Zero-shot, few-shot y cadena de pensamiento
Tres técnicas esenciales para crear prompts: preguntar directamente, mostrar ejemplos o pedir al modelo que razone paso a paso antes de responder.
Zero-shot, few-shot y cadena de pensamiento es una lección gratuita de AI Agents en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Agents, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Agents incluye 4 lecciones en total.
Tres técnicas fundamentales
Tres técnicas de prompting que todo ingeniero de agentes debe conocer:
- Zero-shot — pregunte directamente, sin ejemplos
- Few-shot — muestre entre 1 y 5 ejemplos del comportamiento deseado
- Chain-of-thought (CoT) — haga que el modelo razone paso a paso antes de responder
Ejemplo de zero-shot
El zero-shot es la opción predeterminada: simplemente pregunte.
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)
Cuándo falla el zero-shot
El zero-shot falla cuando:
- El formato de la tarea es inusual (JSON personalizado, etiquetas extrañas)
- El dominio es específico (la terminología de su empresa)
- La instrucción es ambigua
En esos casos, los ejemplos ayudan enormemente.
Ejemplo de few-shot
Muestre al modelo lo que desea con 2 o 3 ejemplos:
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())
¿Cuántos ejemplos?
Según la experiencia:
- 1-2 ejemplos suelen bastar para el formato
- 3-5 ayudan con los matices
- 10+ rara vez ayudan y consumen tokens
La calidad de los ejemplos importa más que la cantidad.
Cubra los casos límite
Sus ejemplos deben cubrir los casos límite que confunden al modelo. Incluya:
- El caso habitual
- Un caso complicado
- Un ejemplo de lo que NO debe hacerse
Chain-of-Thought (CoT)
Pida al modelo que piense antes de responder. Frase mágica: "Pensemos paso a paso."
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())
Por qué ayuda CoT
Para problemas de varios pasos, CoT permite al modelo "usar" tokens adicionales para calcular resultados intermedios. Sin CoT, el modelo tiene que calcular la respuesta en un único paso hacia adelante.
Es especialmente potente para las matemáticas, la lógica y el código.
CoT en los modelos modernos
Modelos como o1 y o3 realizan CoT internamente: "piensan" antes de producir la respuesta visible. En estos modelos, pedir CoT en el prompt es innecesario e incluso puede perjudicar el resultado.
Autoconsistencia
Ejecute CoT varias veces con temperature > 0 y elija la respuesta más frecuente. Esta votación por mayoría suele superar al CoT de una sola muestra, especialmente en problemas matemáticos difíciles.
Combinar técnicas
Puede combinar las tres técnicas. Un prompt típico de agente contiene:
- Un prompt del sistema que explica la tarea (zero-shot)
- 2-3 ejemplos de few-shot
- Una instrucción para pensar paso a paso
Elija la técnica
Está obteniendo resultados aritméticos incorrectos en las salidas del agente. ¿Qué técnica ayuda más?
Repaso
Tres técnicas fundamentales: zero-shot, few-shot y CoT. Elija según la tarea y combínelas cuando sea necesario.
Preguntas frecuentes
¿La lección «Zero-shot, few-shot y cadena de pensamiento» es gratis?
Sí — el texto completo de «Zero-shot, few-shot y cadena de pensamiento» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Agents, actualiza a CoddyKit PRO. El curso de AI Agents incluye 4 lecciones en total.
¿Qué aprenderé en «Zero-shot, few-shot y cadena de pensamiento»?
Tres técnicas esenciales para crear prompts: preguntar directamente, mostrar ejemplos o pedir al modelo que razone paso a paso antes de responder. Practicas AI Agents con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar AI Agents?
No se requiere experiencia previa. AI Agents en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Zero-shot, few-shot y cadena de pensamiento»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de AI Agents?
Sí. Cada lección de AI Agents incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Zero-shot, few-shot y cadena de pensamiento
- Roles de sistema, usuario y asistente
- Formato de salida (JSON, XML, Markdown)
- Cómo evitar la inyección de prompts en las entradas