Sie können Beispiele in den Prompt einfügen, die dem Modell zeigen, wie eine gute Antwort aussieht. Das Modell versucht, Muster und Beziehungen aus den Beispielen zu identifizieren und diese beim Generieren einer Antwort anzuwenden. Prompts, die Beispiele enthalten, werden als Few-Shot-Prompts bezeichnet, während Prompts, die keine Beispiele enthalten, als Zero-Shot-Prompts bezeichnet werden. Häufig werden Few-Shot-Prompts verwendet, um die Formatierung, die Formulierung, den Geltungsbereich oder das allgemeine Muster der Modellantworten zu regulieren. Verwenden Sie spezifische und vielfältige Beispiele, damit das Modell den Fokus eingrenzen und genauere Ergebnisse generieren kann.
Wenn Sie Few-Shot-Beispiele in Ihre Prompts einfügen, werden sie zuverlässiger und effektiver. Sie sollten jedoch immer klare Anweisungen zu den Few-Shot-Beispielen geben. Ohne klare Anweisungen können Modelle unbeabsichtigte Muster oder Beziehungen aus den Beispielen ableiten, was zu schlechten Ergebnissen führen kann.
Die wichtigsten Punkte dieser Strategie sind:
- Wenn Sie Beispiele für Prompt-Antworten in den Prompt aufnehmen, helfen Sie dem Modell zu lernen zu antworten.
- Verwenden Sie ein XML-ähnliches Markup, um die Beispiele auszuzeichnen.
- Experimentieren Sie mit der Anzahl der einzubeziehenden Prompts. Je nach Modell sind zu wenige Beispiele beim Ändern des Modellverhaltens unwirksam. Zu viele Beispiele können zu einer Überanpassung des Modells führen.
- Einheitliche Formatierung für alle Beispiele verwenden
Zero-Shot- und Few-Shot-Prompts im Vergleich
Im folgenden Zero-Shot-Prompt wird das Modell aufgefordert, die technischen Spezifikationen aus dem Text zu extrahieren und im JSON-Format auszugeben:
Extract the technical specifications from the text below in JSON format. Google Pixel 7, 5G network, 8GB RAM, Tensor G2 processor, 128GB of storage, Lemongrass { "Network": "5G", "RAM": "8GB", "Processor": "Tensor G2", "Storage": "128GB", "Color": "Lemongrass" } |
Angenommen, für Ihren Anwendungsfall ist eine bestimmte Formatierung erforderlich, z. B. die Verwendung von Kleinbuchstaben für Schlüsselnamen. Sie können Beispiele in den Prompt einfügen, die dem Modell zeigen, wie das JSON formatiert werden soll. Im folgenden Few-Shot-Prompt wird ein Ausgabeformat mit JSON-Schlüsseln in Kleinbuchstaben demonstriert:
Extract the technical specifications from the text below in a JSON format. <EXAMPLE> INPUT: Google Nest Wifi, network speed up to 1200Mpbs, 2.4GHz and 5GHz frequencies, WP3 protocol OUTPUT: { "product":"Google Nest Wifi", "speed":"1200Mpbs", "frequencies": ["2.4GHz", "5GHz"], "protocol":"WP3" } </EXAMPLE> Google Pixel 7, 5G network, 8GB RAM, Tensor G2 processor, 128GB of storage, Lemongrass { "product": "Google Pixel 7", "network": "5G", "ram": "8GB", "processor": "Tensor G2", "storage": "128GB", "color": "Lemongrass" } |
Beachten Sie, dass im Beispiel ein XML-ähnliches Format verwendet wird, um die Komponenten des Prompts zu trennen. Weitere Informationen zur optimalen Formatierung von Few-Shot-Prompts mit XML-ähnlicher Formatierung finden Sie unter Prompts strukturieren.
Optimale Anzahl von Beispielen finden
Sie können mit der Anzahl der Beispiele experimentieren, die in dem Prompt für die gewünschten Ergebnisse bereitgestellt werden sollen. Modelle wie Gemini können anhand einiger Beispiele häufig Muster erkennen. Möglicherweise müssen Sie jedoch mit der Anzahl der Beispiele experimentieren, die zu den gewünschten Ergebnissen führen. Wenn Sie zu viele Beispiele hinzufügen, kann das Modell die Antwort auf die Beispiele überanpassen.
Nächste Schritte
- Weitere Beispiele für Prompts finden Sie in der Prompt-Galerie.