O que é Few-shot?
Few-shot, também chamado de few-shot prompting ou few-shot learning, é a técnica de colocar alguns exemplos prontos dentro do prompt para que o modelo entenda o padrão esperado. “Shot” significa exemplo, e “few” indica que bastam poucos: em geral de dois a cinco.
A técnica resolve um problema recorrente da engenharia de prompt. Descrever tom e formato com palavras é impreciso. Pedir “tom leve e descontraído” gera resultados diferentes a cada tentativa, porque cada modelo interpreta “leve” de um jeito. Mostrar três legendas reais da marca comunica o mesmo em segundos.
O nome tem parentes próximos. Zero-shot é o pedido sem exemplo algum, o modo padrão de quem digita direto no chat. One-shot usa um exemplo. Few-shot usa alguns. Quanto mais próximo o exemplo estiver do resultado que você quer, menor a chance de o modelo inventar um caminho próprio.
Como funciona na prática?
A estrutura básica é uma sequência de pares entrada e saída, seguida da entrada real. Você mostra: para esta situação, esta resposta; para aquela, aquela. Depois apresenta a nova situação e deixa o modelo completar no mesmo padrão.
A qualidade dos exemplos comanda o resultado. Eles devem ser reais, aprovados e representativos da variedade da tarefa. Se as três legendas escolhidas começarem com pergunta, o modelo começará tudo com pergunta. Se um exemplo tiver erro de estilo, o erro vira padrão. O número certo aparece por teste: dois bastam para formato simples e, passado certo ponto, novos exemplos só consomem espaço do contexto.
Few-shot vs fine-tuning: qual a diferença?
| Aspecto | Few-shot | Fine-tuning |
|---|---|---|
| Onde entra o exemplo | No prompt, na hora | No treino do modelo |
| Quantidade | De 2 a 5 | Centenas ou milhares |
| Custo e prazo | Baixo, imediato | Alto, projeto técnico |
| Facilidade de mudar | Edita o prompt | Novo treino |
Veredito: comece por few-shot; o fine-tuning entra quando o padrão é estável, o volume é alto e o prompt já não dá conta.
Exemplos de uso
- Uma loja de cosméticos cola cinco descrições de produto aprovadas no prompt antes de pedir a sexta. As novas saem no mesmo comprimento, com benefício antes de ingrediente, sem que ninguém explique a regra.
- Um time de suporte monta um prompt com quatro pares de “reclamação recebida” e “resposta publicada” para padronizar respostas a avaliações no Google.
Erros comuns
- Usar exemplos inventados na hora em vez de peças reais já aprovadas pela marca.
- Escolher exemplos parecidos demais, o que faz o modelo copiar a forma superficial em vez da regra.
- Empilhar exemplos até o prompt ficar gigante, disputando atenção com a tarefa real.
- Esperar que few-shot corrija informação errada: a técnica ensina padrão, não fatos.
Perguntas frequentes sobre Few-shot
Quantos exemplos devo usar em um prompt few-shot?
Entre dois e cinco resolve a maioria das tarefas de marketing. Comece com dois, avalie o resultado e acrescente enquanto houver ganho visível. Quando exemplos novos deixam de mudar a saída, você chegou ao limite útil. Tarefas com muitas variações pedem mais exemplos do que tarefas de formato único.
Few-shot é a mesma coisa que few-shot learning?
Na prática do marketing, os dois termos descrevem exemplos dentro do prompt. Na literatura técnica, few-shot learning também designa a capacidade de um modelo aprender uma tarefa nova com poucos exemplos, um conceito mais amplo que precede as ferramentas conversacionais atuais.
Posso combinar few-shot com outras técnicas?
Sim, e é o uso mais comum. Few-shot entra bem junto com definição de papel, contexto de negócio e restrições de formato. Também combina com chain of thought: os exemplos mostram o raciocínio esperado, e não só a resposta final, o que ajuda em tarefas de análise.