Capítulo 2: Tipos de Prompts (Zero-shot, Few-shot)
🎯 Objetivos de Aprendizaje
Después de completar este capítulo, usted podrá:
- Definir y aplicar zero-shot prompting
- Definir y aplicar few-shot prompting
- Determinar cuándo utilizar cada enfoque
- Crear ejemplos efectivos para few-shot learning
📚 Introducción
Una de las decisiones más importantes en la ingeniería de prompts es si proporcionar ejemplos o no. Este capítulo explora los dos enfoques fundamentales: zero-shot (sin ejemplos) y few-shot (con ejemplos) prompting.
Comprendiendo la Terminología
Antes de comenzar, aclaremos estos términos tomados del aprendizaje automático:
| Término | Significado en IA | Significado en Prompting |
|---|---|---|
| Zero-shot | El modelo realiza la tarea sin entrenamiento específico | Prompt sin ejemplos |
| One-shot | El modelo aprende de un ejemplo | Prompt con un ejemplo |
| Few-shot | El modelo aprende de unos pocos ejemplos | Prompt con 2-5+ ejemplos |
Zero-Shot Prompting
Zero-shot prompting significa pedirle a la IA que realice una tarea sin proporcionar ningún ejemplo.
Cómo Funciona
┌─────────────────────────────────────────────────────────────┐
│ ZERO-SHOT PROMPTING │
├─────────────────────────────────────────────────────────────┤
│ │
│ USER: "Translate 'Hello, how are you?' to French" │
│ │
│ AI relies on: │
│ • Pre-trained knowledge │
│ • Understanding of task from instruction │
│ • No specific examples provided │
│ │
│ AI: "Bonjour, comment allez-vous ?" │
│ │
└─────────────────────────────────────────────────────────────┘
Ejemplos de Zero-Shot
Clasificación simple:
Classify the sentiment of this review as positive,
negative, or neutral:
"The product arrived on time but the quality was
disappointing. Won't buy again."
Sentiment:
Generación de texto:
Write a professional email declining a job offer
politely while leaving the door open for future
opportunities.
Extracción de información:
Extract the date, time, and location from this text:
"The conference will be held on March 15, 2024,
at 9 AM in the Grand Ballroom of the Hilton Hotel."
Cuándo Usar Zero-Shot
✅ Utilice zero-shot cuando:
- La tarea es sencilla y bien definida
- Es probable que la IA tenga capacidades preentrenadas sólidas para la tarea
- Desea resultados rápidos sin crear ejemplos
- El formato/estilo que desea es estándar
❌ Evite zero-shot cuando:
- La tarea requiere un formato específico
- Necesita consistencia en muchos resultados
- La tarea es inusual o específica de un dominio
- Los resultados iniciales de zero-shot son inconsistentes
Few-Shot Prompting
Few-shot prompting proporciona ejemplos que demuestran el patrón de entrada-salida deseado.
Cómo Funciona
┌─────────────────────────────────────────────────────────────┐
│ FEW-SHOT PROMPTING │
├─────────────────────────────────────────────────────────────┤
│ │
│ EXAMPLES PROVIDED: │
│ ┌─────────────────────────────────────────┐ │
│ │ Example 1: Input → Output │ │
│ │ Example 2: Input → Output │ │
│ │ Example 3: Input → Output │ │
│ └─────────────────────────────────────────┘ │
│ │
│ NEW INPUT: [Your actual task] │
│ │
│ AI learns the pattern from examples and applies it │
│ │
└─────────────────────────────────────────────────────────────┘
Ejemplo Few-Shot: Clasificación de Sentimiento
Classify the sentiment of movie reviews.
Review: "This movie was absolutely fantastic! Best film I've seen this year."
Sentiment: Positive
Review: "Terrible acting, boring plot. Complete waste of time."
Sentiment: Negative
Review: "It was okay. Some good parts, some not so good."
Sentiment: Neutral
Review: "The special effects were amazing but the story was predictable."
Sentiment:
Ejemplo Few-Shot: Extracción de Datos
Extract product information from descriptions.
Description: "Apple MacBook Pro 14-inch, M3 chip, 16GB RAM, 512GB SSD, Space Gray - $1,999"
Product: MacBook Pro 14-inch
Brand: Apple
Specs: M3 chip, 16GB RAM, 512GB SSD
Color: Space Gray
Price: $1,999
Description: "Samsung Galaxy S24 Ultra, 256GB, Titanium Black, Unlocked - $1,299.99"
Product: Galaxy S24 Ultra
Brand: Samsung
Specs: 256GB, Unlocked
Color: Titanium Black
Price: $1,299.99
Description: "Sony WH-1000XM5 Wireless Noise Canceling Headphones, Silver - $349"
Product:
Brand:
Specs:
Color:
Price:
Ejemplo Few-Shot: Formato Personalizado
Convert meeting notes to action items format.
Notes: "John will update the website by Friday. Sarah needs to review the budget proposal. Team should schedule a follow-up meeting next week."
Action Items:
• [ ] John: Update website (Due: Friday)
• [ ] Sarah: Review budget proposal
• [ ] Team: Schedule follow-up meeting (Due: Next week)
---
Notes: "Marketing to prepare Q2 campaign by March 1st. Dev team should fix the login bug ASAP. Lisa will coordinate with the vendor about pricing."
Action Items:
• [ ] Marketing: Prepare Q2 campaign (Due: March 1st)
• [ ] Dev team: Fix login bug (Priority: ASAP)
• [ ] Lisa: Coordinate with vendor about pricing
---
Notes: "Tom needs to finish the report. The design team will create new mockups. We should update clients about the delay."
Action Items:
Comparación: Zero-Shot vs Few-Shot
| Aspecto | Zero-Shot | Few-Shot |
|---|---|---|
| Ejemplos necesarios | Ninguno | 2-5+ |
| Tiempo de preparación | Mínimo | Más esfuerzo |
| Consistencia | Variable | Mayor |
| Uso de tokens | Menor | Mayor (los ejemplos consumen tokens) |
| Mejor para | Tareas estándar | Formatos personalizados, casos límite |
| Curva de aprendizaje | Menor | Requiere buena selección de ejemplos |
Comparación Visual
ZERO-SHOT:
┌─────────────────────────────────────┐
│ Task: Classify sentiment │
│ │
│ Input: "Great product!" │
│ │
│ → AI uses general knowledge │
│ │
│ Output: Positive │
└─────────────────────────────────────┘
FEW-SHOT:
┌─────────────────────────────────────┐
│ Task: Classify sentiment │
│ │
│ Example 1: "Love it!" → Positive │
│ Example 2: "Hate it!" → Negative │
│ Example 3: "It's fine" → Neutral │
│ │
│ Input: "Great product!" │
│ │
│ → AI learns pattern from examples │
│ │
│ Output: Positive │
└─────────────────────────────────────┘
Mejores Prácticas para Ejemplos Few-Shot
1. Diversidad en los Ejemplos
Incluya ejemplos que cubran diferentes escenarios:
✓ BUENO: Ejemplos diversos
- Reseña positiva (corta)
- Reseña negativa (detallada)
- Reseña neutral (sentimientos mixtos)
✗ MALO: Ejemplos homogéneos
- Reseña positiva
- Otra reseña positiva
- Otra reseña positiva más
2. Formato Consistente
Mantenga la misma estructura en todos los ejemplos:
✓ BUENO: Formato consistente
Input: "text" → Category: [result]
Input: "text" → Category: [result]
Input: "text" → Category: [result]
✗ MALO: Formato inconsistente
Input: "text" → Category: [result]
"text" is: [result]
[result] for "text"
3. Ejemplos Representativos
Elija ejemplos que representen casos de uso reales:
✓ BUENO: Realista
"The delivery was late but the product quality is excellent" → Mixed
✗ MALO: Artificial
"Product good. Happy. Buy again." → Positive
4. Delimitadores Claros
Separe los ejemplos de manera clara:
✓ BUENO: Separación clara
Example 1:
Input: [text]
Output: [result]
---
Example 2:
Input: [text]
Output: [result]
---
Now process:
Input: [new text]
Output:
¿Cuántos Ejemplos?
| Número | Nombre | Caso de Uso |
|---|---|---|
| 0 | Zero-shot | Tareas estándar y bien definidas |
| 1 | One-shot | Demostración de patrón simple |
| 2-3 | Few-shot | Lo más común para tareas personalizadas |
| 4-5 | Few-shot | Tareas complejas o matizadas |
| 6+ | Many-shot | Patrones altamente específicos |
Token Economics
Más ejemplos = más tokens = mayor costo. Encuentre el número mínimo de ejemplos que logre resultados consistentes.
Avanzado: Few-Shot con Chain-of-Thought
Combine few-shot con explicaciones de razonamiento:
Solve these word problems.
Problem: "A store has 45 apples. They sell 12 and receive a shipment of 30. How many apples do they have?"
Thinking: Start with 45, subtract 12 sold (45-12=33), add 30 received (33+30=63)
Answer: 63 apples
Problem: "If a train travels at 60 mph for 2.5 hours, how far does it go?"
Thinking: Distance = Speed × Time, so 60 mph × 2.5 hours = 150 miles
Answer: 150 miles
Problem: "A recipe needs 3 cups of flour for 12 cookies. How much flour for 20 cookies?"
Thinking:
Answer:
Ejercicio Práctico
Ejercicio: Convertir Zero-Shot a Few-Shot
Este prompt zero-shot da resultados inconsistentes:
Convert these informal messages to professional emails.
Message: "hey can u send me the report asap thx"
Su tarea: Cree una versión few-shot con 2-3 ejemplos que asegure un formato consistente.
Ver solución
Convert informal messages to professional emails.
Message: "hey can u send me the report asap thx"
Professional Email:
Subject: Report Request
Dear [Name],
I hope this message finds you well. Could you please
send me the report at your earliest convenience?
Thank you for your assistance.
Best regards,
[Your name]
---
Message: "yo meeting 2morrow is cancelled btw"
Professional Email:
Subject: Meeting Cancellation Notice
Dear Team,
I wanted to inform you that tomorrow's meeting has
been cancelled. I apologize for any inconvenience.
We will reschedule and notify you of the new date.
Best regards,
[Your name]
---
Message: "can someone fix the printer its broken again"
Professional Email:
Subject: Printer Maintenance Request
Dear IT Support,
I am writing to report that the printer in [location]
is not functioning properly. Could someone please
look into this issue? Thank you for your help.
Best regards,
[Your name]
---
Message: "running late to the client call sry"
Professional Email:
Puntos Clave
Summary
- El zero-shot prompting funciona sin ejemplos; es ideal para tareas estándar
- El few-shot prompting utiliza ejemplos para demostrar patrones; es ideal para formatos personalizados
- 2-3 ejemplos suelen ser suficientes para la mayoría de las tareas
- Los ejemplos deben ser diversos, consistentes y representativos
- Más ejemplos = mayor costo; encuentre el número mínimo efectivo
- Few-shot destaca en formatos personalizados, casos límite y asegurar consistencia
¿Qué Sigue?
En el próximo capítulo, exploraremos las estructuras básicas de prompts que proporcionan marcos para diferentes tipos de tareas.
← Anterior: Anatomía de un Prompt | Siguiente: Estructuras Básicas de Prompts →