Few-shot vs. zero-shot prompting: kedy ktorý použiť
Praktický návod, ako vybrať správny prístup k promptovaniu pre vašu úlohu, s príkladmi na skopírovanie a jednoduchým rozhodovacím rámcom.
Vložíte prompt do ChatGPT. Výstup je... celkom v poriadku. No videli ste, že iní dosahujú výrazne lepšie výsledky tak, že do svojich promptov pridávajú „príklady“. Mali by ste to robiť aj vy? Koľko príkladov? A záleží na tom vôbec pri vašej konkrétnej úlohe?
Tieto otázky sa objavujú neustále a terminológia tomu nepomáha. „Zero-shot“, „few-shot“, „one-shot“ — znie to skôr ako fotografické pojmy než ako praktická rada. Tento sprievodca vám ten žargón vysvetlí a ponúkne jasný rámec, ako sa rozhodnúť, ktorý prístup použiť, plus kompletné prompty, ktoré si môžete skopírovať a sami otestovať.
Čo zero-shot prompting v skutočnosti znamená
Zero-shot prompting znamená, že umelej inteligencii zadáte úlohu bez toho, aby ste jej ukázali akékoľvek príklady toho, čo chcete. Opíšete, čo potrebujete, a model na základe svojho tréningu sám vymyslí, ako to urobiť.
Tu je zero-shot prompt na zhrnutie porady:
Summarize the following meeting notes into 3-5 bullet points covering the key decisions made.
Meeting notes:
{{meeting_notes}}
A to je všetko. Žiadne príklady „dobrých“ zhrnutí, žiadne ukážkové vstupy a výstupy. Spoliehate sa, že model pochopí, ako má zhrnutie vyzerať a čo znamenajú „kľúčové rozhodnutia“. Pri mnohých úlohách to funguje prekvapivo dobre.
Čo few-shot prompting v skutočnosti znamená
Few-shot prompting znamená, že do promptu zahrniete 2 až 5 príkladov, ktoré modelu ukážu vzor, podľa ktorého sa má riadiť. V podstate hovoríte: „takto chcem, aby si to riešil,“ a až potom mu zadáte samotnú úlohu.
Tu je tá istá úloha so zhrnutím porady, ale s príkladmi:
Summarize meeting notes into 3-5 bullet points covering key decisions.
Example 1:
Input: "Team discussed Q3 targets. Sarah proposed increasing the sales goal by 15%. Mark disagreed, suggested 10% was more realistic given current pipeline. Team voted and agreed on 12%. Also decided to postpone the website redesign until Q4."
Output:
- Agreed on 12% sales goal increase for Q3 (compromise between 15% and 10% proposals)
- Postponed website redesign to Q4
Example 2:
Input: "Budget review meeting. Current spending is 8% over forecast. CFO recommended cutting travel budget by 50% and freezing new hires for 60 days. CEO approved both measures effective immediately."
Output:
- Cut travel budget by 50% (effective immediately)
- 60-day hiring freeze approved
- Response to 8% budget overrun
Now summarize this:
{{meeting_notes}}
Všimnite si ten rozdiel. Príklady modelu presne ukazujú, aký formát chcete (odrážky s kontextom v zátvorkách), akú úroveň detailu má zachovať a ako narábať s viacerými rozhodnutiami. Model sa vaše preferencie naučí priamo v kontexte — žiadne dolaďovanie modelu nie je potrebné.
Hlavné rozdiely v skratke
Tu je porovnanie oboch prístupov v tých faktoroch, na ktorých záleží najviac:
Rýchlosť: zero-shot je rýchlejší. Menej tokenov na spracovanie znamená rýchlejšie odpovede.
Cena: zero-shot je lacnejší. Platíte za token a príklady to rýchlo navýšia.
Náročnosť na prípravu: zero-shot ju takmer nemá. Few-shot vyžaduje nájsť alebo vytvoriť dobré príklady.
Presnosť pri jednoduchých úlohách: približne rovnaká. Moderné modely si s priamočiarymi požiadavkami poradia v oboch prípadoch.
Presnosť pri zložitých alebo špecifických úlohách: zvyčajne vyhráva few-shot. Keď potrebujete konkrétny formát alebo odbornú terminológiu, príklady prinášajú merateľný rozdiel.
Kompromis je jasný: zero-shot je jednoduchší a lacnejší, ale few-shot vám dá väčšiu kontrolu nad výstupom. Otázkou je, kedy sa tá kontrola navyše oplatí.
Kedy zero-shot funguje najlepšie
Zero-shot prompting žiari vtedy, keď je úloha niečím, čo model už zo svojho tréningu „pozná“. Patria sem:
Otázky zo všeobecných znalostí: žiadosti o vysvetlenia, definície alebo faktické informácie. Model vie, ako vyzerá dobré vysvetlenie.
Kreatívny brainstorming: generovanie nápadov, písanie prvých konceptov alebo hľadanie možností. Tu chcete rozmanitosť, nie dodržiavanie konkrétneho vzoru.
Štandardné zhrnutia: zhutnenie článkov, e-mailov či dokumentov, keď nepotrebujete konkrétny formát.
Preklad: prevod textu medzi jazykmi, na ktoré bol model trénovaný.
Jednoduchá klasifikácia: triedenie položiek do bežných kategórií (pozitívne/negatívne, urgentné/neurgentné), keď sú kategórie samy o sebe zrozumiteľné.
Dobré pravidlo: ak svoju požiadavku viete opísať bežnou rečou tak, že by jej človek porozumel aj bez príkladov, zero-shot bude pravdepodobne stačiť.
Vývojový diagram zobrazujúci rozhodovací proces: začnite zero-shotom, vyhodnoťte výsledky a príklady pridajte len v prípade potreby
Kedy sa few-shot oplatí napriek tokenom navyše
Few-shot prompting sa oplatí vtedy, keď výstup musí dodržiavať vzory, ktoré model nedokáže odvodiť len z pokynov:
Vlastný formát: keď potrebujete výstup v konkrétnej štruktúre — JSON s presnými poliami, tabuľky s presnými stĺpcami, odrážky v určitom štýle. Príklady ukážu formát lepšie, než ho dokáže opísať akýkoľvek popis.
Vaše vlastné kategórie klasifikácie: ak triedite e-maily od zákazníkov do kategórií ako „otázka k fakturácii“, „požiadavka na funkciu“, „hlásenie chyby“ a „všeobecná otázka“, ukážka príkladov z každej kategórie pomôže modelu pochopiť vaše definície.
Zladenie s tónom alebo hlasom značky: chcete, aby AI písala v štýle obsahu vašej firmy? Ukážte jej 2 – 3 príklady toho hlasu. Pokyn typu „píš profesionálne, ale priateľsky“ je vágny; príklady sú konkrétne.
Odborná terminológia: ak vaše odvetvie používa žargón alebo skratky, ktoré inde znamenajú niečo iné, príklady model naučia váš kontext.
Hraničné prípady a nuansy: sarkazmus, irónia alebo jemné rozdiely, na ktorých zero-shot prístupy zlyhávajú. Výskum ukazuje, že few-shot prompting výrazne zlepšuje zvládanie hraničných prípadov pri analýze sentimentu, ako sú negácie a sarkazmus.
Jedna štúdia zistila, že pri klasifikácii sentimentu na Twitteri dosiahol few-shot prompting s 20 až 50 príkladmi výkon blízky modelom doladeným na viac než 10 000 príkladoch. To je sila dobre zvolených ukážok.
Ak zistíte, že si pre rôzne úlohy budujete knižnicu few-shot promptov, nástroj ako PromptNest vám ich pomôže ukladať so zabudovanými premennými typu {{meeting_notes}} — pri kopírovaní stačí doplniť obsah a kompletný prompt je pripravený na vloženie.
Postup „začni zero-shotom, prejdi vyššie len v prípade potreby“
Tu je praktický postup, ktorý šetrí čas aj tokeny:
Krok 1: skúste najprv zero-shot. Napíšte jasný prompt opisujúci, čo chcete. Buďte konkrétni v zadaní úlohy, ale zatiaľ bez príkladov.
Krok 2: vyhodnoťte výstup. Dáva vám to, čo potrebujete? Ak áno, ste hotoví. Ak nie, pomenujte si, čo presne nesedí — formát? Tón? Chýbajúce detaily? Úplne nepochopená úloha?
Krok 3: pridajte cielené príklady. Vytvorte 2 – 3 príklady, ktoré konkrétne ukážu to, v čom model zlyhal. Ak nesedel formát, ukážte správny formát. Ak nesedel tón, ukážte správny tón.
Tento postup je dôležitý, pretože nehádate, či potrebujete príklady — reagujete na konkrétne nedostatky. Niekedy stačí pridať „Poďme si to rozobrať krok za krokom“ k zero-shot promptu a problémy s uvažovaním sa vyriešia bez akýchkoľvek príkladov. Výskum potvrdzuje, že zero-shot chain-of-thought pri úlohách na uvažovanie často prekonáva few-shot.
Koľko príkladov vlastne potrebujete?
Výskumy konzistentne ukazujú zlatý stred okolo 2 až 5 príkladov pre väčšinu úloh. Tu je, čo z dát vyplýva:
- Najväčší skok v presnosti prinesú prvé 2 až 3 príklady
- Po štvrtom či piatom príklade prínos prudko klesá
- Viac príkladov môže výkon dokonca zhoršiť tým, že vnesie protichodné vzory
- Kvalita príkladov je dôležitejšia než ich množstvo — tri vynikajúce príklady prekonajú desať priemerných
Existuje aj zaujímavé zistenie o poradí príkladov: štúdie ukazujú, že na výsledky vplýva aj samotná postupnosť príkladov, pričom vhodné poradie môže rozhodnúť medzi dobrým a slabým výkonom. Ak vám few-shot prompt nefunguje, skúste najprv preusporiadať príklady, než pridáte ďalšie.
Ilustrácia príkladových kartičiek pridávaných do promptu, kde po prvých niekoľkých prínos klesá
Pre väčšinu prípadov začnite s 2 príkladmi. Ak presnosť nie je tam, kde ju potrebujete, pridajte tretí, ktorý pokryje inú variáciu. Viac ako 4 budete potrebovať len výnimočne.
Chain-of-thought: zlatá stredná cesta pre uvažovanie
Existuje aj tretia možnosť, ktorá obzvlášť dobre funguje pri matematike, logike a viackrokových problémoch: chain-of-thought prompting. Namiesto ukázania príkladov vstup – výstup model požiadate, aby „premýšľal krok za krokom“.
Zero-shot chain-of-thought vyzerá takto:
A store has 45 apples. They sell 12 in the morning and receive a shipment of 30 more. Then they sell 18 in the afternoon. How many apples do they have at closing?
Let's work through this step by step.
Tá jednoduchá veta — „Let's work through this step by step“ — prinúti model ukázať svoje uvažovanie namiesto toho, aby skočil rovno k odpovedi. Pri zložitejšom uvažovaní to často prekonáva zero-shot aj few-shot prístupy.
Nedávny výskum z arXiv zistil, že pri silných modeloch ako GPT-4 a Claude zero-shot chain-of-thought často prekonáva few-shot prompting na úlohách vyžadujúcich uvažovanie. Príklady totiž môžu uvažovanie modelu skôr obmedzovať než mu pomáhať.
Chain-of-thought použite vtedy, keď:
Úloha vyžaduje viacero logických krokov
Potrebujete, aby model vysvetlil svoje uvažovanie (užitočné na odhalenie chýb)
Ide o matematiku, programátorskú logiku alebo analytické problémy
Chcete overiť postup modelu, nielen jeho odpoveď
Hotové prompty, ktoré si môžete skopírovať
Pozrime sa na všetky tri prístupy bok po boku na reálnych úlohách. Všetky prompty sú otestované s GPT-4 a Claudom a pripravené na použitie.
Úloha 1: klasifikácia tónu e-mailu
Zero-shot verzia:
Classify the tone of this customer email as: frustrated, satisfied, neutral, or urgent.
Email:
{{email_text}}
Tone:
Few-shot verzia (lepšia pre hraničné prípady):
Classify customer email tone as: frustrated, satisfied, neutral, or urgent.
Email: "I've been waiting 3 weeks for my order. This is ridiculous. I want a refund NOW."
Tone: frustrated
Email: "Just wanted to say thanks — the product arrived early and works great!"
Tone: satisfied
Email: "Hi, can you confirm my order shipped? Order #12345."
Tone: neutral
Email: "Our system is down and we need the replacement part TODAY or we lose the contract."
Tone: urgent
Email: {{email_text}}
Tone:
Few-shot verzia pomáha modelu pochopiť vaše konkrétne definície. Hranica medzi „urgentným“ a „frustrovaným“ môže byť nejasná — príklady ju jasne vykreslia.
Úloha 2: prepis popisu produktu
Zero-shot verzia:
Rewrite this product description to be more engaging and benefit-focused. Keep it under 100 words.
Original: {{product_description}}
Rewritten version:
Few-shot verzia (lepšia pre konzistenciu hlasu značky):
Rewrite product descriptions to be engaging and benefit-focused. Match this style:
Original: "Stainless steel water bottle. 24oz capacity. Keeps drinks cold for 24 hours."
Rewritten: "Stay hydrated all day with our sleek 24oz steel bottle. Your morning coffee stays hot through your commute. Your afternoon water stays ice-cold at the gym. One bottle, endless possibilities."
Original: "Wireless earbuds. 8-hour battery. Noise cancelling."
Rewritten: "Eight hours of your favorite podcasts, uninterrupted. Our wireless earbuds block out the noise so you can focus on what matters — whether that's deep work, your workout playlist, or finally finishing that audiobook."
Original: {{product_description}}
Rewritten:
Few-shot verzia naučí model konkrétny copywriterský štýl — orientovaný na prínosy, konverzačný, s konkrétnymi prípadmi použitia. Zero-shot vám dá nejaký prepis, ale nie nutne váš hlas.
Úloha 3: štruktúrovanie hlásenia chyby
Zero-shot verzia:
Convert this bug report into a structured format with: Summary, Steps to Reproduce, Expected Behavior, and Actual Behavior.
Bug report: {{bug_report}}
Few-shot verzia (lepšia pre konzistentný formát):
Convert bug reports into structured format.
Input: "The app crashes when I try to upload a PDF. I was on the dashboard, clicked upload, selected a 5MB PDF, and it just closed. Should show the file in my uploads but instead the whole app dies."
Output:
**Summary:** App crashes when uploading PDF files
**Steps to Reproduce:**
1. Navigate to dashboard
2. Click upload button
3. Select a PDF file (tested with 5MB file)
**Expected:** File appears in uploads section
**Actual:** Application crashes/closes unexpectedly
---
Input: {{bug_report}}
Output:
V technickej dokumentácii záleží na konzistencii. Few-shot verzia zaručí, že každé hlásenie chyby dodrží rovnakú štruktúru s rovnakou úrovňou detailu.
Rýchly rozhodovací rámec
Keď máte pred sebou novú úlohu, prejdite si tieto otázky:
1. Je úloha priamočiara a dobre definovaná? → Začnite zero-shotom
2. Potrebujete konkrétny formát, ktorý model nemusí uhádnuť? → Použite few-shot
3. Vyžaduje úloha viackrokové uvažovanie? → Skúste najprv zero-shot chain-of-thought
4. Potrebujete konzistentný hlas značky alebo odbornú terminológiu? → Použite few-shot s príkladmi v danom hlase
5. Zero-shot vám dal 80 % toho, čo potrebujete? → Nechajte to tak. Dokonalosť nestojí za trojnásobok tokenov.
Cieľom nie je použiť najefektnejšiu techniku — ale dosahovať dobré výsledky efektívne. Zero-shot je východisková voľba. Zložitosť pridávajte len vtedy, keď jednoduchšie prístupy nestačia.
Ako to preniesť do praxe
Najlepší spôsob, ako si to osvojiť, je skúšať. Vezmite si úlohu, ktorú robíte pravidelne — zhrnutia reportov, písanie e-mailov, kategorizáciu spätnej väzby — a vyskúšajte oba prístupy. Všímajte si, kde zero-shot zlyháva. A kde few-shot prináša naozajstný rozdiel.
Keď nájdete prompty, ktoré fungujú, uložte si ich na miesto, kde ich naozaj zase nájdete. Ak si budujete zbierku promptov s príkladmi a premennými, PromptNest je natívna macOS aplikácia ($19.99 jednorazovo na Mac App Store, bez predplatného, bez účtu, beží lokálne), ktorá ich udrží usporiadané, vyhľadateľné a dostupné klávesovou skratkou z ľubovoľnej aplikácie. Žiadne ďalšie hľadanie v rozhádzaných poznámkach po tom dokonalom few-shot prompte, ktorý ste napísali pred troma týždňami.
Začnite jednoducho. Pridávajte zložitosť, keď je to potrebné. Ukladajte si, čo funguje. To je celá stratégia.
