Few-shot prompting: guiar a IA pelo exemplo

Pense num dono de restaurante que quer organizar as avaliações dos clientes para saber o que mais se repete. Ele cola uma avaliação e pede:

Classifique esta avaliação por tema.

A resposta pode estar certa e ser inutilizável. Na primeira avaliação, a IA escreve uma frase inteira. Na segunda, responde “Experiência mista”. Na terceira, inventa mais uma categoria. Depois de vinte avaliações, é impossível contar qualquer coisa.

Ele poderia acrescentar regras de formato, e isso ajudaria. Também pode fazer mais curto: mostrar duas ou três avaliações já classificadas do jeito que ele quer. É o few-shot prompting, guiar o modelo com alguns exemplos em vez de descrever tudo. Sem exemplo, fala-se em zero-shot, com um só, em one-shot.

O que os exemplos dizem melhor do que as instruções

Uma instrução descreve com palavras o que você quer, e essas palavras deixam folga. “Tom profissional, mas caloroso” cobre dezenas de maneiras de escrever. Um exemplo resolve de uma vez o tamanho, a pontuação, o nível de detalhe e o que deve ficar de fora, inclusive coisas que você não pensaria em especificar.

Isso é particularmente rentável em três situações:

• a classificação, quando as categorias precisam permanecer estáveis de uma rodada para a outra;
• a transformação repetida de um texto numa forma precisa, como anotações em ata;
• o tom, porque é mais fácil de mostrar do que de explicar.

Numa pergunta aberta, como buscar ideias de nome para uma empresa, os exemplos podem, ao contrário, prender o modelo: ele produzirá variações do que você mostrou. Nesse caso, deixe os exemplos para o fim, quando quiser refinar uma pista.

A mesma triagem de avaliações, com três exemplos

Esta é a versão corrigida do prompt do restaurateur. As categorias são fechadas, o formato é mostrado em vez de descrito, e o último exemplo resolve um caso ambíguo.

Você classifica avaliações de clientes de um restaurante para uma planilha de acompanhamento.

Temas permitidos: cozinha, atendimento, espera, preço, ambiente, outro.
Sentimento permitido: positivo, negativo, misto.
Responda somente com uma linha no formato: tema | sentimento | resumo em menos de 8 palavras.
Se a avaliação abordar vários temas, fique com aquele que mais pesou no julgamento do cliente.

Exemplos:

Avaliação: “O magret estava perfeito, no ponto certo.”
Resposta: cozinha | positivo | magret no ponto perfeito

Avaliação: “Conta salgada para porções assim.”
Resposta: preço | negativo | porções pequenas para o preço

Avaliação: “Prato muito bom, mas 40 minutos para sermos servidos numa terça ao meio-dia, não voltaremos.”
Resposta: espera | negativo | 40 minutos de espera, não voltará

Avaliação a classificar:
[COLE A AVALIAÇÃO AQUI]

O terceiro exemplo faz o grosso do trabalho. Ele contém uma qualidade e um defeito, e a resposta mostra como decidir: o cliente não volta por causa da espera, então o tema é a espera. Uma regra isolada teria deixado mais espaço para interpretação, e o exemplo a torna concreta.

Escolher exemplos que cubram os casos difíceis

O reflexo comum é pegar os exemplos mais nítidos, aqueles que a IA teria acertado sem ajuda. Eles servem para o formato, mas não ensinam nada sobre como decidir.

Uma seleção eficaz se resume a três ideias:

• um caso típico, para fixar o formato;
• um caso-limite, aquele em que você mesmo hesitou;
• variedade: se todos os seus exemplos são positivos, ou todos curtos, o modelo pode pender nessa direção.

O jeito mais simples de achar o caso-limite é rodar o prompt sem exemplo em uma dezena de casos reais e depois ver onde ele erra. Cada erro corrigido vira um candidato. É uma forma de testar um prompt que o melhora ao mesmo tempo.

Quantos exemplos, e em que forma

Não existe número mágico. De dois a cinco exemplos bastam para muitas tarefas do dia a dia. Se os resultados continuam instáveis com cinco, o problema costuma estar nas categorias, parecidas demais entre si, e não na falta de exemplos.

Na apresentação, três detalhes contam:

1. Mantenha exatamente a mesma estrutura em cada exemplo. A IA reproduz os padrões, inclusive os seus rótulos (Avaliação:, Resposta:) e as suas irregularidades.
2. Separe claramente os exemplos do caso a tratar, com uma menção como “Avaliação a classificar” ou com tags. Sem isso, o modelo pode tratar um exemplo como um pedido.
3. Cuide da ordem. O último exemplo pode pesar mais: coloque ali um caso com nuances, em vez de um caso extremo.

Se você quer uma saída bem rígida, combine os exemplos com as técnicas para impor um formato de saída.

Quando a IA copia os seus exemplos

O principal defeito do método aparece assim que você pede um texto redigido: a IA retoma suas expressões, a estrutura das suas frases, às vezes um detalhe de conteúdo que não tem nada a ver. Uma professora que fornece um exemplo com “precisa participar mais oralmente” corre o risco de ver a fórmula em metade dos pareceres, inclusive para alunos que falam muito bem.

Duas defesas: variar bem os exemplos entre si e dizer explicitamente para que eles servem. Este prompt aplica as duas, com alunos anonimizados (não cole dados nominais de alunos numa ferramenta sem saber o que a sua escola permite).

Você ajuda uma professora do ensino fundamental a redigir pareceres de boletim a partir de suas anotações rápidas.

Os exemplos abaixo mostram o tamanho (2 frases), o tom (direto, acolhedor, sem fórmulas vazias) e a estrutura (uma constatação precisa, depois um conselho aplicável). Não reutilize as formulações deles: cada parecer deve se basear unicamente nas anotações fornecidas.

Anotações: bom nível, entrega irregular, esquece as tarefas desde novembro
Parecer: Os resultados são sólidos quando o trabalho é feito, mas os esquecimentos repetidos desde novembro pesam na média. Uma agenda preenchida toda noite bastaria para resolver o problema.

Anotações: tímido, grande progresso na redação, não se atreve a pedir ajuda
Parecer: O progresso na redação é nítido e recompensa um trabalho sério. Agora é preciso ousar fazer suas perguntas em sala, elas ajudarão todo mundo.

Anotações a tratar para o aluno [INICIAL]:
[SUAS ANOTAÇÕES RÁPIDAS]

Se as anotações forem escassas demais para escrever duas frases precisas, diga isso em vez de completar.

Sem a última linha, o modelo pode preencher os buracos com generalidades plausíveis. Releia mesmo assim cada saída, pois ele pode interpretar mal uma anotação. Quando o objetivo é reproduzir uma voz ao longo do tempo, um exemplo já não basta e é preciso construir uma ficha: é o assunto do artigo para fazer a IA escrever no seu estilo.

O seu primeiro exemplo já existe

Encontre o último resultado de IA que você corrigiu à mão antes de usar. A versão corrigida, junto com o texto de partida, forma um par de exemplo pronto para uso. Acrescente-o ao prompt, rode de novo num caso novo e veja se você ainda precisa fazer a mesma correção.