Few-shot: как использовать примеры в запросе к ИИ

Пример показывает правило на практике

Few-shot называют подход, при котором в запрос добавляют несколько пар «вход и подходящий результат». Модель видит образец структуры или решения и применяет его к новой задаче. Эти примеры работают в переданном контексте, а не переобучают всю модель.

Подход полезен, когда формат проще показать, чем долго описывать. Например, из разных клиентских сообщений нужно получать одинаковую карточку. Но сначала задайте смысл полей и правила для неизвестных значений.

Без примера, с одним и с несколькими

Запрос без образцов подходит, если задача ясна и результат легко описать. Один пример помогает показать форму. Несколько примеров нужны, когда есть разные случаи и исключения. Количество подбирают по проверке, а не по универсальному магическому числу.

Вариант	Когда проверить
Только инструкция	Простая задача с понятным форматом
Один образец	Нужно показать стиль или структуру
Несколько образцов	Есть разные типы входа и неизвестность

Лишние похожие примеры увеличивают объём запроса и могут закрепить случайную особенность. Разнообразие полезнее механического повторения одной удачной ситуации.

Учебный набор для заявок

Возьмите сообщение с полными данными, сообщение с пропуском и случай, который должен попасть к человеку. В результате сохраняйте только названные факты. Поле без значения помечайте как неизвестное, не дополняйте его догадкой.

Например, клиент пишет о ремонте стиральной машины, но не указывает модель. Правильная карточка содержит устройство и симптом, а модель остаётся неуказанной. Второй образец может показывать исправление: клиент сначала назвал одну марку, затем уточнил другую.

Как выбирать образцы

Проверьте каждый результат вручную. Даты, категории и ограничения должны соответствовать входу. Случайная ошибка в примере становится неявной инструкцией. Если формат различается от строки к строке, модель получит противоречивый образец.

Не включайте реальные клиентские секреты ради натуральности. Для проверки структуры достаточно учебных данных. Если важна специальная терминология, используйте согласованный словарь и явно объясняйте неоднозначные сокращения.

Проверка на новых данных

Не оценивайте подход на тех же примерах, которые передали в запрос. Подготовьте отдельные сообщения, включая неудобные варианты. Сравните точность извлечения, сохранение неизвестности и стабильность формата.

Если модель копирует детали образца в новый ответ, упростите примеры и уточните границу. Добавьте правило использовать факты только из текущего входа. Для автоматической обработки результата нужна проверка структуры, а для дорогого действия ещё и подтверждение по правилам процесса.

В учебной проверке один образец должен показывать отказ от догадки. Пусть во входе есть цена без валюты. Правильный результат сохраняет сумму и отмечает, что валюта не указана. Затем дайте новый текст, где валюта названа в другом предложении. Модель должна найти её, не копируя неизвестность из примера механически. Добавьте сообщение с двумя разными товарами и проверьте, не смешались ли поля. Если результат предназначен для CRM, сначала покажите его человеку. После достижения стабильного качества можно отдельно обсуждать автоматическую запись. Способ передачи примеров не даёт системе права выполнять действия, которые в исходной задаче были только демонстрацией формата.

Когда нужен другой путь

Если правила полностью формальные, обычная программа может быть надёжнее. Если требуется ответ по большому архиву, примеры не заменяют поиск по документам. Если поведение не улучшается после проверки, сначала пересмотрите определение задачи.

Сохраните набор примеров и тестов как одну рабочую связку. После смены модели повторите оценку. Прикладные упражнения с куратором доступны в БАЗЕ.