few-shot-patterns

Few-Shot パターン

Few-shot プロンプティングでは、望ましい動作を示す入力と出力のペアを例として提示します。AI は例からパターンを学び、新しい入力に適用します。出力の品質は、例の品質によって直接決まります。

例が効果を発揮する理由

例は、指示だけでは伝えられないことを伝えます。

• 暗黙のパターン：AI は明示的に伝えられなくても、例から形式、スタイル、推論のパターンを学びます
• 曖昧さの解消：指示を複数通りに解釈できる場合、例によって望ましい解釈を示せます
• 品質の基準設定：例によって、出力の品質、長さ、深さの基準を定められます
• エッジケースへの対応：難しいケースの例を示すことで、AI に似た状況への対処方法を教えられます

例を設計する原則

多様性：同じ種類を繰り返すのではなく、さまざまなシナリオを取り上げます

• 簡単なケース、難しいケース、エッジケースを含めます
• 入力の形式や内容に変化をつけます
• 該当する場合は、異なる有効な出力形式を示します 明確さ：各例で、明確なパターンをひとつ示します
• 複数通りに解釈できる例は避けます
• 入力から出力への対応を明確にします
• 例の間にある無関係な違いを取り除きます 品質：例は出力品質の上限を定めます
• どの例も、そのまま公開してよいと思える品質にします
• 例に欠点があれば、AI はその欠点を再現します
• 例の作成に時間をかけましょう。指示よりも価値があります 順序：例の順番は重要です
• 最も代表的な例を最初に置きます
• エッジケースは一般的なケースの後に置きます
• 予想される入力形式に最も近い例で締めくくります

例はいくつ必要か

• ゼロショット：例なし。指示のみに依存します。単純で十分に理解されているタスクに適しています。
• ワンショット：例をひとつ提示します。パターンが単純な場合に十分です。
• Few-shot（3～5）：複数の例を提示します。複雑なパターンや、品質に細かな要件がある場合に最適です。
• Many-shot（5以上）：効果は次第に薄れますが、変動の大きいタスクや一貫性が非常に重要な場合に役立ちます。 例の数とコンテキストウィンドウのコストのバランスを取りましょう。例が増えるほど、ほかのコンテキストに使える余地が減ります。

アンチパターン

• 同一の例：どの例もほぼ同じで、変化について何も学べません
• 完璧な例だけ：不完全な入力やエッジケースへの対処例がありません
• 矛盾する例：一貫性のないパターンを示しています
• 品質の低い例：粗雑な例は、粗雑な出力を生みます
• 古くなった例：現在の要件を反映していません

設計成果物

• タスクの種類ごとの例のライブラリ
• 例の品質評価基準
• 例の選定ガイドライン
• 例の保守・更新スケジュール
• 例の有効性テスト結果