Início › Glossário › Few-Shot Prompting
Glossário

O que é Few-Shot Prompting?

Few-shot prompting é uma técnica em que você inclui de dois a cinco exemplos do padrão de entrada e saída desejado dentro do próprio prompt, antes de fazer a pergunta real. Em vez de explicar o que quer em palavras, você mostra. O modelo aprende o padrão pelos exemplos e replica na nova resposta. É a técnica mais eficiente para padronizar formato, tom e estilo de resposta.

A diferença entre zero-shot, one-shot e few-shot

Essas três variações se referem ao número de exemplos que você fornece no prompt:

Zero-shot: nenhum exemplo — você só descreve a tarefa. 'Classifique este e-mail como positivo, negativo ou neutro.' Funciona bem para tarefas simples que o modelo já conhece.

One-shot: um exemplo antes da pergunta. Você mostra o padrão uma vez e pede que o modelo replique.

Few-shot: dois a cinco (ou mais) exemplos. Quanto mais complexo ou específico for o formato desejado, mais exemplos ajudam. Estudos mostram que three-shot a five-shot costuma ser o ponto de equilíbrio entre contexto e comprimento do prompt.

Exemplo real de few-shot prompting

Suponha que você quer classificar feedbacks de clientes por sentimento e extrair a palavra-chave principal. Em vez de descrever a tarefa em parágrafos, você mostra o padrão:

Entrada: 'O produto chegou rápido mas a embalagem estava amassada.' → Sentimento: Neutro | Palavra-chave: embalagem

Entrada: 'Atendimento excelente, resolveram meu problema em 5 minutos!' → Sentimento: Positivo | Palavra-chave: atendimento

Entrada: 'Cobrei duas vezes no cartão e ninguém me responde.' → Sentimento: Negativo | Palavra-chave: cobrança

Agora classifique: 'A cor do produto é linda, mas o tamanho veio errado.'

O modelo vai gerar exatamente no formato mostrado, sem você precisar explicar a estrutura em palavras.

Quando usar few-shot prompting

Few-shot é especialmente eficaz em três situações:

Formatação específica: quando o resultado precisa ter uma estrutura exata (tabela, JSON, bullet points em determinada ordem) que seria difícil de descrever em palavras.

Tom e estilo personalizados: quando você quer que a IA escreva como você, ou no estilo de uma marca específica — mostrar exemplos é mais eficiente do que descrever o estilo.

Tarefas ambíguas: quando a descrição verbal da tarefa pode ser interpretada de várias formas e você precisa garantir que a IA entenda exatamente o que você quer.

Em contrapartida, few-shot consome espaço de contexto (tokens). Para tarefas simples e diretas, zero-shot é mais eficiente.

Perguntas frequentes

Quantos exemplos devo usar no few-shot?
Para a maioria das tarefas, três exemplos são suficientes. Para tarefas com muitas variações ou padrões complexos, cinco a oito exemplos melhoram a consistência. Mais do que isso raramente ajuda e aumenta o custo de tokens (especialmente relevante para quem usa API com cobrança por token).
Few-shot prompting funciona com o ChatGPT gratuito?
Sim, perfeitamente. A técnica funciona com qualquer modelo de linguagem — ChatGPT, Claude, Gemini, modelos open source. Não depende de plano pago. A limitação é apenas o tamanho máximo do contexto, que varia por modelo e versão.
Qual é a diferença entre few-shot e fine-tuning?
Few-shot usa exemplos dentro do prompt em tempo real — sem treinar o modelo, sem custo adicional e sem alterar os pesos do modelo. Fine-tuning treina o modelo em novos dados, alterando seus pesos internamente — é mais permanente, mais caro e mais técnico. Few-shot é a opção prática para quem não é desenvolvedor.
Few-shot funciona para geração de imagem também?
Não da mesma forma. Modelos de geração de imagem como DALL-E e Midjourney recebem descrições (prompts de texto), não exemplos entrada-saída no mesmo formato dos LLMs. A técnica de few-shot é específica para modelos de linguagem que processam texto.

Termos relacionados

Mulher brasileira digitando prompt estruturado em ferramenta de IA, aprendendo prompt engineering na prática
Glossário

Prompt Engineering

O que é prompt engineering, para que serve e como aprender do zero. Definição clara com exemplos práticos em português.

Ler →
Desenvolvedor brasileiro configurando um system prompt de inteligência artificial para personalizar o comportamento de um assistente de IA
Glossário

System Prompt

Entenda o que é system prompt em IA: a instrução invisível que define como o modelo se comporta antes mesmo de você escrever qualquer coisa.

Ler →
Empreendedor brasileiro escrevendo prompt com técnica chain of thought em laptop em café iluminado
Glossário

Chain of Thought (CoT)

Chain of Thought é a técnica de pedir que a IA raciocine passo a passo antes de responder. Aprenda como funciona, quando usar e exemplos práticos em português.

Ler →
Criador de conteúdo brasileiro comparando resultados após aprender como criar prompts melhores para IA
Guia

Como criar prompts melhores para IA: 7 técnicas que funcionam

7 técnicas práticas de prompt engineering para tirar respostas muito melhores do ChatGPT, Claude e outras IAs. Com exemplos prontos em português.

Ler →

← Ver glossário completo