Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Few-shot: Učenje s primeri

Lekcija 6 od 16 Posodobljeno 5. november 2026 Začetnik
Na tej strani
  1. Načelo
  2. Kdaj tehnika naredi razliko
  3. Posnemanje pisnega sloga
  4. Pretvarjanje podatkov
  5. Serijsko ustvarjanje vsebin
  6. Koliko primerov navesti
  7. Začetek brez primerov
  8. Kontrastni primeri
  9. Tvoja vrsta
  10. Ključne ugotovitve

Pride trenutek, ko sam opis ni več dovolj. Svoj slog si opisal s petimi pridevniki, format določil v osmih vrsticah, a ChatGPT še vedno zgreši bistvo. Rešitev ni v boljšem opisovanju, temveč v prikazovanju. Poziv few-shot pomeni, da modelu ponudiš primere želenega izhoda, da ta prepozna vzorec in ga uporabi. To je najbolj zanesljiva tehnika za doseganje doslednih rezultatov vsakič.

Načelo

„Few-shot” se nanaša na poziv, ki mu sledi nekaj primerov, v nasprotju s „zero-shot”, kjer primerov ni. Modelu ponudiš enega, dva ali tri primere tega, kar želiš, in ga nato prosiš, naj nadaljuje po istem vzorcu. Razlika je najbolj očitna pri subjektivnih presojah, kjer je pravilen odgovor odvisen od tvojih meril in ne od univerzalne resnice. Pri zero-shot – torej brez primerov – naslednje zahtevo model obotavlja med nevtralno in negativno oceno: nič mu ne pove, ali zamuda pri dostavi šteje kot incident ali le kot manjša podrobnost v tvojih očeh.

Classify this customer comment as positive, neutral, or negative:
"The delivery took 3 days longer than expected but the product is fine."

Iste besede, ki jim sledijo štirje umerjeni primeri, privedejo do razvrstitve, ki je usklajena s tvojimi merili. Četrti primer je najbolj uporaben od vseh: natančno kaže, da počasna dostava ne izniči zadovoljive ocene.

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."

Kdaj tehnika naredi razliko

Poziv few-shot je nujen vedno, ko je navodilo lažje pokazati kot ga formulirati. To velja, ko želiš, da ChatGPT piše v tvojem slogu, ko tvoj format ne ustreza nobenemu obstoječemu standardu ali ko razvrščanje temelji na merilih, ki jih težko opredeliš z enim samim pravilom. Odlično se obnese tudi pri pretvorbi podatkov iz enega formata v drugega in pri serijski izdelavi, kjer mora biti dvajset vsebinskih kosov med seboj podobnih, a ne ponavljajočih se.

Posnemanje pisnega sloga

Tvoja najboljša pretekla dela predstavljajo najboljšo možno specifikacijo. Spodnja dva opisa preneseta veliko več kot le ton: ritem kratkih stavkov, začetek s koristjo, vstavljanje številke na sredino in zaključek s konkretnim primerom uporabe. Noben pridevnik ne bi mogel sporočiti vsega tega.

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

To je točno tisti premik, ki ga moraš preizkusiti pri vsebinah, ki jih ustvarjaš vsak teden. Prilepi dve svoji najboljši pretekli oddaji, dodaj svoje surove zapiske in prepusti modelu oblikovanje, ki si ga prej opravljal sam.

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]

Pretvarjanje podatkov

Za normalizacijo neurejenih informacij prikaži par vhod/izhod. Model hkrati sklepa dve stvari: katera polja izvleči in kako prevesti vsakdanje fraziranje v strukturirane oznake – „občasno dela tudi na backendu” postane vrstica „Vsestranskost”, česar nobeno splošno navodilo ne bi moglo doseči.

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."

Serijsko ustvarjanje vsebin

Za ponavljajoče se uredniške formate predloga z opombami premaga opis. Spodnji skelet določa vrstni red blokov in dolžino za vsakega; surovi podatki iz primera stranke jih preprosto zapolnijo. Dobiš serijo homogenih objav, pripravljenih za objavo brez vsakičnovnega uredniškega razpravljanja.

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.

Koliko primerov navesti

En sam primer – one-shot – zadostuje za preprost format. Dva ali tri pokrivata večino običajnih nalog; štiri do pet postanejo uporabni, ko je vzorec subtilen. Onkraj tega preveri, ali vsak primer prinese nekaj novega: odvečni primeri podaljšajo poziv, ne izboljšajo pa ga. Pomembnejši od količine sta dve lastnosti: doslednost in raznolikost. Primeri v heterogenih formatih preprečujejo modelu, da bi vedel, katerega posnemati; primeri, ki so si preveč podobni, ga naučijo specifičnega primera namesto načela, zato bo nato ustvarjal le različice istega besedila.

Začetek brez primerov

Center za pomoč in vodnik OpenAI o modelih za sklepanje dajeta enak nasvet: najprej poskusi brez primerov, nato jih dodaj šele, če rezultat ni zadovoljiv. Trenutni modeli pogosto opravijo nalogo brez primerov, ko je navodilo jasno, slabo izbran primer pa lahko odgovor potegne v smer, ki si je nisi želel. Isti vodnik opozarja na specifično past: tvoji primeri morajo točno ustrezati tvojim navodilom. Če navodilo zahteva tri alineje, primer pa jih prikazuje pet, bo rezultat verjetno slab.

Od zero-shot do few-shot Trije koraki: poskusi brez primerov z jasnim navodilom; če rezultat ni zadovoljiv, dodaj dva primera, zvesta navodilu; če razvrščanje okleva, dodaj mejni primer. Obdrži najkrajšo različico, ki te zadovolji. PRIMERE DODAJ LE, ČE SO POTREBNI Od zero-shot do few-shot 1 Brez primerov Samo jasno navodilo 2 Dva primera Zvesta navodilu 3 Mejni primer Če razvrščanje okleva Obdrži najkrajšo različico, ki te zadovolji.
Na podlagi članka „Best practices for prompt engineering with the OpenAI API" iz centra za pomoč OpenAI in vodnika „Reasoning best practices" iz dokumentacije API OpenAI (november 2026).

Kontrastni primeri

Pri nalogah razvrščanja ali ocenjevanja vključi mejne primere, ki opredeljujejo lestvico, in v oklepaju utemelji vsako oceno. Model tako uporabi tvojo rubriko, ne svoje – tukaj razlika med 3 in 5 izhaja iz prisotnosti številčnega dokaza, kar utemeljitev izrecno poudari.

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?"

Tvoja vrsta

Prehod od zero-shot na few-shot. Vzemi nalogo razvrščanja ali pisanja, ki jo pogosto ponavljaš. Najprej jo izvedi brez primera in zapiši, kaj ni v redu. Nato dodaj dva primera iz svojih najboljših del in preveri, ali točno sledita tvojemu navodilu; če razvrščanje okleva, dodaj še mejni primer. Primerjaj tri rezultate in obdrži najkrajšo različico, ki te zadovolji.

Uradni viri: Best practices for prompt engineering with the OpenAI API (Center za pomoč OpenAI) · Prompt engineering · Reasoning best practices (Dokumentacija API OpenAI)

Ključne ugotovitve

  • Few-shot pomeni prikazati nekaj primerov, da ChatGPT reproducira pričakovani vzorec
  • Najprej poskusi brez primerov, nato jih dodaj šele, če rezultat ni zadovoljiv
  • Za večino nalog zadostujeta dva do trije primeri; ti morajo točno slediti tvojemu navodilu
  • Uporabi few-shot za slog, format, razvrščanje in serijsko izdelavo
  • Kontrastni, utemeljeni primeri umerijo lestvico za evalvacijske naloge