Few-Shot Prompting — Undervisning ved Hjælp af Eksempler
Stryg for at vise menuen
Der er opgaver, hvor det ikke er nok blot at fortælle AI'en, hvad du ønsker — du er nødt til at vise det. Dette er grundprincippet bag few-shot prompting: i stedet for (eller som supplement til) at skrive instruktioner, inkluderer du et eller flere eksempler på den type output, du eftersøger, og lader modellen bruge disse som skabelon.
Few-shot prompting er en af de mest effektive teknikker, især til opgaver, der skal matche en bestemt stemme, format eller stil, som kan være svær at beskrive med ord.
Sådan fungerer Few-Shot Prompting
Strukturen er enkel. Du angiver:
- En kort instruktion (opgaven);
- Et eller flere eksempler, der viser input → output-par;
- Det faktiske input, du ønsker, at modellen skal behandle.
Modellen læser eksemplerne, identificerer mønsteret og anvender det på det nye input.
Eksempelstruktur:
Sådan skriver vores team interne statusopdateringer:
Input: The API integration is delayed due to a dependency issue on the vendor side. ETA unclear. Output: API integration delayed — vendor dependency unresolved. No ETA yet. Flagged to [Owner]. Next update: Friday.
Input: Design review completed. Three minor revisions requested by stakeholders. Changes expected by end of week. Output: Design review done — 3 revisions requested. Changes due EOW. Owner: Design team.
Anvend nu samme format på denne opdatering: Input: The onboarding flow testing is 80% complete. Two edge cases still being resolved by the dev team. Expected completion by Thursday.
Hvor mange eksempler har du brug for?
Navnet "few-shot" afspejler, at du typisk ikke har brug for mange eksempler for at forankre mønsteret:
- Ét eksempel (one-shot) er ofte tilstrækkeligt til enkel formatering eller stilmatch;
- To til tre eksempler dækker de fleste professionelle anvendelser og giver modellen nok variation til at generalisere korrekt;
- Mere end fem er sjældent nødvendigt og kan gøre prompten uhåndterlig.
Kvaliteten af dine eksempler betyder mere end antallet. Ét velvalgt eksempel, der tydeligt demonstrerer mønsteret, er mere effektivt end tre inkonsistente.
Valg af de rigtige eksempler
Dine eksempler bør være:
- Repræsentative — de skal afspejle hele spektret af det, du beder om, ikke kun de letteste tilfælde;
- Konsistente — stil, format og detaljeringsgrad skal være ensartet på tværs af alle eksempler;
- Virkelige, hvor det er muligt — brug af eksempler fra dit faktiske arbejde giver mere præcis stilmatch end opfundne eksempler;
- Korrekt formaterede — modellen vil efterligne formateringsvalg, inklusive fejl. Hvis dit eksempel har en strukturel fejl, kan du forvente, at outputtet også har det.
Når få-skudsprompting er indsatsen værd
Få-skud kræver mere opsætning end nul-skud. Det kan betale sig, når:
- Output skal matche en bestemt eksisterende stemme eller format (din virksomheds skrivestil, en rapportskabelon, en toneguide);
- Nul-skudsforsøg har givet resultater, der er konsekvent tæt på, men ikke helt rigtige;
- Du opbygger en genanvendelig promptskabelon, der skal bruges gentagne gange — opsætningsomkostningen er en engangsinvestering;
- Opgaven involverer subjektive kvalitetsvurderinger (hvad gør en emnelinje god, hvad gør et resumé kortfattet), som er lettere at demonstrere end at forklare.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat