Few-Shot Prompting: कैसे बताकर नहीं दिखाकर AI को सिखाएं

तुम्हें पता है कि किसी को कुछ समझाना कितना निराशाजनक है और वह बस समझता ही नहीं?

फिर तुम उन्हें एक उदाहरण दिखाते हो, और अचानक सब कुछ क्लिक हो जाता है।

AI भी ऐसे ही काम करता है।

यह Few-Shot Prompting के पीछे का मूल विचार है—AI से बिल्कुल वही करवाने के सबसे भरोसेमंद तरीकों में से एक जो तुम चाहते हो।

समझाने की समस्या

जब तुम एक prompt लिखते हो, तो तुम आमतौर पर समझा रहे होते हो कि तुम क्या चाहते हो:

“एक प्रोडक्ट डिस्क्रिप्शन लिखो जो आरामदेह लेकिन व्यावसायिक हो, विशेषताओं की जगह लाभों को हाइलाइट करे, छोटे वाक्य इस्तेमाल करे, और एक नरम आह्वान के साथ खत्म हो।”

यह बहुत सारे निर्देश हैं। और AI “casual लेकिन प्रोफेशनल” को तुमसे अलग तरीके से interpret कर सकता है। वह “छोटे सेंटेंस” को तुमने जो सोचा था उससे अलग समझ सकता है।

शब्द अधूरे होते हैं। खासकर जब tone, style और format का वर्णन करते हो।

समाधान: दिखाओ, न कि समझाओ

Few-Shot Prompting स्क्रिप्ट को उलट देता है। जो तुम चाहते हो उसे समझाने की जगह, तुम AI को उदाहरण दिखाते हो।

यहाँ structure है:

उदाहरण 1:
Input: [example input]
Output: [example output जो तुम चाहते हो]

उदाहरण 2:
Input: [another example input]
Output: [another example output]

अब यह करो:
Input: [तुम्हारा actual input]
Output:

AI तुम्हारे उदाहरणों का विश्लेषण करता है, pattern identify करता है, और इसे तुम्हारे नए input पर लागू करता है।

कोई लंबे explanation की जरूरत नहीं। उदाहरण सिखा देते हैं।

एक असली उदाहरण

मान लो, तुम चाहते हो कि AI एक specific style में प्रोडक्ट taglines लिखे।

बिना few-shot (समझाना):

एक fitness app के लिए एक tagline लिखो। इसे तेज़ और प्रभावशाली बनाओ,
सक्रिय क्रियाएँ इस्तेमाल करो, transformation दिखाओ और इसे 8 शब्दों के अंदर रखो।

Few-shot के साथ (दिखाना):

यहाँ taglines हैं जो मुझे पसंद हैं:

प्रोडक्ट: Running Shoes
Tagline: "तेजी से दौड़ो। हल्कापन महसूस करो। और दूर जाओ।"

प्रोडक्ट: Meditation App
Tagline: "अपने मन को शांत करो। अपना शांति पाओ।"

प्रोडक्ट: Coffee Subscription
Tagline: "बेहतर सुबहों को जागो।"

अब एक लिखो:
प्रोडक्ट: Fitness App
Tagline:

Few-shot version style को समझाता नहीं—demonstration करता है। AI pattern को pick करता है (छोटे phrases, active verbs, implied benefit) बिना इसके कि तुम इन rules को articulate करो।

Zero-Shot vs One-Shot vs Few-Shot

ये terms बताते हैं कि तुम कितने उदाहरण देते हो:

एक उदाहरण से शुरू करो। अगर output match न करे, तो एक और add करो। आमतौर पर 2-3 उदाहरण काफी होते हैं। 5 से ज्यादा शायद ही मदद करता है और context space बर्बाद करता है।

जब Few-Shot Prompting चमकता है

Classification Tasks

AI को अपनी categories सिखाओ:

इन कस्टमर मेसेजेस को classify करो:

Message: "मेरा order कब आएगा?"
Category: Shipping Inquiry

Message: "यह प्रोडक्ट एक हफ्ते में टूट गया"
Category: Quality Complaint

Message: "क्या तुम्हारे पास यह नीले रंग में है?"
Category: Product Question

Message: "मैं अपने पैसे वापस चाहता हूँ"
Category: Refund Request

अब इसे classify करो:
Message: "क्या मैं अपना delivery address बदल सकता हूँ?"
Category:

Style Matching

AI को कोई specific style में लिखने दो:

formal text को casual में convert करो:

Formal: "हमें आपको सूचित करते हुए खेद है कि आपका आवेदन असफल रहा।"
Casual: "Sorry, लेकिन हम इस बार तुम्हारे साथ आगे नहीं बढ़ेंगे।"

Formal: "कृपया अनुरोधित दस्तावेज़ संलग्न देखें।"
Casual: "यहाँ वह दस्तावेज़ है जो तुमने माँगा था!"

Formal: "आपकी पूछताछ प्राप्त हुई है और 48 घंटे में संबोधित की जाएगी।"
Casual:

Format Transformation

एक specific output structure सिखाओ:

मीटिंग नोट्स को action items में बदलो:

Notes: "Q4 budget discuss किया। Sarah को finance से final numbers लाने हैं।
Launch को November में delay किया। Mike timeline update करेंगे।"

Action Items:
- [ ] Sarah: Finance से Q4 नंबर ला
- [ ] Mike: November launch के लिए project timeline update कर

Notes: "Website redesign review। Homepage approve किया। About page के लिए नया copy चाहिए।
Design team अगले sprint शुरू करेगा।"

Action Items:

Data Extraction

specific जानकारी निकालो:

इन messages से contact info निकालो:

Message: "Hi, मैं John Smith हूँ Acme Corp से। तुम मुझे
john@acme.com या 555-123-4567 पर पा सकते हो।"
Extracted: Name: John Smith | Company: Acme Corp | Email: john@acme.com | Phone: 555-123-4567

Message: "मैं Sarah Chen हूँ, Marketing Director। मेरा direct line
555-987-6543 है। Email sarah.chen@bigco.io"
Extracted: Name: Sarah Chen | Company: BigCo | Email: sarah.chen@bigco.io | Phone: 555-987-6543

Message: "Hey, Mike है StartupXYZ से। सबसे अच्छा मुझ तक पहुँचने का तरीका
mike@startupxyz.com है"
Extracted:

Best Practices

1. Representative उदाहरण use करो

तुम्हारे उदाहरणों को inputs के पूरे range को cover करना चाहिए। अगर तुम sentiment classify कर रहे हो और तुम्हारा ज्यादा data neutral है, तो एक neutral example include करो—सिर्फ positive और negative नहीं।

2. Examples को consistent रखो

हर उदाहरण को same format follow करना चाहिए। अगर तुम्हारा पहला उदाहरण bullet points use करता है, तो सभी को करना चाहिए। Inconsistency pattern matching को confuse करता है।

3. Order Matter करता है

Research दिखाता है कि example order performance को significantly affect करता है। अपने सबसे अच्छे, सबसे clear उदाहरणों को पहले रखो। अगर तुम्हारे पास एक particularly tricky edge case है, तो इसका एक उदाहरण अंत में रखो, तुम्हारे actual input से ठीक पहले।

4. Quality over Quantity

तीन excellent उदाहरण दस mediocre को हराते हैं। हर उदाहरण unambiguous होना चाहिए और clearly दिखाना चाहिए कि तुम क्या चाहते हो।

5. Instructions के साथ Combine करो

Few-Shot का मतलब कोई instructions नहीं है। तुम कर सकते हो—और अक्सर करना चाहिए—दोनों include करो:

तुम एक customer service classifier हो। Messages को classify करो:
Billing, Technical, General, या Urgent में।

उदाहरण:
[तुम्हारे उदाहरण]

अब इस message को classify करो:
[actual input]

Instructions context देते हैं। उदाहरण दिखाते हैं कि इसे बिल्कुल कैसे apply करना है।

जब Few-Shot का use न करो

Few-Shot हमेशा answer नहीं है:

• Simple factual सवाल: “France की capital क्या है?” को उदाहरणों की जरूरत नहीं।
• Creative tasks जहाँ तुम variety चाहते हो: उदाहरण creativity को limit कर सकते हैं। अगर तुम diverse ideas चाहते हो, तो pattern मत दिखाओ।
• बहुत लंबे outputs: अगर तुम्हारे उदाहरण 500 शब्दों के हैं, तो तुम जल्दी context space खत्म कर दोगे।
• Tasks जो AI पहले से अच्छे से करता है: अगर zero-shot काम करता है, तो confuse मत करो।

Template

यहाँ एक reusable template है:

[Optional: Task के बारे में brief instruction]

उदाहरण 1:
Input: [input]
Output: [output]

उदाहरण 2:
Input: [input]
Output: [output]

उदाहरण 3:
Input: [input]
Output: [output]

अब यह process करो:
Input: [तुम्हारा actual input]
Output:

Labels (Input/Output) को अपने task के अनुसार adjust करो। Classification के लिए, तुम “Text” और “Category” use कर सकते हो। Style transfer के लिए, “Original” और “Rewritten.”

इसे और आगे ले जाओ

Few-Shot Prompting अन्य techniques के साथ combined करने पर और भी अच्छा काम करता है:

• Few-Shot + Chain of Thought: उदाहरण दिखाओ जहाँ तुम answer को step-by-step reason करते हो
• Few-Shot + Role Prompting: AI को एक persona दो AND examples कि वह persona कैसे respond करता है
• Few-Shot + Format Constraints: उदाहरण plus explicit format requirements

जितना specific तुम हो सकते हो—कितने भी techniques के combination के through—उतने बेहतर तुम्हारे results होंगे।

Bottom Line

Few-Shot Prompting काम करता है क्योंकि दिखाना explain करने से ज्यादा precise है।

बिल्कुल exact में समझाने की कोशिश करने की जगह कि तुम क्या चाहते हो, उदाहरणों के साथ demonstrate करो। AI remarkably अच्छा है patterns को pick करने और उन्हें new inputs पर apply करने में।

अगली बार जब तुम उस output को पाने के लिए struggle करो जो तुम चाहते हो, ज्यादा instructions add करना बंद करो। एक उदाहरण add करो।

कभी-कभी एक अच्छा उदाहरण हजार शब्दों के explanation के लायक होता है।