Zero-Shot, Few-Shot und Chain-of-Thought
Drei zentrale Prompting-Techniken: direkt fragen, Beispiele zeigen oder das Modell auffordern, vor der Antwort Schritt für Schritt zu schlussfolgern.
Zero-Shot, Few-Shot und Chain-of-Thought ist eine kostenlose AI Agents-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Agents-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Drei grundlegende Techniken
Drei Prompting-Techniken, die jeder Agent-Engineer kennen muss:
- Zero-shot — direkt fragen, ohne Beispiele
- Few-shot — 1–5 Beispiele für das gewünschte Verhalten zeigen
- Chain-of-thought (CoT) — das Modell vor der Antwort Schritt für Schritt denken lassen
Zero-shot-Beispiel
Zero-shot ist der Standard: Fragen Sie einfach.
prompt = 'Translate to French: Hello, how are you?'
# Model output: 'Bonjour, comment allez-vous?'
model_output = 'Bonjour, comment allez-vous?'
print("Prompt:", prompt)
print("Model output:", model_output)
Wenn Zero-shot scheitert
Zero-shot scheitert, wenn:
- das Aufgabenformat ungewöhnlich ist (benutzerdefiniertes JSON, ungewöhnliche Tags)
- der Fachbereich sehr spezifisch ist (die Fachsprache Ihres Unternehmens)
- die Anweisung mehrdeutig ist
In diesen Fällen helfen Beispiele erheblich.
Few-shot-Beispiel
Zeigen Sie dem Modell mit 2–3 Beispielen, was Sie möchten:
prompt = '''
Classify sentiment as POSITIVE, NEGATIVE, or NEUTRAL.
Text: I loved this movie!
Sentiment: POSITIVE
Text: The plot dragged on forever.
Sentiment: NEGATIVE
Text: It was okay, nothing special.
Sentiment: NEUTRAL
Text: The acting saved an otherwise weak script.
Sentiment:
'''
print(prompt.strip())
Wie viele Beispiele?
Erfahrungsgemäß:
- 1–2 Beispiele reichen für das Format normalerweise aus
- 3–5 Beispiele helfen bei Nuancen
- 10+ Beispiele helfen selten und verbrauchen Tokens
Die Qualität der Beispiele ist wichtiger als ihre Anzahl.
Grenzfälle abdecken
Ihre Beispiele sollten die Grenzfälle abdecken, die das Modell verwirren. Fügen Sie Folgendes ein:
- den häufigsten Fall
- einen kniffligen Fall
- ein Beispiel dafür, was Sie NICHT tun sollten
Chain-of-Thought (CoT)
Bitten Sie das Modell, vor der Antwort nachzudenken. Die magische Formulierung lautet: "Lassen Sie uns Schritt für Schritt denken."
prompt = '''
Q: Roger has 5 tennis balls. He buys 2 cans, each with 3 balls. How many balls does he have?
A: Let\'s think step by step.
Roger starts with 5 balls.
2 cans * 3 balls = 6 new balls.
5 + 6 = 11.
The answer is 11.
'''
print(prompt.strip())
Warum CoT hilft
Bei Problemen mit mehreren Schritten ermöglicht CoT dem Modell, zusätzliche Tokens zu „verwenden“, um Zwischenergebnisse zu berechnen. Ohne CoT muss das Modell die Antwort in einem einzigen Forward-Pass berechnen.
Besonders leistungsfähig ist das bei Mathematik, Logik und Code.
CoT in modernen Modellen
Modelle wie o1 und o3 führen CoT intern aus — sie „denken“ vor der Ausgabe der sichtbaren Antwort. Bei diesen Modellen ist es unnötig und kann sogar schaden, im Prompt nach CoT zu fragen.
Selbstkonsistenz
Führen Sie CoT bei einer Temperatur > 0 mehrfach aus und wählen Sie die häufigste Antwort. Diese Mehrheitsentscheidung ist oft besser als ein einzelnes CoT-Sample, insbesondere bei schwierigen mathematischen Aufgaben.
Techniken kombinieren
Sie können alle drei Techniken kombinieren. Ein typischer Agent-Prompt enthält:
- einen System-Prompt, der die Aufgabe erklärt (Zero-shot)
- 2–3 Few-shot-Beispiele
- eine Anweisung, Schritt für Schritt zu denken
Technik auswählen
Die Agent-Ausgaben enthalten falsche arithmetische Berechnungen. Welche Technik hilft am meisten?
Zusammenfassung
Drei grundlegende Techniken: Zero-shot, Few-shot und CoT. Wählen Sie die Technik passend zur Aufgabe und kombinieren Sie sie bei Bedarf.
Häufig gestellte Fragen
Ist die Lektion „Zero-Shot, Few-Shot und Chain-of-Thought“ kostenlos?
Ja — der vollständige Text von „Zero-Shot, Few-Shot und Chain-of-Thought“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Agents-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Zero-Shot, Few-Shot und Chain-of-Thought“?
Drei zentrale Prompting-Techniken: direkt fragen, Beispiele zeigen oder das Modell auffordern, vor der Antwort Schritt für Schritt zu schlussfolgern. Du übst AI Agents mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um AI Agents zu starten?
Keine Vorkenntnisse erforderlich. AI Agents auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „Zero-Shot, Few-Shot und Chain-of-Thought“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser AI Agents-Lektion Code schreiben und ausführen?
Ja. Jede AI Agents-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Zero-Shot, Few-Shot und Chain-of-Thought
- System-, Benutzer- und Assistentenrollen im Vergleich
- Ausgabeformatierung (JSON, XML, Markdown)
- Prompt-Injection in Eingaben vermeiden