Как давать нейросети примеры, чтобы улучшить ответы (few-shot)

Один из самых недооценённых приёмов работы с ИИ — показать модели пример, а не объяснять словами. Это называется few-shot: вы даёте в запросе несколько образцов «вход → выход», и модель подхватывает нужный формат и стиль. Разберём, как это делать.

Почему примеры работают лучше объяснений

Описать словами «сделай кратко, по-деловому, с эмодзи в начале» можно, но модель поймёт это по-разному. А если показать 2–3 готовых образца, она увидит формат напрямую — длину, тон, структуру, оформление. Часто пара примеров экономит абзац инструкций и даёт точнее результат.

Как выглядит few-shot

Схема простая: несколько пар «пример входа → желаемый ответ», а в конце — ваш реальный вход. Например, для превращения черновых заметок в аккуратные пункты:

• Вход: «созвон в 15, обсудить бюджет» → Выход: «📅 15:00 — созвон по бюджету»
• Вход: «купить молоко и хлеб» → Выход: «🛒 Купить: молоко, хлеб»
• Вход: [ваша реальная заметка]

Модель продолжит в том же стиле.

Шаг 1. Подберите показательные примеры

Примеры должны отражать именно то, что вам нужно:

• Разнообразные, но однотипные — покажите пару разных случаев, но в одном формате.
• Правильные — модель копирует и ошибки тоже. Если в примере опечатка или неверный формат, она их воспроизведёт.
• Близкие к реальным — чем ближе примеры к вашим настоящим данным, тем лучше.

Шаг 2. Не переусердствуйте с количеством

Обычно хватает 2–5 примеров. Один пример (one-shot) уже сильно помогает; больше пяти редко нужны и только удлиняют запрос. Если и десять примеров не дают результата — проблема, скорее всего, в самой задаче или в противоречивых образцах.

Шаг 3. Держите единый формат

Ключ к успеху — чтобы все примеры были оформлены одинаково: одинаковые метки «Вход/Выход», одинаковая длина, один стиль. Разнобой в примерах путает модель, и она не понимает, какой из вариантов копировать.

Когда few-shot особенно полезен

• Нестандартный формат вывода — своя разметка, шаблон, структура.
• Определённый тон или стиль — который трудно описать словами.
• Классификация и разметка — покажите, как относить примеры к категориям.
• Единообразие в серии — когда нужно много ответов в одном формате.

Частые ошибки

• Противоречивые примеры — если образцы оформлены по-разному, модель запутается.
• Ошибки в примерах — модель повторит их как правило.
• Слишком много примеров — раздувают запрос без пользы.
• Пример не похож на реальную задачу — тогда модель обобщит не туда.

Что запомнить

• Показать пример часто лучше, чем описать словами.
• Схема few-shot: несколько пар «вход → выход», затем реальный вход.
• Хватает 2–5 примеров в едином формате.
• Примеры должны быть правильными — модель копирует и ошибки.
• Приём особенно хорош для нестандартного формата, тона и классификации.

Больше приёмов работы с запросами — в конструкторе системного промта. А проверить факты в ответе модели поможет привычка не принимать вывод на веру.