Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Few-Shot Prompting

Lekcija 5 od 14 Posodobljeno 30. julij 2026 Začetnik
Na tej strani
  1. Učenje s primeri
  2. Različice few-shot pristopa
  3. Kdaj uporabiti few-shot
  4. Pravila za učinkovite primere
  5. Kombiniranje few-shot in sistemskih sporočil
  6. Vaja
  7. Ključne ugotovitve

Učenje s primeri

Few-shot prompting vključuje zagotavljanje parov vhod/izhod v tvojem pozivu, da usmeriš model. Namesto abstraktnega opisovanja pričakovanj konkretno prikažeš želeni rezultat z enim ali več primeri.

Ta pristop temelji na Grokovi sposobnosti zaznavanja vzorcev in njihovega reproduciranja. Pogosto je to najučinkovitejša tehnika za doseganje natančne oblike izhoda ali specifičnega vedenja.

Različice few-shot pristopa

Zero-shot: brez primerov

Navedeš le navodilo, brez primerov. To je privzeto vedenje.

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

One-shot: en sam primer

En primer je pogosto dovolj za določitev oblike izhoda.

[
  {"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: več primerov

Z 2 do 5 primeri pokriješ več primerov in model bolje zazna nianse.

[
  {"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 (brez primerov)
1
One-shot (hitra oblika)
2-5
Few-shot (optimalna pokritost)

Kdaj uporabiti few-shot

Few-shot je še posebej primeren v naslednjih situacijah:

  • Stroga oblika izhoda: JSON, CSV, strukturiran Markdown, oblika po meri
  • Klasifikacija: sentiment, kategorija, prioriteta, jezik
  • Preoblikovanje besedila: prepisovanje, prevajanje s slogom, ekstrakcija entitet
  • Skladnost tona: ko moraš reproducirati specifičen pisni slog

Pravila za učinkovite primere

Raznolikost primerov

Tvoji primeri morajo pokrivati glavne primere. Pri klasifikaciji s tremi razredi vključi vsaj en primer za vsak razred.

Skladnost oblike

Vsi tvoji primeri morajo slediti popolnoma enaki obliki izhoda. Če en primer vrne JSON z malimi črkami v ključih, morajo to storiti tudi vsi ostali.

Ustreznost

Izberi primere, ki so blizu realnim primerom, s katerimi se bo model soočal. Preveč preprosti ali preveč eksotični primeri lahko poslabšajo kakovost rezultatov.

Razumna količina

Več primerov porabi več vhodnih žetonov. Najdi pravo ravnovesje: 2 do 5 primerov je običajno dovolj. Onkraj tega dodajanje primerov prinaša vse manjše koristi.

Kombiniranje few-shot in sistemskih sporočil

Najučinkovitejša kombinacija združuje sistemsko sporočilo, ki opisuje nalogo, s few-shot primeri, ki prikazujejo obliko:

[
  {
    "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."
  }
]

Sistemsko sporočilo razloži nalogo, primer pa prikaže točno obliko. Model bo to obliko reproduciral za nov vhod.

Vaja

Ustvari few-shot poziv za pretvorbo opisov izdelkov v strukturirane liste. Določi svojo obliko izhoda z 2–3 primeri, nato pa jo preizkusi z novim izdelkom.

Začni z one-shot pristopom za preverjanje oblike, nato dodaj primere, če rezultat zahteva prilagoditve.

Ključne ugotovitve

  • Few-shot vključuje zagotavljanje primerov za usmerjanje modela skozi posnemanje
  • En sam primer (one-shot) je pogosto dovolj za določitev oblike izhoda
  • 2 do 5 primerov pokrije večino primerov brez zapravljanja žetonov
  • Tvoji primeri morajo biti raznoliki, skladni po obliki in reprezentativni
  • Združi sistemsko sporočilo (opis) s primeri (demonstracija) za optimalne rezultate