Zero-shot, one-shot și few-shot: cum ghidezi AI-ul cu exemple fără să-i blochezi răspunsul

Cum folosești exemplele pentru a clarifica formatul, tonul și standardul rezultatului.

Uneori, o instrucțiune clară este suficientă. Alteori, modelul continuă să interpreteze diferit formatul, tonul sau categoriile cerute.

În astfel de situații, un exemplu poate fi mai clar decât o explicație suplimentară.

Îi arătăm modelului un input și rezultatul corespunzător. Modelul identifică tiparul și încearcă să îl aplice unei situații noi.

Metoda poate crește consistența, dar poate limita răspunsul dacă exemplul este rigid, îngust sau greșit.

Un exemplu bun clarifică standardul. Un exemplu slab poate fixa problema pe care vrem să o evităm.

🔘 Ce înseamnă cei trei termeni

• Zero-shot — instrucțiune fără exemple.

• One-shot — instrucțiune cu un exemplu.

• Few-shot — instrucțiune cu mai multe exemple.

Cuvântul shot se referă la un exemplu oferit modelului. Același model poate primi oricare dintre cele trei tipuri de cereri.

Zero-shot

Clasifică mesajul în: facturare, problemă tehnică, anulare sau altă situație.

Mesaj: „Aplicația nu se mai deschide după ultima actualizare.”

Rezultat: problemă tehnică

One-shot

Clasifică mesajul în categoriile stabilite.

Exemplu:
Mesaj: „Mi-a fost retrasă plata de două ori.”
Categorie: facturare

Mesaj nou:
„Aplicația nu se mai deschide după ultima actualizare.”

Rezultat: problemă tehnică

Few-shot

Clasifică mesajul în categoriile stabilite.

Exemplul 1: „Mi-a fost retrasă plata de două ori.” → facturare
Exemplul 2: „Nu mă pot conecta în cont.” → problemă tehnică
Exemplul 3: „Nu mai vreau abonamentul.” → anulare

Mesaj nou: „Aplicația nu se mai deschide după ultima actualizare.”

Rezultat: problemă tehnică

Diferența este cantitatea de demonstrație oferită, nu dificultatea aparentă a promptului.

🔘 Când este suficient zero-shot

Zero-shot este potrivit când sarcina și rezultatul pot fi descrise fără ambiguitate.

Cerere suficientă

Rezumă textul în trei idei. Nu adăuga informații care nu apar în sursă.

Funcționează bine pentru întrebări directe, explicații obișnuite, rezumate simple, reformulări și liste de idei.

Avantajul este simplitatea. Promptul rămâne scurt și ușor de adaptat.

Nu adăuga exemple numai pentru a face promptul să pară mai avansat.

Începe cu o instrucțiune clară. Dacă rezultatul este suficient de bun și stabil, nu complica cererea.

🔘 Când ajută un singur exemplu

One-shot este util când o demonstrație poate clarifica forma sau nivelul rezultatului.

Instrucțiune cu exemplu

Scrie o descriere de maximum 15 cuvinte pentru fiecare funcție. Prezintă beneficiul principal într-un limbaj simplu.

Exemplu:
Funcție: Rapoarte automate
Descriere: Primești rapoartele importante fără să le pregătești manual.

Funcție nouă: Programarea mesajelor

Exemplul arată lungimea, tonul și orientarea spre beneficiu.

One-shot este util când avem nevoie de demonstrație, nu de varietate. Dacă situațiile sunt diverse, un singur exemplu poate transmite un standard prea îngust.

🔘 Când sunt utile mai multe exemple

Few-shot este potrivit când sarcina conține variații, categorii apropiate sau reguli greu de descris complet.

Rescriere ghidată prin exemple

Rescrie titlurile astfel încât să fie clare, specifice și fără promisiuni exagerate.

Exemplul 1
Înainte: „Metoda perfectă pentru succes garantat”
După: „O metodă simplă pentru stabilirea priorităților săptămânale”

Exemplul 2
Înainte: „Schimbă-ți viața imediat cu AI”
După: „Trei activități repetitive pe care le poți simplifica folosind AI”

Titlu nou: „Promptul care îți garantează răspunsul perfect”

Exemplele transmit reguli implicite: eliminarea promisiunilor absolute, păstrarea beneficiului și introducerea unui subiect concret.

Few-shot este valoros când modelul trebuie să observe un tipar din situații diferite, nu să copieze un singur model.

🔘 Ce poate prelua modelul din exemple

Un exemplu poate transmite simultan:

• formatul;

• lungimea;

• tonul;

• vocabularul;

• ordinea informațiilor;

• regulile de clasificare;

• elementele care trebuie omise.

Putem oferi exemplul pentru format, iar modelul poate imita accidental și tonul sau formulările.

Semnale contradictorii

Instrucțiune: „Scrie răspunsuri scurte și directe.”

Exemplu: „În primul rând, trebuie menționat faptul că această situație poate fi analizată din numeroase perspective...”

Instrucțiunea cere concizie, dar exemplul demonstrează contrariul.

Instrucțiunile spun ce dorim. Exemplele arată ce înseamnă rezultatul în practică. Cele două trebuie să susțină același standard.

🔘 Cum alegi exemplele

Un exemplu bun este:

• corect;

• relevant;

• reprezentativ;

• consecvent cu instrucțiunea;

• apropiat de dificultatea cazurilor reale;

• lipsit de elemente accidentale care pot fi copiate.

Cel mai util exemplu nu este întotdeauna cel mai simplu. Uneori trebuie să clarifice o decizie dificilă.

Caz ambiguu

Mesaj: „Serviciul este util, dar nu îl mai folosesc suficient pentru a justifica plata.”
Categorie: anulare
Motiv: clientul declară intenția de a opri serviciul, chiar dacă exprimă și o opinie pozitivă.

Un set few-shot poate include un caz obișnuit, unul ambiguu și un caz-limită. Nu există un număr universal de exemple.

Exemplele trebuie să reprezinte realitatea sarcinii, nu numai varianta ideală.

🔘 Exemple pozitive și negative

Exemplele pozitive arată ce dorim. Cele negative arată ce trebuie evitat.

Exemplu pozitiv

Acceptat: „Instrumentul poate reduce timpul alocat organizării, dar rezultatul trebuie verificat.”

Exemplu negativ

De evitat: „Instrumentul elimină complet munca manuală și garantează rezultate perfecte.”

Motiv: afirmația este absolută și nu poate fi susținută.

Exemplul negativ trebuie etichetat și explicat. Altfel, modelul îl poate interpreta ca tipar.

🔘 Păstrează formatul consecvent

Dacă folosim mai multe exemple, structura lor trebuie să fie aceeași.

Format stabil

Input: [mesaj]
Categorie: [categorie]
Motiv: [explicație într-o propoziție]

Aceeași structură trebuie folosită și pentru cazul nou.

Separă vizibil demonstrațiile de noul input prin subtitluri, spații sau delimitatoare.

Exemplele și inputul nou trebuie să fie apropiate ca format, dar separate clar ca rol.

🔘 Când exemplele blochează varietatea

Dacă toate exemplele au aceeași structură, modelul poate repeta acel tipar chiar când cerem varietate.

Exemple prea asemănătoare

„Cum să folosești AI pentru redactare”
„Cum să folosești AI pentru analiză”
„Cum să folosești AI pentru organizare”

Un set mai divers ar demonstra structuri diferite.

Putem preciza:

Folosește exemplele pentru nivelul de claritate și specificitate. Nu copia structura titlurilor și nu reutiliza aceleași expresii.

Dacă vrei varietate, arată varietate sau precizează ce elemente nu trebuie copiate.

🔘 Evită copierea prea apropiată

Când un exemplu conține formulări distinctive, modelul le poate reproduce.

Pentru materiale originale:

• folosește exemple proprii;

• oferă structuri, nu pasaje lungi;

• precizează caracteristicile care trebuie imitate;

• cere formulări originale;

• verifică rezultatul pentru expresii preluate.

Instrucțiune

Folosește exemplele numai pentru lungime, claritate și structură. Generează o variantă originală și nu prelua formulări distinctive.

Exemplele trebuie să transmită standardul, nu să devină texte copiate.

🔘 Testează dacă exemplele ajută

Compară versiunea zero-shot cu versiunea care include exemple. Analizează formatul, consistența, varietatea, erorile și copierea inutilă.

Dacă exemplele nu îmbunătățesc rezultatul, elimină-le sau înlocuiește-le.

Pentru un prompt reutilizabil, testarea trebuie făcută pe mai multe cazuri, nu numai pe exemplele folosite la construirea lui.

🔘 Exercițiu

Construiește pentru aceeași sarcină:

1. o versiune zero-shot;

2. o versiune one-shot;

3. o versiune few-shot cu un caz obișnuit, unul ambiguu și unul dificil.

1. Compară rezultatele:

• exemplul a clarificat formatul?

• modelul a copiat elemente nedorite?

• mai multe exemple au adus valoare?

• instrucțiunea și exemplele transmit același standard?

Păstrează cea mai simplă versiune care produce rezultate suficient de bune.

🔘 Checklist

• Exemplul este corect și relevant?

• Clarifică o regulă care nu era deja evidentă?

• Reprezintă situațiile reale?

• Formatul este consecvent?

• Poate transmite accidental un tipar nedorit?

• Este clar dacă exemplul este pozitiv sau negativ?

• Cazul nou este separat de demonstrație?

• Exemplele îmbunătățesc rezultatul în testare?

🔘 Ce merită reținut

• Zero-shot nu folosește exemple; one-shot folosește unul; few-shot folosește mai multe.

• O instrucțiune clară este suficientă pentru multe sarcini.

• Exemplele pot transmite mai mult decât intenționăm.

• Instrucțiunea și exemplele trebuie să susțină același standard.

• Exemplele negative trebuie etichetate și explicate.

• Mai multe exemple nu garantează rezultate mai bune.

• Exemplele trebuie să transmită caracteristici, nu formulări de copiat.

🔘 De la ghidare la evaluare

Exemplele pot arăta modelului ce rezultat dorim. Respectarea lor nu înseamnă însă că răspunsul este corect, complet sau util.

Următorul articol este „Cum verifici dacă un răspuns AI este cu adevărat bun”. Vom transforma impresia de calitate într-o rubrică de evaluare.

Descoperă cum poți folosi mai eficient inteligența artificială, prin articole, ghiduri și resurse practice.

Învață să construiești prompturi mai clare și să obții rezultate mai bune de la AI, cu ghiduri, exemple și metode practice, în seria Prompting AI.