Few shot prompting – zero-shot, one-shot i few-shot z przykładami promptów

Few shot prompting to podawanie modelowi językowemu kilku przykładów „wejście – oczekiwany wynik” w samym prompcie, zanim dostanie właściwe zadanie. Zero-shot to polecenie bez przykładów, one-shot – z jednym. Przykłady najlepiej sterują formatem, tonem i etykietami. Przy modelach rozumujących zaczyna się od zera przykładów, a dokłada je dopiero wtedy, gdy wynik rozjeżdża się z oczekiwanym.

Ten tekst porównuje trzy warianty na promptach po polsku, pokazuje, co o przykładach piszą dziś OpenAI, Anthropic, Google i DeepSeek, i liczy, ile przykłady kosztują w API. Szerszy przegląd technik, od łańcucha myśli po RAG, znajdziesz w przewodniku po inżynierii promptów.

Czym jest few shot prompting

Few shot prompting polega na tym, że model uczy się wzorca z przykładów umieszczonych w kontekście, bez żadnej zmiany swoich wag. Mechanizm nazywa się uczeniem w kontekście (in-context learning): przykłady działają tylko w tym jednym wywołaniu i znikają razem z rozmową.

Nazwy zero-shot, one-shot i few-shot spopularyzowała praca OpenAI o GPT-3, „Language Models are Few-Shot Learners” (Brown i in., 2020). Autorzy zdefiniowali trzy ustawienia:

• zero-shot – model dostaje tylko opis zadania w języku naturalnym
• one-shot – opis zadania plus jedna demonstracja
• few-shot – opis zadania plus kilka demonstracji; w eksperymentach z GPT-3 było ich zwykle od 10 do 100, bo tyle mieściło okno kontekstu o długości 2048 tokenów

Dzisiejsze modele mają okna liczone w setkach tysięcy tokenów, więc ograniczeniem przestał być rozmiar kontekstu. Ograniczeniem jest koszt i to, czy przykłady w ogóle pomagają danemu modelowi – o tym dalej. Zwykły użytkownik czatu stosuje few-shot nieświadomie za każdym razem, gdy wkleja „zrób to tak jak tutaj” i dołącza wzór. Ten sam mechanizm w aplikacjach siedzi zwykle w prompcie systemowym, w osobnej sekcji z przykładami.

Zero-shot, one-shot i few-shot – porównanie

Różnica między wariantami sprowadza się do liczby przykładów, a ta przekłada się na trzy rzeczy: przewidywalność formatu, koszt tokenów i ryzyko, że model zacznie kopiować przykład zamiast myśleć.

Liczba 3-5 pochodzi z dokumentacji Anthropic dla modeli Claude. Google w dokumentacji Gemini API nie podaje liczby i każe ją dobrać eksperymentalnie, z ostrzeżeniem, że zbyt wiele przykładów prowadzi do przeuczenia na nich.

Przykłady promptów po polsku

Ten sam problem – sortowanie wiadomości od klientów sklepu internetowego – wygląda inaczej w każdym z trzech wariantów. Różnicę najlepiej widać, gdy etykiety są firmowe, a nie oczywiste.

Prompt zero-shot

Przypisz wiadomość klienta do jednej kategorii: REKLAMACJA, ZWROT, DOSTAWA, INNE.
Odpowiedz samą nazwą kategorii.

Wiadomość: „Kurier był wczoraj, ale paczka miała rozerwany karton i pękniętą szybkę.”

Działa, jeśli granice kategorii są oczywiste. Tu nie są: uszkodzenie w transporcie część firm traktuje jako reklamację, a część jako sprawę dostawy. Model zgadnie według własnego uznania.

Prompt one-shot

Przypisz wiadomość klienta do jednej kategorii: REKLAMACJA, ZWROT, DOSTAWA, INNE.
Odpowiedz samą nazwą kategorii.

Wiadomość: „Paczka doszła zgnieciona, a kubek w środku jest wyszczerbiony.”
Kategoria: REKLAMACJA

Wiadomość: „Kurier był wczoraj, ale paczka miała rozerwany karton i pękniętą szybkę.”
Kategoria:

Jeden przykład rozstrzyga sporny przypadek: uszkodzenie w transporcie to reklamacja. Słabość: model może uznać, że każda wiadomość o paczce jest reklamacją.

Prompt few-shot

Przypisz wiadomość klienta do jednej kategorii: REKLAMACJA, ZWROT, DOSTAWA, INNE.
Odpowiedz samą nazwą kategorii.

Wiadomość: „Paczka doszła zgnieciona, a kubek w środku jest wyszczerbiony.”
Kategoria: REKLAMACJA

Wiadomość: „Rozmyśliłam się, chcę oddać buty, są nieużywane.”
Kategoria: ZWROT

Wiadomość: „Śledzenie od trzech dni pokazuje ten sam sortownik.”
Kategoria: DOSTAWA

Wiadomość: „Czy wystawiacie faktury na firmę?”
Kategoria: INNE

Wiadomość: „Kurier był wczoraj, ale paczka miała rozerwany karton i pękniętą szybkę.”
Kategoria:

Cztery przykłady pokrywają wszystkie etykiety po razie, więc żadna nie dominuje, a model widzi granicę między reklamacją a dostawą. To jest sytuacja, w której few-shot wygrywa z każdą instrukcją: etykiety są umowne i łatwiej je pokazać niż opisać.

Ten sam few-shot w tagach dla Claude

Anthropic zaleca oddzielanie przykładów od instrukcji tagami <example>, a całego zestawu – tagiem <examples>:

<instrukcje>
Przypisz wiadomość klienta do jednej kategorii: REKLAMACJA, ZWROT, DOSTAWA, INNE.
Odpowiedz samą nazwą kategorii.
</instrukcje>

<examples>
<example>
<wiadomosc>Paczka doszła zgnieciona, a kubek w środku jest wyszczerbiony.</wiadomosc>
<kategoria>REKLAMACJA</kategoria>
</example>
<example>
<wiadomosc>Rozmyśliłam się, chcę oddać buty, są nieużywane.</wiadomosc>
<kategoria>ZWROT</kategoria>
</example>
</examples>

<wiadomosc>Kurier był wczoraj, ale paczka miała rozerwany karton i pękniętą szybkę.</wiadomosc>

Tagi chronią przed tym, że model potraktuje treść przykładu jak polecenie. Więcej o strukturze promptów, rolach i formatowaniu znajdziesz w poradniku jak pisać prompty.

Kiedy który wariant

Zacznij od zero-shot i dokładaj przykłady dopiero wtedy, gdy wynik ma zły format, złe etykiety albo zły ton. Ta kolejność jest zgodna z zaleceniem OpenAI dla modeli rozumujących i chroni przed płaceniem za przykłady, które nic nie zmieniają.

Instrukcja i przykłady nie wykluczają się, a przy dobrych przykładach instrukcja może się skurczyć. Google w dokumentacji Gemini dopuszcza nawet usunięcie instrukcji, jeśli przykłady wystarczająco jasno pokazują zadanie. Bezpieczniej jednak zostawić krótkie polecenie, bo ono mówi modelowi, czego przykłady mają go nauczyć.

Few-shot a modele rozumujące

Modele rozumujące, które przed odpowiedzią generują własny tok myślenia, zwykle radzą sobie bez przykładów, a w części przypadków przykłady im szkodzą. Dostawcy różnią się jednak w zaleceniach i warto znać każde z nich, zanim przeniesie się prompt z jednego modelu na drugi.

Co mówią dostawcy

Rozbieżność jest pozorna. Przykłady pomagają w formie odpowiedzi, a coraz słabiej w rozumowaniu. Potwierdza to praca Cheng i in. („Revisiting Chain-of-Thought Prompting: Zero-shot Can Be Stronger than Few-shot”, arXiv, czerwiec 2025, poprawiona w styczniu 2026): w silnych modelach, takich jak Qwen2.5, przykłady z rozpisanym rozumowaniem nie poprawiały wyników względem zero-shot, a służyły głównie wyrównaniu formatu. Szerzej o samym modelu DeepSeek piszemy w tekście o DeepSeek R1.

Rozumowanie jest dziś w wielu modelach domyślne. W Claude Fable 5.1 i Claude Opus 5.5 myślenie jest zawsze włączone, a jego głębokość reguluje parametr effort. W GPT-6 Astra parametr reasoning.effort przyjmuje wartości low, medium (domyślnie), high, xhigh i max, bez opcji wyłączenia rozumowania. Zero-shot jest więc dla tych modeli naturalnym punktem startu.

Co z „pomyśl krok po kroku”

Dopisek „pomyśl krok po kroku” to zero-shot chain-of-thought i w modelach rozumujących jest zbędny. Jest też wariant few-shot CoT, opisany przez Wei i in. w 2022 roku: w przykładach podaje się nie tylko odpowiedź, ale i rozpisane kroki rozumowania – model PaLM 540B z ośmioma takimi przykładami ustanowił wtedy rekord w zbiorze GSM8K. Zero-shot CoT opisali Kojima i in. w 2022 roku: na modelu text-davinci-002 sam dopisek podniósł trafność w zbiorze MultiArith z 17,7% do 78,7%, a w GSM8K z 10,4% do 40,7%, bez żadnych przykładów.

To wynik z epoki modeli bez wbudowanego rozumowania. OpenAI pisze dziś wprost, że prośba o myślenie krok po kroku jest przy modelach rozumujących niepotrzebna, bo rozumują one wewnętrznie. Anthropic idzie dalej: ogólne polecenie w rodzaju „przemyśl to dokładnie” często daje lepsze rozumowanie niż ręcznie rozpisany plan, a w modelach Claude Fable 5.1, Fable 5, Opus 5.5, Opus 5 i Sonnet 5.5 prośba o wypisanie rozumowania w tagach <thinking> może zostać odrzucona. Zamiast niej obniża się albo podnosi effort. Mechanikę łańcucha myśli wyjaśniamy w artykule o Chain of Thought.

Jak dobierać przykłady

Dobre przykłady są trafne, zróżnicowane, w jednym formacie i zbalansowane między etykietami, bo model uczy się z nich także rzeczy, których nie chciałeś mu pokazać.

Badania nad uczeniem w kontekście dają tu trzy praktyczne wnioski:

1. Format liczy się bardziej, niż się wydaje. Min i in. (2022, „Rethinking the Role of Demonstrations”) pokazali, że losowa podmiana etykiet w przykładach ledwo obniża wyniki. Model czerpie z przykładów głównie przestrzeń etykiet, typ tekstu wejściowego i format, a mniej samą poprawność odpowiedzi.
2. Kolejność i dobór zmieniają wynik. Zhao i in. (ICML 2021, „Calibrate Before Use”) wykazali, że format promptu, wybór przykładów i nawet ich kolejność potrafią zmienić trafność GPT-3 od poziomu losowego do bliskiego najlepszym wynikom. Przyczyną są skłonności modelu, m.in. do etykiety najczęstszej w przykładach i do etykiety z ostatniego przykładu.
3. Zbyt podobne przykłady uczą skrótów. Anthropic zaleca przykłady na tyle zróżnicowane, by Claude nie wyłapał niezamierzonych wzorców, i pokrywające przypadki brzegowe.

Lista kontrolna przed wysłaniem promptu few-shot:

Przykłady nie chronią przed zmyślaniem faktów, tylko przed złym formatem. Jak ograniczać halucynacje AI, opisujemy osobno.

Ile kosztują przykłady i jak pomaga cache promptu

Każdy przykład to dodatkowe tokeny wejścia w każdym wywołaniu, ale stały blok przykładów można trzymać w cache promptu, który u Anthropic kosztuje zwykle 10% ceny wejścia (w Claude Sonnet 5.5 tak właśnie jest). Przy dużych wolumenach cache decyduje, czy few-shot w ogóle się opłaca.

Przykład rachunku dla Claude Sonnet 5.5 według cennika API Anthropic: 2 USD za milion tokenów wejścia, 0,20 USD za milion tokenów odczytanych z cache, 2,50 USD za milion tokenów zapisanych do cache pięciominutowego. Zadanie: 10 000 wiadomości po 50 tokenów, instrukcja 100 tokenów, pięć przykładów po 100 tokenów. Tokeny wyjścia są takie same we wszystkich wariantach, więc je pomijam.

Few-shot z cache wychodzi taniej niż zero-shot bez cache, bo stała część promptu kosztuje w cache dziesięć razy mniej. Są trzy warunki:

• minimalna długość – Claude Sonnet 5.5 cache’uje prompty od 512 tokenów, ale Claude Sonnet 5 i Opus 4.8 dopiero od 1 024; krótszy blok przechodzi bez cache i bez komunikatu o błędzie, więc 600-tokenowy zestaw na Sonnecie 5 kosztowałby pełne 13 USD
• ciągłość ruchu – cache pięciominutowy wygasa, jeśli przez pięć minut nikt z niego nie skorzysta; każdy odczyt go odświeża
• kolejność w prompcie – przykłady i instrukcja muszą być na początku, a zmienna wiadomość na końcu, bo cache obejmuje stały prefiks

Liczby tokenów w przykładzie są umowne. Rzeczywista liczba zależy od tokenizatora: Anthropic podaje, że tokenizator modeli Claude od wersji 4.7 daje około 30% więcej tokenów dla tego samego tekstu niż poprzedni. Jak tekst zamienia się w tokeny, wyjaśnia artykuł o tokenizacji, a mechanikę i ceny cache u różnych dostawców – tekst o cache kontekstu.

Many-shot i dynamiczny dobór przykładów

Gdy kilka przykładów nie wystarcza, są dwie drogi: wkleić ich setki (many-shot) albo dobierać kilka najbardziej pasujących do każdego zapytania (dynamiczny few-shot).

Many-shot. Zespół Google DeepMind (Agarwal i in., „Many-Shot In-Context Learning”, NeurIPS 2024) pokazał, że przejście od kilku do setek i tysięcy przykładów daje znaczące zyski w wielu zadaniach, pozwala przełamać uprzedzenia wyniesione z pretreningu i w części zadań zbliża się do wyników dostrajania. Autorzy opisali też wariant z rozumowaniem wygenerowanym przez sam model zamiast ludzkich przykładów. Długie okna kontekstu to umożliwiają, ale bez cache promptu koszt rośnie liniowo z liczbą przykładów. Kiedy zamiast tego lepiej dostroić model, rozważamy w porównaniu RAG i dostrajania.

Dynamiczny few-shot. System trzyma bazę gotowych par „wejście – wynik”, zamienia je na embeddingi i do każdego zapytania wybiera kilka przykładów najbliższych znaczeniowo. Model dostaje mało przykładów, ale trafnych. Minus: każde zapytanie ma inny prompt, więc blok przykładów przestaje być stałym prefiksem i traci tańszy odczyt z cache.

FAQ

Źródła

• Prompting best practices, Anthropic – przykłady few-shot (multishot), tagi example, przykłady przy włączonym myśleniu
• Pricing, Anthropic – ceny modeli Claude i mnożniki cache promptu
• Reasoning best practices, OpenAI – zero-shot jako punkt startu dla modeli rozumujących
• DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning, DeepSeek-AI, arXiv – wpływ few-shot na wyniki DeepSeek-R1

Ostatnia aktualizacja: 3 października 2026 · Zgłoś poprawkę