Prompteknik Few Shot prompting

Har din AI-modell svårt att fatta vad du vill? Då kanske du behöver ge den lite inspiration först. Few-shot prompting är ett smart sätt att hjälpa GPT på traven, ungefär som att visa någon ett par bilder på hur kakan ska se ut innan du skickar in personen i köket.

Vad innebär few-shot prompting?

Few-shot prompting betyder helt enkelt att du ger modellen några exempel på vad du vill uppnå, innan du låter den lösa uppgiften själv. Du matar modellen med ett par färdiga exempel (ofta 2–5 stycken), och sedan är det dags för AI:n att leverera ett svar enligt samma mönster.

Varför blir resultaten bättre än med zero-shot?

När du använder few-shot prompting ger du modellen en slags mental mall. Modellen ser hur du vill ha svaren presenterade, vilken ton eller stil du gillar, och använder sedan den kunskapen för att skapa ett eget, liknande svar. Resultatet blir därför ofta mer precist än om du bara kör med zero-shot – alltså helt utan exempel.

Några enkla exempel på few-shot prompting

Exempel 1 – Stämningsläge (sentiment)
Prompt:
”Jag älskar vädret idag!” – Positiv
”Jag hatar regn!” – Negativ
”Det är en helt okej dag.” – Neutral
”Det här är verkligen tråkigt!” –

Output:
Negativ

Exempel 2 – Snabba sammanfattningar
Prompt:
Text: ”Konserten var fullsatt, ljudet var perfekt och publiken var i extas.” – Sammanfattning: Fantastisk konsert med entusiastisk publik.
Text: ”Filmen var långsam, seg och hade tråkiga karaktärer.” – Sammanfattning: Långtråkig och ointressant film.
Text: ”Restaurangen hade god mat men hemsk service.” – Sammanfattning:

Output:
Bra mat men dålig service.

Exempel 3 – Kategorisering
Prompt:
”Banan, äpple, apelsin” – Frukt
”Morot, gurka, paprika” – Grönsak
”Hund, katt, hamster” –

Output:
Husdjur

När är few-shot extra bra?

• När uppgiften kräver en specifik stil eller ton.
• När du vill att modellen tydligt ska förstå vilken typ av svar som förväntas.
• När zero-shot inte riktigt ger rätt resultat.

Begränsningar med few-shot prompting

Few-shot prompting är perfekt för att lösa vanliga problem snabbt och effektivt. Men när uppgiften är för komplicerad, till exempel logiska resonemang eller avancerade analyser, kan du behöva komplettera med ytterligare tekniker, som chain-of-thought.

Hur många exempel behövs egentligen?

Två till fem exempel räcker oftast. Fler exempel än så kan göra prompten för lång och riskera att förvirra modellen mer än den hjälper.

Smarta tips för bättre resultat

• Håll exemplen enkla och tydliga.
• Lägg det viktigaste exemplet sist – AI-modellen är bättre på att minnas slutet.
• Testa lite olika varianter och se vad som ger bäst resultat.

Få bättre kontroll genom Few Shot prompting

Few-shot prompting är en effektiv väg till att förbättra resultaten snabbt och enkelt. Med några få, väl valda exempel kan du få din AI att leverera exakt det du önskar – utan att behöva specialträna modellen.