Few-Shot Prompting — Insegnamento Tramite Esempi

Ci sono compiti in cui dire all'AI cosa vuoi non basta — devi mostrarlo. Questo è il principio fondamentale del few-shot prompting: invece di (o oltre a) scrivere istruzioni, includi uno o più esempi del tipo di output che cerchi, lasciando che il modello li usi come modello di riferimento.

Il few-shot prompting è una delle tecniche a più alto impatto disponibili, soprattutto per compiti che devono rispettare una voce, un formato o uno stile specifico difficile da descrivere a parole.

Come funziona il Few-Shot Prompting

La struttura è semplice. Devi fornire:

1. Una breve istruzione (il compito);
2. Uno o più esempi che mostrano coppie input → output;
3. L'input reale che vuoi che il modello elabori.

Il modello legge gli esempi, identifica il pattern e lo applica al nuovo input.

Struttura dell'esempio:

Quanti esempi servono?

Il termine "few-shot" riflette il fatto che di solito non servono molti esempi per ancorare il pattern:

• Un esempio (one-shot) è spesso sufficiente per semplici richieste di formattazione o di stile;
• Due o tre esempi coprono la maggior parte dei casi d'uso professionali e offrono al modello abbastanza variazione per generalizzare correttamente;
• Più di cinque è raramente necessario e può rendere il prompt difficile da gestire.

La qualità degli esempi conta più della quantità. Un esempio ben scelto che dimostra chiaramente il pattern è più efficace di tre incoerenti.

Scegliere gli esempi giusti

Gli esempi dovrebbero essere:

• Rappresentativi — dovrebbero riflettere l'intera gamma di ciò che si sta chiedendo, non solo i casi più semplici;
• Coerenti — stile, formato e livello di dettaglio dovrebbero essere uniformi in tutti gli esempi;
• Reali quando possibile — utilizzare esempi dal proprio lavoro reale produce un matching di stile più accurato rispetto a quelli inventati;
• Formattati correttamente — il modello replicherà le scelte di formattazione, inclusi eventuali errori. Se l'esempio contiene un errore strutturale, aspettarsi che anche l'output lo abbia.

Quando il Few-Shot Prompting Vale lo Sforzo Extra

Il few-shot richiede più lavoro rispetto allo zero-shot. È vantaggioso quando:

• È necessario che l'output rispetti una voce o un formato specifico esistente (stile di scrittura aziendale, modello di report, guida al tono);
• I tentativi zero-shot hanno prodotto risultati costantemente vicini ma non del tutto corretti;
• Si sta creando un template di prompt riutilizzabile che verrà utilizzato ripetutamente — il costo di configurazione è un investimento una tantum;
• Il compito implica giudizi soggettivi di qualità (cosa rende efficace un oggetto, cosa rende un riassunto conciso) che sono più facili da mostrare che da spiegare.