Mengapa 2-4 Contoh Berkesan
Cukup untuk menetapkan corak, namun cukup sedikit untuk kekal umum
Mengapa 2-4 Contoh Berkesan ialah pelajaran Claude Architect percuma di CoddyKit. Ini ialah pelajaran 1 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Claude Architect, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Claude Architect merangkumi sejumlah 4 pelajaran.
Idea Teras
Pemberian gesaan dengan beberapa contoh berfungsi kerana Claude membuat generalisasi daripada contoh — ia bukan sekadar menghafal dan mengulanginya. Lembaran fakta peperiksaan menyatakan jumlah yang tepat: gunakan 2-4 contoh bersasar bagi setiap kekaburan.
Julat itu bukan sewenang-wenangnya. Jumlah tersebut mencukupi untuk menetapkan corak, namun cukup sedikit untuk mengekalkan keupayaan model membuat generalisasi. Pelajaran ini menerangkan sebab titik optimum itu sesuai untuk kerja pengeluaran.
Contoh Mengajar Peraturan, Bukan Jadual Carian
Apabila anda menunjukkan kepada Claude 2-4 contoh, anda sedang menunjukkan satu peraturan: bentuk input ini dipadankan dengan bentuk output itu. Model membuat kesimpulan tentang corak asas dan menggunakannya pada input baharu yang belum pernah dilihat.
Inilah sebab pemberian gesaan dengan beberapa contoh menjadi alat utama untuk kekonsistenan, kes tepi, format output dan pengurangan halusinasi — semua bidang yang terlalu banyak bergantung pada tafsiran jika hanya arahan yang kabur diberikan.
system = (
"Classify each support message as: billing, technical, or other.\n"
"Examples:\n"
"Message: 'My card was charged twice' -> billing\n"
"Message: 'The app crashes on login' -> technical\n"
"Message: 'Do you have a dark mode?' -> other"
)
# 3 examples set the mapping rule; Claude generalizes to new messages.Mengapa Bukan Sifar Contoh?
Tanpa contoh bergantung sepenuhnya pada cara anda merumuskan arahan. Bagi tugas yang benar-benar kabur, perkataan sahaja tidak cukup untuk menetapkan sempadan. Lembaran fakta menegaskan bahawa kriteria yang jelas mengatasi panduan yang kabur — tetapi kriteria yang tajam pun kadangkala memerlukan demonstrasi konkrit untuk memantapkannya.
Satu contoh yang dipilih dengan baik dapat menyelesaikan kekaburan yang tidak mampu diselesaikan oleh satu perenggan huraian. Itulah had bawah julat 2-4: sekurang-kurangnya beberapa demonstrasi bagi setiap keputusan yang kabur.
Mengapa Bukan Satu Contoh?
Satu contoh berisiko: model mungkin terlalu menyesuaikan diri dengan ciri permukaannya — frasa, panjang atau perincian kebetulan tertentu — lalu menganggap kebetulan itu sebahagian daripada peraturan.
Contoh kedua dan ketiga membolehkan Claude membuat triangulasi tentang perkara yang benar-benar berubah berbanding perkara yang kekal. Struktur yang dikongsi menjadi isyarat; perbezaan sampingan menjadi hingar yang perlu diabaikan.
# One example: model may copy the exact tone/length.
# Two+ examples reveal what is INVARIANT (the JSON shape)
# versus INCIDENTAL (the specific values).
examples = [
{"review": "Loved it, fast shipping!", "out": {"sentiment": "positive"}},
{"review": "Broke after a day.", "out": {"sentiment": "negative"}},
]
# The constant is the {"sentiment": ...} schema, not the wording.Mengapa Bukan 20 Contoh?
Jika beberapa contoh bagus, mengapa tidak memenuhi gesaan dengan contoh? Ada dua sebab.
- Pengkhususan berlebihan: dengan terlalu banyak contoh, Claude mungkin mula meniru gaya tepat contoh tersebut dan berhenti membuat generalisasi — ia mengecil kepada set latihan, bukannya peraturan.
- Kos konteks: blok contoh yang panjang menggunakan ruang konteks dan memburukkan kesan hilang di tengah, apabila model kurang memberikan perhatian kepada kandungan yang tertanam di bahagian tengah.
2-4 contoh memastikan demonstrasi kekal tajam dan gesaan kekal ringkas.
Kekalkan Keumuman: Liputi Keputusan, Bukan Setiap Kes
Matlamat pemberian gesaan dengan beberapa contoh adalah menetapkan satu corak, bukan menyenaraikan seluruh dunia. Jika anda mendapati diri anda menambah contoh ke-10 untuk mengendalikan satu lagi kes, itu ialah petanda: tugas tersebut mungkin memerlukan kriteria atau skema output berstruktur yang lebih jelas, bukannya lebih banyak contoh.
Contoh yang bercanggah antara satu sama lain atau bertimbun hanya mengelirukan peraturan dan mencairkan perhatian. Pastikan setiap demonstrasi benar-benar berbaloi untuk dikekalkan.
Satu Set bagi Setiap Kekaburan
Baca frasa dalam lembaran fakta dengan teliti: 2-4 contoh bagi setiap kekaburan. Had jumlah itu terpakai pada setiap titik kekeliruan yang berbeza, bukan pada keseluruhan gesaan.
Jika tugas mempunyai dua keputusan berasingan yang kabur — contohnya, cara mengelaskan dan cara memformat tarikh — berikan satu set kecil yang bersasar untuk setiap keputusan. Had anda bukan empat contoh keseluruhannya; had anda ialah beberapa contoh yang terfokus bagi setiap keputusan yang sedang anda perjelas.
# Ambiguity 1: category boundary (3 examples)
# Ambiguity 2: date normalization (2 examples)
# Each ambiguity gets its own small, targeted set.
prompt = f"""
Category examples:
'refund my order' -> billing
'page is blank' -> technical
'how do I export' -> other
Date examples:
'next Tuesday' -> 2026-06-16
'06/10' -> 2026-06-10
Now process: {user_message}
"""Pilih Contoh yang Menandai Sempadan
Kualiti mengatasi kuantiti. Dua contoh yang terletak tepat pada sempadan keputusan mengajar lebih banyak daripada sepuluh contoh yang jelas. Pilih kes yang mudah tersalah tafsir: kes hampir tersasar, kes tepi, atau input yang kelihatan seperti satu kategori tetapi sebenarnya tergolong dalam kategori lain.
Inilah sebab lembaran fakta mengaitkan pemberian gesaan dengan beberapa contoh dengan kes tepi — beberapa pasangan kontras yang ditempatkan dengan baik mentakrifkan peraturan jauh lebih baik daripada longgokan sampel utama yang tidak kabur.
Beberapa Contoh Berserta Output Berstruktur
Bagi bentuk output, gabungkan beberapa contoh dengan Skema JSON melalui tool_use. Skema tersebut menguatkuasakan medan yang diperlukan dan menghapuskan ralat sintaks; 2-4 contoh mengajar pertimbangan yang tidak dapat dinyatakan oleh skema — nilai yang sepatutnya diletakkan dalam medan tertentu bagi input yang sukar.
Ingat peraturan skema: tandakan medan sebagai diperlukan hanya jika medan itu sentiasa hadir. Jangan sekali-kali mewajibkan medan yang mungkin tiada, atau model akan mereka-reka medan tersebut.
tools = [{
"name": "record_ticket",
"description": "Save a classified support ticket.",
"input_schema": {
"type": "object",
"properties": {
"category": {"enum": ["billing", "technical", "other"]},
"priority": {"enum": ["low", "high"]},
},
"required": ["category"], # priority may be absent -> not required
},
}]
# tool_choice="any" guarantees a structured call; examples teach the judgment.Beberapa Contoh berbanding Cuba Semula dengan Maklum Balas
Jangan kelirukan kedua-duanya. Pemberian gesaan dengan beberapa contoh menetapkan corak terlebih dahulu supaya respons pertama adalah betul. Cuba semula dengan maklum balas membaiki respons tertentu yang salah selepas itu dengan menghantar semula input asal, output yang salah dan ralat pengesahan yang tepat.
Menambah lebih banyak contoh tidak akan membaiki kegagalan maklumat yang tiada — cuba semula juga tidak dapat mendapatkan maklumat yang sememangnya tiada dalam sumber. Gunakan contoh untuk membentuk tingkah laku; gunakan cuba semula untuk membaiki kesilapan format atau aritmetik.
Resipi Praktikal
Bagi mana-mana gesaan yang kabur:
- Tulis kriteria yang jelas dahulu (arahan kabur ialah garis dasar yang lemah).
- Tambah 2-4 contoh bagi setiap kekaburan yang masih ada, dipilih pada sempadan keputusan.
- Gunakan skema apabila jurangnya terletak pada bentuk output, bukan pertimbangan.
- Jika anda terus menambah contoh, berhenti — baiki kriteria atau skema itu.
Secukupnya untuk menetapkan corak; cukup sedikit untuk kekal umum.
system = """Flag a code comment ONLY when it contradicts the code.
Examples:
Code: x = a + b Comment: 'subtract b' -> FLAG (contradicts)
Code: x = a + b Comment: 'sum a and b' -> OK
Code: retry(3) Comment: 'retry twice' -> FLAG (count wrong)
"""
# Explicit criterion + 3 boundary examples = consistent, general behavior.Pemeriksaan: Memilih Bilangan Contoh
Soalan senario — pilih jawapan yang terbaik.
Imbas Kembali
Kesimpulan penting:
- 2-4 contoh bagi setiap kekaburan ialah titik optimum — Claude membuat generalisasi daripadanya, bukan sekadar mengulanginya.
- Terlalu sedikit (0-1) tidak menetapkan spesifikasi yang mencukupi atau menyebabkan model terlalu menyesuaikan diri dengan perincian permukaan; terlalu banyak menyebabkan pengkhususan berlebihan dan membazirkan konteks, sekali gus menjejaskan perhatian terhadap bahagian tengah.
- Pilih contoh pada sempadan keputusan; kualiti mengatasi kuantiti.
- Gabungkan contoh dengan kriteria yang jelas dan, bagi bentuk output, Skema JSON — dan jangan sekali-kali mewajibkan medan yang mungkin tiada.
- Jika anda terus menambah contoh, baiki kriteria atau skema itu.
Pelajari Python dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 26
- Pelajaran
- 104
Soalan Lazim
Adakah pelajaran “Mengapa 2-4 Contoh Berkesan” percuma?
Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Claude Architect, termasuk “Mengapa 2-4 Contoh Berkesan”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Claude Architect merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Mengapa 2-4 Contoh Berkesan”?
Cukup untuk menetapkan corak, namun cukup sedikit untuk kekal umum Anda berlatih Claude Architect menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Claude Architect?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Claude Architect di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 1 daripada 4.
Berapa lamakah pelajaran “Mengapa 2-4 Contoh Berkesan” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Claude Architect ini?
Ya. Setiap pelajaran Claude Architect menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Mengapa 2-4 Contoh Berkesan
- Contoh untuk Format dan Kes Pinggir
- Pengitlakan berbanding Pengulangan
- Few-Shot untuk Mengurangkan Halusinasi