Sai quanto è frustrante spiegare qualcosa a qualcuno e lui non capisce proprio?
Poi gli mostri un esempio e improvvisamente tutto ha senso?
L’IA funziona allo stesso modo.
Questo è il concetto chiave dietro il Few-Shot Prompting—una delle tecniche più affidabili per far fare all’IA esattamente quello che vuoi.
Il Problema con lo Spiegare
Quando scrivi un prompt, di solito stai spiegando quello che vuoi:
“Scrivi una descrizione di prodotto che sia casual ma professionale, metti in risalto i benefici rispetto alle caratteristiche, usa frasi corte e termina con una call-to-action dolce.”
Sono molte istruzioni. E l’IA potrebbe interpretare “casual ma professionale” diversamente da te. Potrebbe capire “frasi corte” diversamente da quello che avevi in mente.
Le parole sono imprecise. Soprattutto quando descrivi tono, stile e formato.
La Soluzione: Mostrare, Non Spiegare
Il Few-Shot Prompting capovolge il copione. Invece di spiegare quello che vuoi, mostri all’IA degli esempi di esso.
Ecco la struttura:
Esempio 1:
Input: [example input]
Output: [example output che vuoi]
Esempio 2:
Input: [another example input]
Output: [another example output]
Ora fai questo:
Input: [il tuo vero input]
Output:
L’IA analizza i tuoi esempi, identifica il pattern e lo applica al tuo nuovo input.
Nessuna spiegazione lunga necessaria. Gli esempi fanno l’insegnamento.
Un Esempio Reale
Diciamo che vuoi che l’IA scriva tagline di prodotto in uno stile specifico.
Senza few-shot (spiegare):
Scrivi uno slogan per un'app di fitness. Rendilo incisivo,
usa verbi attivi, implicita trasformazione e mantienilo sotto 8 parole.
Con few-shot (mostrare):
Ecco gli slogan che mi piacciono:
Prodotto: Scarpe da corsa
Tagline: "Corri più veloce. Senti la leggerezza. Vai più lontano."
Prodotto: App di meditazione
Tagline: "Calma la tua mente. Trova la tua pace."
Prodotto: Abbonamento caffè
Tagline: "Svegliati con mattine migliori."
Ora scrivi uno per:
Prodotto: App di fitness
Tagline:
La versione few-shot non spiega lo stile—lo dimostra. L’IA riconosce il pattern (frasi corte, verbi attivi, beneficio implicito) senza che tu articoli queste regole.
Zero-Shot vs One-Shot vs Few-Shot
Questi termini descrivono quanti esempi fornisci:
| Tipo | Esempi | Migliore per |
|---|---|---|
| Zero-shot | 0 | Compiti semplici che l’IA già conosce |
| One-shot | 1 | Compiti che hanno bisogno di una guida leggera |
| Few-shot | 2-5 | Compiti che hanno bisogno di pattern chiari |
Inizia con un esempio. Se l’output non corrisponde, aggiungine un altro. Normalmente 2-3 esempi sono sufficienti. Più di 5 raramente aiuta e spreca lo spazio di contesto.
Quando il Few-Shot Prompting Brilla
Compiti di Classificazione
Insegna all’IA le tue categorie:
Classifica questi messaggi dei clienti:
Messaggio: "Quando arriverà il mio ordine?"
Categoria: Richiesta di spedizione
Messaggio: "Questo prodotto si è rotto dopo una settimana"
Categoria: Reclamo di qualità
Messaggio: "Lo avete in blu?"
Categoria: Domanda sul prodotto
Messaggio: "Voglio i miei soldi indietro"
Categoria: Richiesta di rimborso
Ora classifica questo:
Messaggio: "Posso cambiare il mio indirizzo di consegna?"
Categoria:
Matching dello Stile
Far scrivere all’IA in uno stile specifico:
Converti testo formale in casual:
Formale: "Siamo spiacenti di informarti che la tua candidatura non è stata accettata."
Casual: "Scusa, ma non andremo avanti con la tua candidatura questa volta."
Formale: "Si prega di trovare allegata la documentazione richiesta."
Casual: "Ecco il documento che hai chiesto!"
Formale: "La tua richiesta è stata ricevuta e sarà elaborata entro 48 ore."
Casual:
Trasformazione del Formato
Insegna una struttura di output specifica:
Converti note di riunione in elementi di azione:
Note: "Discusso budget Q4. Sarah deve ottenere i numeri finali da Finance.
Lancio rinviato a novembre. Mike aggiornerà la timeline."
Elementi di azione:
- [ ] Sarah: Ottenere i numeri Q4 da Finance
- [ ] Mike: Aggiornare la timeline del progetto per il lancio di novembre
Note: "Revisione redesign sito web. Home page approvata. Necessaria nuova copia per
pagina Chi siamo. Team design inizia prossimo sprint."
Elementi di azione:
Estrazione di Dati
Estrai informazioni specifiche:
Estrai info di contatto da questi messaggi:
Messaggio: "Ciao, sono John Smith di Acme Corp. Puoi raggiungermi a
john@acme.com o 555-123-4567."
Estratto: Nome: John Smith | Azienda: Acme Corp | Email: john@acme.com | Telefono: 555-123-4567
Messaggio: "Sono Sarah Chen, direttrice marketing. Il mio numero diretto è
555-987-6543. Email sarah.chen@bigco.io"
Estratto: Nome: Sarah Chen | Azienda: BigCo | Email: sarah.chen@bigco.io | Telefono: 555-987-6543
Messaggio: "Hey, Mike di StartupXYZ. Il modo migliore per raggiungermi è
mike@startupxyz.com"
Estratto:
Migliori Pratiche
1. Usa Esempi Rappresentativi
I tuoi esempi dovrebbero coprire l’intervallo di input che ti aspetti. Se stai classificando il sentimento e la maggior parte dei tuoi dati sono neutrali, includi un esempio neutrale—non solo positivo e negativo.
2. Mantieni gli Esempi Coerenti
Ogni esempio dovrebbe seguire lo stesso formato. Se il tuo primo esempio usa bullet point, tutti dovrebbero farli. L’incoerenza confonde il riconoscimento dei pattern.
3. L’Ordine Conta
La ricerca mostra che l’ordine degli esempi influenza significativamente le prestazioni. Metti i tuoi migliori, esempi più chiari per primi. Se hai un caso limite particolarmente complicato, metti un esempio di questo ultimo, proprio prima del tuo input reale.
4. Qualità rispetto alla Quantità
Tre ottimi esempi superano dieci mediocri. Ogni esempio dovrebbe essere inequivocabile e mostrare chiaramente quello che vuoi.
5. Combina con le Istruzioni
Few-Shot non significa nessuna istruzione. Puoi—e spesso dovresti—includere entrambi:
Sei un classificatore di servizio clienti. Categorizza i messaggi in:
Fatturazione, Tecnico, Generale, o Urgente.
Esempi:
[i tuoi esempi]
Ora classifica questo messaggio:
[input reale]
Le istruzioni forniscono contesto. Gli esempi mostrano esattamente come applicare quel contesto.
Quando NON Usare il Few-Shot
Il Few-Shot non è sempre la risposta:
- Domande fattuali semplici: “Qual è la capitale della Francia?” non ha bisogno di esempi.
- Compiti creativi dove vuoi varietà: Gli esempi possono limitare la creatività. Se vuoi idee diverse, non mostrare un pattern.
- Output molto lunghi: Se i tuoi esempi sono di 500 parole ciascuno, userai rapidamente lo spazio di contesto.
- Compiti che l’IA fa già bene: Se zero-shot funziona, non complicare.
Il Template
Ecco un template riutilizzabile:
[Opzionale: Breve istruzione sul compito]
Esempio 1:
Input: [input]
Output: [output]
Esempio 2:
Input: [input]
Output: [output]
Esempio 3:
Input: [input]
Output: [output]
Ora elabora questo:
Input: [il tuo vero input]
Output:
Adatta le etichette (Input/Output) al tuo compito. Per la classificazione, potresti usare “Testo” e “Categoria.” Per il trasferimento di stile, “Originale” e “Riscritto.”
Andare Oltre
Il Few-Shot Prompting funziona ancora meglio combinato con altre tecniche:
- Few-Shot + Chain of Thought: Mostra esempi dove ragioni la risposta passo dopo passo
- Few-Shot + Role Prompting: Dai all’IA una persona E esempi di come quella persona risponde
- Few-Shot + Format Constraints: Esempi più requisiti di formato espliciti
Più specifico puoi essere—attraverso qualsiasi combinazione di tecniche—migliori saranno i tuoi risultati.
La Conclusione
Il Few-Shot Prompting funziona perché mostrare è più preciso che spiegare.
Invece di cercare di spiegare esattamente quello che vuoi con le parole, dimostralo con esempi. L’IA è straordinariamente brava a raccogliere i pattern e applicarli ai nuovi input.
La prossima volta che lotti per ottenere l’output che vuoi, smetti di aggiungere più istruzioni. Aggiungi un esempio invece.
A volte un buon esempio vale mille parole di spiegazione.