0Pricing
AI Agents · Lekcja

Zero-shot, few-shot i chain-of-thought

Poznaj trzy podstawowe techniki tworzenia promptów: zadaj pytanie bezpośrednio, pokaż przykłady albo poproś model o rozumowanie krok po kroku przed udzieleniem odpowiedzi.

Zero-shot, few-shot i chain-of-thought to bezpłatna lekcja AI Agents na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej AI Agents, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs AI Agents zawiera 4 lekcji w sumie.

Trzy podstawowe techniki

Trzy techniki tworzenia promptów, które musi znać każdy inżynier agentów:

  1. Zero-shot — zadanie pytania bezpośrednio, bez przykładów
  2. Few-shot — pokazanie od 1 do 5 przykładów oczekiwanego zachowania
  3. Chain-of-thought (CoT) — polecenie modelowi, aby przed odpowiedzią rozumował krok po kroku

Przykład zero-shot

Zero-shot to podejście domyślne: wystarczy zadać pytanie.

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)

Kiedy zero-shot zawodzi

Zero-shot zawodzi, gdy:

  • Format zadania jest nietypowy (niestandardowy JSON, nietypowe tagi)
  • Dziedzina jest wąska (specjalistyczne słownictwo Państwa firmy)
  • Instrukcja jest niejednoznaczna

W takich przypadkach przykłady znacznie pomagają.

Przykład few-shot

Proszę pokazać modelowi, czego Państwo oczekują, za pomocą 2–3 przykładów:

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())

Ile przykładów?

Z obserwacji wynika, że:

  • 1–2 przykłady zwykle wystarczają do określenia formatu
  • 3–5 pomaga uchwycić niuanse
  • 10 lub więcej rzadko pomaga i zużywa tokeny

Jakość przykładów > liczba przykładów.

Uwzględnianie przypadków brzegowych

Przykłady powinny obejmować przypadki brzegowe, które mogą zmylić model. Należy uwzględnić:

  • Typowy przypadek
  • Jeden podstępny przypadek
  • Jeden przykład tego, czego NIE należy robić

Chain-of-Thought (CoT)

Proszę poprosić model, aby przed odpowiedzią pomyślał. Magiczna fraza: "Let's think step by step."

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())

Dlaczego CoT pomaga

W przypadku problemów wieloetapowych CoT pozwala modelowi „wykorzystać” dodatkowe tokeny do obliczenia wyników pośrednich. Bez CoT model musi obliczyć odpowiedź w jednym przebiegu w przód.

Jest to szczególnie skuteczne w matematyce, logice i programowaniu.

CoT we współczesnych modelach

Modele takie jak o1 i o3 wykonują CoT wewnętrznie — „myślą” przed wygenerowaniem widocznej odpowiedzi. W przypadku tych modeli proszenie o CoT w promptcie jest zbędne, a nawet może pogorszyć wyniki.

Samozgodność

Proszę uruchomić CoT wielokrotnie z wartością temperature > 0 i wybrać najczęściej pojawiającą się odpowiedź. Takie głosowanie większościowe często daje lepsze wyniki niż pojedyncze próbkowanie CoT, szczególnie w trudnych zadaniach matematycznych.

Łączenie technik

Można połączyć wszystkie trzy techniki. Typowy prompt agenta zawiera:

  • Prompt systemowy wyjaśniający zadanie (zero-shot)
  • 2–3 przykłady few-shot
  • Instrukcję, aby rozumować krok po kroku

Wybór techniki

W wynikach agenta pojawiają się nieprawidłowe obliczenia arytmetyczne. Która technika najbardziej pomoże?

Podsumowanie

Trzy podstawowe techniki to zero-shot, few-shot i CoT. Należy wybrać technikę odpowiednią do zadania, a w razie potrzeby je połączyć.

Często zadawane pytania

Czy lekcja „Zero-shot, few-shot i chain-of-thought” jest bezpłatna?

Tak — pełny tekst „Zero-shot, few-shot i chain-of-thought” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu AI Agents, przejdź na CoddyKit PRO. Kurs AI Agents zawiera 4 lekcji w sumie.

Co nauczysz się w „Zero-shot, few-shot i chain-of-thought”?

Poznaj trzy podstawowe techniki tworzenia promptów: zadaj pytanie bezpośrednio, pokaż przykłady albo poproś model o rozumowanie krok po kroku przed udzieleniem odpowiedzi. Ćwiczysz AI Agents z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć AI Agents?

Nie wymagamy żadnego doświadczenia. AI Agents w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.

Ile czasu zajmuje lekcja „Zero-shot, few-shot i chain-of-thought”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji AI Agents?

Tak. Każda lekcja AI Agents zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Zero-shot, few-shot i chain-of-thought
  2. Role systemu, użytkownika i asystenta
  3. Formatowanie danych wyjściowych (JSON, XML, Markdown)
  4. Zapobieganie prompt injection w danych wejściowych
← Powrót do AI Agents