Zum Hauptinhalt springen

Few-Shot-Beispiele richtig gemacht

Fortgeschritten
What you'll learn
  • Was Few-Shot-Prompting ist und warum Beispiele Beschreibungen schlagen
  • Wie man einen sauberen Few-Shot-Prompt liest, den das Modell vervollständigt
  • Wie man Beispiele wählt, formatiert und ordnet (einschließlich Randfälle)
  • Wann man zu Zero-Shot statt Few-Shot greift
  • Warum ein schludriges Beispiel schlimmer ist als gar kein Beispiel

Few-Shot-Prompting bedeutet, dem Modell ein paar durchgearbeitete Beispiele der Aufgabe zu zeigen, bevor man es bittet, eine neue zu lösen. Gut gemacht ist es der schnellste Weg, ein Format, einen Stil oder ein Randfall-Verhalten festzuzurren — oft besser, als in Worten zu beschreiben, was man will.

Warum Beispiele Beschreibungen schlagen​

„Sei prägnant und freundlich“ ist vage. Zwei prägnante, freundliche Ausgaben zu zeigen ist eindeutig. Das Modell gleicht die Beispiele per Mustererkennung ab und setzt das Muster fort.

Ein sauberer Few-Shot-Prompt​

Achte auf die Form: mehrere Message → Label-Paare in identischem Format, dann eine letzte Nachricht mit leerem Label:, das das Modell ausfüllt.

Few-shot classification prompt

Classify each support message as: billing, bug, or feature.

Message: "I was charged twice this month."
Label: billing

Message: "The app crashes when I upload a photo."
Label: bug

Message: "Can you add dark mode?"
Label: feature

Message: "My subscription renewed at the wrong price."
Label:

Das Modell hat das Muster; es vervollständigt die letzte Zeile.

Wie man Beispiele wählt und formatiert​

Guided walkthrough1 of 5
  1. Nimm die Randfälle auf, die dir wichtig sind. Wenn eine Kategorie selten oder knifflig ist, nimm sie auf.

Die obigen Token-Kosten sind real — siehe Tokens & Kontext. Für den Trennzeichen-Ansatz sind XML-Tags ein sauberer, zuverlässiger Trenner.

Zero-Shot vs. Few-Shot​

Probiere zuerst Zero-Shot (einfach fragen) — moderne Modelle sind stark. Füge Beispiele hinzu, wenn du ein bestimmtes Format/Stil brauchst oder die Aufgabe mehrdeutig ist. Wenn Zero-Shot es schon trifft, zahle nicht für Beispiele.

Pro tip
  • Beispiele sind Daten — halte sie sauber. Ein falsches oder schludriges Beispiel lehrt aktiv das Falsche. Kuratiere sie wie Trainingsdaten.
Key takeaways
  • Zeigen, nicht erzählen: durchgearbeitete Beispiele schlagen vage Beschreibungen.
  • Decke die Vielfalt ab, besonders Randfälle, und halte jedes Beispiel in einem identischen Format.
  • 2–5 Beispiele reichen meist; mehr kann überanpassen und kostet Tokens.
  • Die Reihenfolge zählt — klarste zuerst, und gruppiere nicht ein Label zusammen.
  • Beginne mit Zero-Shot; füge Beispiele nur für bestimmtes Format/Stil oder Mehrdeutigkeit hinzu.

Überprüfe dich selbst

0/5
  1. Warum schlagen Beispiele oft eine geschriebene Beschreibung wie 'sei prägnant und freundlich'?
  2. Wie viele Beispiele sind für einen Few-Shot-Prompt 'oft genug'?
  3. Wie solltest du bei einer Klassifizierungsaufgabe die Beispiele ordnen?
  4. Wann solltest du Zero-Shot statt Few-Shot bevorzugen?
  5. Was ist das Risiko eines schludrigen oder falschen Beispiels?

Weiter​