looking for a React frontend dev, 3-5 years exp, knows
TypeScript and doesn't mind doing some backend occasionally.
Remote OK, between 45 and 55K."
Output:
- Role: Frontend Developer
- Stack: React, TypeScript
- Experience: 3-5 years
- Versatility: Occasional backend
- Remote: Yes
- Range: 45-55K EUR
Input: "Need a senior PM to lead our SaaS product,
ideally someone who's worked in a scale-up before, we're in Paris
but hybrid 3 days/week, budget 65-75K."
Output:
- Role: Senior Product Manager
- Domain: SaaS
- Experience: Senior (scale-up environment)
- Location: Paris, hybrid 3 days/week
- Range: 65-75K EUR
Now transform:
"We need a data analyst who knows SQL and Python, someone
junior-mid who wants to build ML skills. Fully remote,
35-42K, start ASAP."
Hromadná generace obsahu
U opakujících se redakčních formátů vítězí anotovaná šablona nad popisem. Následující kostra stanoví pořadí bloků a délku každého z nich; surová data z případu klienta je pouze vyplní. Získáš sérii homogenních příspěvků připravených k publikaci bez nutnosti pokaždé vést redakční debatu.
Here's the format for our LinkedIn posts presenting a client case:
Example:
[Relevant emoji] [Catchy key figure]
[Client name] had a problem: [one-line problem].
In [duration], we implemented [brief solution].
Result:
- [Metric 1]
- [Metric 2]
- [Metric 3]
[One-sentence lesson or takeaway]
---
Case to write: our client DataViz (BI dashboard publisher)
had a churn rate of 15%/month. In 4 months, we redesigned
their onboarding. Churn dropped to 6%, NPS rose from 23 to 52,
and time-to-value went from 14 days to 3 days.
Kolik příkladů poskytnout
Jediný příklad – one-shot – stačí pro jednoduchý formát. Dva nebo tři pokryjí většinu běžných úkolů; čtyři až pět se hodí, když je vzor subtilní. Nad tuto hranici si ověř, že každý příklad přináší něco nového: redundantní příklady prodlužují prompt, aniž by jej zlepšovaly. Důležitější než množství jsou dvě vlastnosti: konzistence a rozmanitost. Příklady v heterogenních formátech brání modelu vědět, který napodobit; příliš podobné příklady jej naučí konkrétní případ místo principu, a následně bude produkovat pouze varianty téhož textu.
Začátek bez příkladů
Centrum nápovědy i průvodce OpenAI pro modely s odůvodňováním dávají stejné doporučení: nejprve to zkus bez příkladů a přidej je až tehdy, pokud výsledek není uspokojivý. Současné modely se často obejdou bez příkladů, když je instrukce jasná, a špatně zvolený příklad může strhnout odpověď směrem, který jsi nezamýšlel. Stejný průvodce varuje před specifickou pastí: tvé příklady musí přesně odpovídat tvým instrukcím. Pokud instrukce žádá tři odrážky a příklad jich ukazuje pět, výsledek bude pravděpodobně špatný.
Kontrastní příklady
U úloh klasifikace nebo hodnocení zahrň hraniční případy, které definují škálu, a zdůvodni každé hodnocení v závorce. Model pak aplikuje tvé kritérium, nikoliv své vlastní – zde rozdíl mezi 3 a 5 vyplývá z přítomnosti numerického důkazu, což zdůvodnění explicitně vyjadřuje.
Rate the quality of these sales hooks (score from 1 to 5).
1/5: "Hello, we sell software." (too vague, no hook)
3/5: "Your teams lose 5 hours a week on admin tasks." (good angle but no proof)
5/5: "Carrefour cut admin costs by 34% in 3 months. Here's how." (number, social proof, curiosity)
Now rate:
"What if you could automate 80% of your reporting?"
Teď jsi na řadě
Přejdi od nuly k few-shot. Vezmi si klasifikační nebo psací úkol, který často opakuješ. Nejprve jej spusť bez příkladu a zaznamenej, co je špatně. Poté přidej dva příklady čerpané z tvé nejlepší práce a ověř, že přesně dodržují tvou instrukci; pokud klasifikace váhá, přidej hraniční případ. Porovnej tři výsledky a ponech si nejkratší verzi, která tě uspokojí.
Oficiální zdroje: Best practices for prompt engineering with the OpenAI API (OpenAI Help Center) · Prompt engineering · Reasoning best practices (OpenAI API documentation)
Klíčové poznatky
- Few-shot znamená ukázat několik příkladů, aby ChatGPT reprodukoval očekávaný vzor
- Nejprve to zkus bez příkladů a přidej je až tehdy, pokud výsledek není uspokojivý
- Pro většinu úkolů stačí dva až tři příklady; musí přesně odpovídat tvé instrukci
- Použij few-shot pro styl, formát, klasifikaci a hromadnou tvorbu
- Kontrastní a zdůvodněné příklady kalibrují škálu pro hodnoticí úlohy