Prompting com Poucos Exemplos — Ensino por Meio de Exemplos
Deslize para mostrar o menu
Existem tarefas em que apenas dizer à IA o que você deseja não é suficiente — é preciso mostrar. Este é o princípio central do few-shot prompting: em vez de (ou além de) escrever instruções, você inclui um ou mais exemplos do tipo de saída que deseja, permitindo que o modelo use esses exemplos como template.
Few-shot prompting é uma das técnicas de maior impacto disponíveis, especialmente para tarefas que precisam seguir um tom, formato ou estilo específico que é difícil de descrever em palavras.
Como funciona o Few-Shot Prompting
A estrutura é simples. Você fornece:
- Uma breve instrução (a tarefa);
- Um ou mais exemplos mostrando pares de entrada → saída;
- A entrada real que você deseja que o modelo processe.
O modelo lê os exemplos, identifica o padrão e aplica ao novo input.
Estrutura do exemplo:
Veja como nossa equipe escreve atualizações internas de status:
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.
Now apply the same format to this update: Input: The onboarding flow testing is 80% complete. Two edge cases still being resolved by the dev team. Expected completion by Thursday.
Quantos Exemplos São Necessários?
O nome "few-shot" reflete o fato de que normalmente não é preciso muitos exemplos para ancorar o padrão:
- Um exemplo (one-shot) geralmente é suficiente para correspondência simples de formatação ou estilo;
- Dois a três exemplos cobrem a maioria dos casos de uso profissionais e fornecem variação suficiente para o modelo generalizar corretamente;
- Mais de cinco raramente é necessário e pode tornar o prompt difícil de manejar.
A qualidade dos exemplos importa mais do que a quantidade. Um exemplo bem escolhido que demonstra claramente o padrão é mais eficaz do que três exemplos inconsistentes.
Como Escolher Bons Exemplos
Seus exemplos devem ser:
- Representativos — devem refletir toda a variedade do que está sendo solicitado, não apenas os casos mais fáceis;
- Consistentes — o estilo, formato e nível de detalhamento devem ser uniformes em todos os exemplos;
- Reais sempre que possível — usar exemplos do seu trabalho real produz uma correspondência de estilo mais precisa do que exemplos inventados;
- Corretamente formatados — o modelo irá replicar as escolhas de formatação, inclusive erros. Se o exemplo tiver um erro estrutural, espere que a saída também tenha.
Quando o Few-Shot Prompting Vale o Esforço Adicional
Few-shot exige mais trabalho para configurar do que zero-shot. Vale a pena quando:
- É necessário que a saída siga um estilo ou formato existente específico (o estilo de escrita da sua empresa, um modelo de relatório, um guia de tom);
- As tentativas zero-shot produziram resultados que estão consistentemente próximos, mas não totalmente corretos;
- Você está criando um modelo de prompt reutilizável que será usado repetidamente — o custo de configuração é um investimento único;
- A tarefa envolve julgamentos de qualidade subjetivos (o que torna uma linha de assunto boa, o que torna um resumo conciso) que são mais fáceis de demonstrar do que explicar.
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo