Few-Shot Prompting
Op deze pagina
Leren door voorbeelden
Few-shot prompting houdt in dat u input/output-paren in uw prompt opneemt om het model te sturen. In plaats van abstract te beschrijven wat u verwacht, toont u het gewenste resultaat concreet aan de hand van een of meer voorbeelden.
Deze aanpak vertrouwt op het vermogen van Grok om patronen te herkennen en deze na te bootsen. Het is vaak de meest effectieve techniek om een precies outputformaat of specifiek gedrag te verkrijgen.
Varianten van few-shot prompting
Zero-shot: geen voorbeelden
U geeft alleen de instructie, zonder voorbeelden. Dit is het standaardgedrag.
[
{"role": "system", "content": "Classify customer reviews as 'positive', 'negative', or 'neutral'."},
{"role": "user", "content": "The product arrived broken, very disappointed."}
]
One-shot: één enkel voorbeeld
Eén voorbeeld is vaak voldoende om het outputformaat vast te leggen.
[
{"role": "system", "content": "Classify customer reviews using the format shown in the example."},
{"role": "user", "content": "Great quality, I recommend it!"},
{"role": "assistant", "content": "{\"sentiment\": \"positive\", \"confidence\": 0.95, \"keywords\": [\"quality\", \"recommend\"]}"},
{"role": "user", "content": "The product arrived broken, very disappointed."}
]
Few-shot: meerdere voorbeelden
Met 2 tot 5 voorbeelden dekt u meer casussen en begrijpt het model nuances beter.
[
{"role": "system", "content": "Classify customer reviews in JSON format."},
{"role": "user", "content": "Great quality, I recommend it!"},
{"role": "assistant", "content": "{\"sentiment\": \"positive\", \"confidence\": 0.95}"},
{"role": "user", "content": "Meh, nothing special."},
{"role": "assistant", "content": "{\"sentiment\": \"neutral\", \"confidence\": 0.70}"},
{"role": "user", "content": "Horrible, doesn't work at all."},
{"role": "assistant", "content": "{\"sentiment\": \"negative\", \"confidence\": 0.98}"},
{"role": "user", "content": "Fast delivery but damaged packaging."}
]
Wanneer u few-shot prompting gebruikt
Few-shot prompting is vooral geschikt in de volgende situaties:
- Strikt outputformaat: JSON, CSV, gestructureerde Markdown, aangepast formaat
- Classificatie: sentiment, categorie, prioriteit, taal
- Teksttransformatie: herschrijven, vertalen met specifieke stijl, extractie van entiteiten
- Consistente toon: wanneer u een specifieke schrijfstijl wilt nabootsen
Regels voor effectieve voorbeelden
Diversiteit in voorbeelden
Uw voorbeelden moeten de belangrijkste casussen dekken. Voor een classificatie met drie klassen neemt u ten minste één voorbeeld van elke klasse op.
Consistentie in formaat
Al uw voorbeelden moeten exact hetzelfde outputformaat volgen. Als één voorbeeld JSON retourneert met sleutels in kleine letters, moeten alle andere dat ook doen.
Relevantie
Kies voorbeelden die dicht bij de reële casussen liggen die het model zal verwerken. Voorbeelden die te simpel of te exotisch zijn, kunnen de kwaliteit van de resultaten verslechteren.
Redelijke hoeveelheid
Meer voorbeelden verbruiken meer input-tokens. Vind de juiste balans: 2 tot 5 voorbeelden zijn over het algemeen voldoende. Daarboven leveren extra voorbeelden steeds minder op.
Combinatie van few-shot prompting en systeemberichten
De meest effectieve combinatie koppelt een systeembericht dat de taak beschrijft aan few-shot-voorbeelden die het formaat tonen:
[
{
"role": "system",
"content": "You are an assistant that extracts named entities (people, places, organizations) from text and returns them in JSON format. Each entity has a type and a value."
},
{
"role": "user",
"content": "Marie Curie worked at the University of Paris."
},
{
"role": "assistant",
"content": "{\"entities\": [{\"type\": \"person\", \"value\": \"Marie Curie\"}, {\"type\": \"organization\", \"value\": \"University of Paris\"}]}"
},
{
"role": "user",
"content": "The CEO of TotalEnergies met the minister in Lyon."
}
]
Het systeembericht legt de taak uit, het voorbeeld toont het exacte formaat. Het model zal dit formaat reproduceren voor de nieuwe input.
Oefening
Maak een few-shot-prompt om productbeschrijvingen om te zetten in gestructureerde fiches. Definieer uw outputformaat met 2-3 voorbeelden en test vervolgens met een nieuw product.
Begin met een one-shot om het formaat te verifiëren en voeg pas voorbeelden toe als het resultaat aanpassingen vereist.
Belangrijkste punten
- Few-shot prompting houdt in dat u voorbeelden geeft om het model via nabootsing te sturen
- Een enkel voorbeeld (one-shot) is vaak voldoende om het outputformaat vast te leggen
- 2 tot 5 voorbeelden dekken de meeste casussen zonder tokens te verspillen
- Uw voorbeelden moeten divers zijn, consistent in formaat en representatief
- Combineer het systeembericht (beschrijving) met voorbeelden (demonstratie) voor optimale resultaten