Mostrar funciona mejor que explicar. Unos pocos ejemplos suelen corregir el formato y el tono más rápido que un párrafo de reglas.
Cómo funciona
El artículo de GPT-3 de Brown y sus colegas popularizó el término. Probó un modelo de 175 mil millones de parámetros con tareas “specified purely via text interaction with the model” (traducción: especificadas únicamente mediante interacción de texto con el modelo), sin actualizaciones de gradiente ni fine-tuning, y encontró que el rendimiento few-shot mejoraba mucho con el tamaño del modelo. El artículo define tres modalidades:
| Modalidad | Ejemplos en el prompt |
|---|---|
| Zero-shot | ninguno, solo una instrucción |
| One-shot | uno |
| Few-shot | varios, limitados por la ventana de contexto |
Un prompt few-shot para clasificar tickets de soporte podría verse así:
Ticket: "My card was charged twice." -> billing
Ticket: "The app crashes on login." -> bug
Ticket: "Can you add dark mode?" -> feature_request
Ticket: "I was billed after cancelling." ->
El modelo continúa el patrón. La guía de Anthropic llama a los ejemplos “one of the most reliable ways to steer” (traducción: una de las formas más fiables de orientar) el formato, el tono y la estructura, y pide que sean relevantes, variados y estén envueltos en etiquetas para que el modelo los distinga de las instrucciones.
Por qué importa
- Control del formato. Los ejemplos muestran casos límite que las reglas no cubren, como la forma de escribir un campo vacío. Para JSON estricto, combínelos con la salida estructurada.
- Costo. Cada ejemplo se reenvía como entrada en cada llamada. Cinco ejemplos de 200 tokens añaden 1,000 tokens por solicitud. Colocados en un prefijo fijo, pueden facturarse como tokens de entrada en caché.
- Razonamiento. Los ejemplos que muestran los pasos, no solo la respuesta, son prompting de chain-of-thought.
- Cuándo parar. Si necesita cientos de ejemplos, el fine-tuning puede salir más barato por llamada que enviarlos cada vez.
En BroadNet Inference
El few-shot prompting no necesita ninguna función especial de la API; es texto normal en messages. BroadNet informa cached_tokens dentro de usage, así que puede comprobar si su bloque de ejemplos se está leyendo desde el caché. Con una clave de pago por uso, el precio en caché es menor que el de entrada; en DeepSeek V4.1 Flash es $0.0055 frente a $0.175 por 1M de tokens. Para tareas en árabe, consulte ingeniería de prompts en árabe, y para extraer datos de documentos con ejemplos, la guía de facturas en árabe.
Errores comunes
- Usar ejemplos que comparten todos la misma etiqueta o longitud. El modelo copia ese sesgo.
- Rotar los ejemplos en cada solicitud. Rompe el prefijo en caché y hace más difícil comparar resultados.