Przejdź do głównej treści
Polski— Wybierz język
Menu

Promptowanie few-shot

Lekcja 5 z 14 Zaktualizowano 30 lipca 2026 Początkujący
Na tej stronie
  1. Nauka na przykładach
  2. Warianty few-shot
  3. Kiedy stosować few-shot
  4. Zasady tworzenia skutecznych przykładów
  5. Łączenie few-shot z wiadomościami systemowymi
  6. Ćwiczenie
  7. Kluczowe wnioski

Nauka na przykładach

Promptowanie few-shot polega na dostarczaniu par wejście/wyjście w treści promptu, aby pokierować modelem. Zamiast abstrakcyjnie opisywać oczekiwany rezultat, konkretnie pokazujesz pożądany wynik za pomocą jednego lub kilku przykładów.

Podejście to opiera się na zdolności Groka do wykrywania wzorców i ich odtwarzania. Często jest to najskuteczniejsza technika uzyskania precyzyjnego formatu wyjścia lub określonego zachowania.

Warianty few-shot

Zero-shot: brak przykładów

Podajesz wyłącznie instrukcję, bez przykładów. Jest to domyślne zachowanie.

[
  {"role": "system", "content": "Classify customer reviews as 'positive', 'negative', or 'neutral'."},
  {"role": "user", "content": "The product arrived broken, very disappointed."}
]

One-shot: pojedynczy przykład

Jeden przykład często wystarcza do ustalenia formatu wyjścia.

[
  {"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: wiele przykładów

Dzięki 2–5 przykładom obejmujesz więcej przypadków, a model lepiej rozumie niuanse.

[
  {"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."}
]
0
Zero-shot (brak przykładów)
1
One-shot (szybki format)
2-5
Few-shot (optymalny zakres)

Kiedy stosować few-shot

Promptowanie few-shot sprawdza się szczególnie w następujących sytuacjach:

  • Ścisły format wyjścia: JSON, CSV, ustrukturyzowany Markdown, format niestandardowy
  • Klasyfikacja: sentyment, kategoria, priorytet, język
  • Transformacja tekstu: przepisywanie, tłumaczenie z zachowaniem stylu, ekstrakcja encji
  • Spójność tonu: gdy musisz odtworzyć określony styl pisania

Zasady tworzenia skutecznych przykładów

Różnorodność przykładów

Twoje przykłady powinny obejmować główne przypadki. W przypadku klasyfikacji trójklasowej uwzględnij co najmniej jeden przykład dla każdej klasy.

Spójność formatu

Wszystkie przykłady muszą dokładnie przestrzegać tego samego formatu wyjścia. Jeśli jeden przykład zwraca JSON z kluczami małymi literami, pozostałe muszą zrobić to samo.

Trafność

Wybieraj przykłady zbliżone do rzeczywistych przypadków, z którymi zmierzy się model. Przykłady zbyt proste lub zbyt egzotyczne mogą obniżyć jakość wyników.

Rozsądna liczba

Więcej przykładów zużywa więcej tokenów wejściowych. Znajdź właściwy balans: zazwyczaj wystarczy 2–5 przykładów. Powyżej tej liczby dodawanie kolejnych przynosi coraz mniejsze korzyści.

Łączenie few-shot z wiadomościami systemowymi

Najskuteczniejsza kombinacja łączy wiadomość systemową opisującą zadanie z przykładami few-shot pokazującymi format:

[
  {
    "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."
  }
]

Wiadomość systemowa wyjaśnia zadanie, a przykład pokazuje dokładny format. Model odtworzy ten format dla nowego danych wejściowych.

Ćwiczenie

Stwórz prompt few-shot konwertujący opisy produktów na ustrukturyzowane karty. Zdefiniuj format wyjścia za pomocą 2–3 przykładów, a następnie przetestuj go na nowym produkcie.

Zacznij od one-shot, aby zweryfikować format, a następnie dodaj więcej przykładów, jeśli wynik wymaga korekty.

Kluczowe wnioski

  • Few-shot polega na dostarczaniu przykładów, aby pokierować modelem poprzez naśladownictwo
  • Pojedynczy przykład (one-shot) często wystarcza do ustalenia formatu wyjścia
  • 2–5 przykładów pokrywa większość przypadków bez marnowania tokenów
  • Twoje przykłady muszą być zróżnicowane, spójne pod względem formatu i reprezentatywne
  • Połącz wiadomość systemową (opis) z przykładami (demonstracja), aby uzyskać optymalne wyniki