Few-Shot Prompting: mostrar con ejemplos en vez de solo describir

Unos cuantos buenos ejemplos en el prompt a menudo le muestran al modelo más que cualquier descripción, por precisa que sea.

Mostrar en vez de solo describir

Un prompt zero-shot le da al modelo solo una tarea sin ejemplo: «Resume este texto». Un prompt few-shot (también llamado multishot) además muestra dos o tres ejemplos ya resueltos de cómo debe verse la respuesta: formato, tono, estructura. El modelo reconoce el patrón de los ejemplos y lo aplica a tu tarea real.

Por qué suele funcionar mejor

Descripciones como «responde de forma breve y objetiva» dejan mucho margen de interpretación. Un ejemplo muestra exactamente qué significan «breve» y «objetiva» en concreto — no hace falta traducir palabras a comportamiento. Justo en formatos fijos (tablas, JSON, un tono determinado), dos o tres ejemplos suelen ahorrar varias frases de descripción.

Cuándo basta con zero-shot

Para tareas sencillas y de conocimiento general (una traducción obvia, un cálculo simple), few-shot aporta poco valor adicional y solo cuesta más tokens. Few-shot vale la pena sobre todo con formatos especiales, un estilo poco habitual o tareas donde serían posibles varias interpretaciones.

Calidad antes que cantidad

Dos ejemplos elegidos con cuidado y realistas funcionan de forma más fiable que diez cualquiera. Es importante que los ejemplos reflejen tu caso de uso real y cubran casos límite — de lo contrario el modelo adopta patrones secundarios no deseados que por casualidad eran iguales en todos los ejemplos.

EJEMPLO

Zero-Shot: «Clasifica el sentimiento de esta reseña.» Few-Shot: «Ejemplo 1: 'Excelente servicio, ¡llegó en un día!' → positivo Ejemplo 2: 'Se rompió después de una semana, muy decepcionado.' → negativo Clasifica ahora: 'Funciona, pero las instrucciones eran confusas.' → ?» (El modelo reconoce a partir de los dos ejemplos tanto el formato como el grado de matiz y responde de forma consistente, p. ej. con 'neutral'.)

🛠️ EJERCICIO — PRUÉBALO TÚ

Convierte un prompt zero-shot en uno few-shot y compara las respuestas.

Escribe un prompt zero-shot para una tarea con formato fijo, p. ej. 'Resume esta reseña de cliente en una línea con el sentimiento (positivo/neutral/negativo).'
Deja que el modelo resuelva la tarea sin ejemplo y anota el resultado.
Amplía el mismo prompt con dos pares de ejemplos concretos (reseña → resumen deseado) y plantea de nuevo la misma tarea.
Compara ambas respuestas: formato, consistencia, longitud.

✅ AUTOEVALUACIÓN

☐ ¿La respuesta few-shot se acerca más al formato deseado que la respuesta zero-shot?
☐ ¿Tus dos ejemplos cubrieron deliberadamente casos distintos, o eran demasiado similares entre sí?
☐ ¿Qué pasaría si ambos ejemplos hubieran tenido por casualidad el mismo sentimiento?

QUIZ RÁPIDO

¿Qué diferencia a un prompt few-shot de uno zero-shot?