---
title: "Apa itu few-shot prompting? Contoh di dalam prompt | BroadRouter"
description: "Few-shot prompting menaruh beberapa contoh jadi di dalam prompt agar model meniru polanya. Cara kerjanya, berapa contoh yang dipakai, dan berapa biayanya."
url: https://broadrouter.com/id/glossary/few-shot-prompting/
lang: id
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/glossary/few-shot-prompting/) (diperbarui 2026-11-16).

# Few-shot prompting

Diperbarui 2026-11-16

Few-shot prompting adalah teknik di mana prompt berisi sejumlah kecil contoh input-output yang sudah dikerjakan sebelum input sebenarnya, sehingga model bahasa menyimpulkan tugas dan formatnya dari contoh itu. Bobot model tidak berubah; zero-shot tidak memakai contoh dan one-shot memakai satu.

Disebut juga: few-shot prompting, prompt few-shot, prompting dengan contoh, contoh dalam prompt, few-shot learning, multishot prompting, in-context examples, one-shot prompting

Menunjukkan lebih ampuh daripada menjelaskan. Beberapa contoh sering memperbaiki format dan nada lebih cepat daripada satu paragraf aturan.

## Cara kerjanya

Makalah GPT-3 karya Brown dan rekan-rekannya membuat istilah ini populer. Makalah itu menguji model 175 miliar parameter dengan tugas yang “specified purely via text interaction with the model” (terjemahan: ditentukan murni melalui interaksi teks dengan model), tanpa pembaruan gradien atau fine-tuning, dan menemukan bahwa performa few-shot meningkat tajam seiring ukuran model. Makalah itu mendefinisikan tiga pengaturan:

| Pengaturan | Contoh di dalam prompt |
| --- | --- |
| Zero-shot | tidak ada, hanya instruksi |
| One-shot | satu |
| Few-shot | beberapa, dibatasi oleh context window |

Prompt few-shot untuk memberi label tiket dukungan bisa terlihat seperti ini:

```text
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." ->
```

Model melanjutkan polanya. Panduan Anthropic menyebut contoh sebagai “one of the most reliable ways to steer” (terjemahan: salah satu cara paling andal untuk mengarahkan) format, nada, dan struktur, dan meminta agar contoh relevan, beragam, dan dibungkus tag supaya model bisa membedakannya dari instruksi.

## Mengapa penting

-   **Kontrol format.** Contoh menunjukkan edge case yang terlewat oleh aturan, misalnya cara menulis field yang kosong. Untuk JSON yang ketat, padukan dengan [output terstruktur](https://broadrouter.com/id/glossary/structured-output/).
-   **Biaya.** Setiap contoh dikirim ulang sebagai input di setiap panggilan. Lima contoh berukuran 200 token menambah 1.000 token per request. Jika diletakkan di prefiks tetap, contoh itu bisa ditagih sebagai [token input cache](https://broadrouter.com/id/glossary/cached-input-tokens/).
-   **Penalaran.** Contoh yang menunjukkan langkah-langkahnya, bukan hanya jawabannya, adalah prompting [chain-of-thought](https://broadrouter.com/id/glossary/chain-of-thought/).
-   **Kapan berhenti.** Jika Anda butuh ratusan contoh, [fine-tuning](https://broadrouter.com/id/glossary/fine-tuning/) bisa lebih murah per panggilan daripada mengirimnya setiap kali.

## Di BroadNet Inference

Few-shot prompting tidak memerlukan fitur API khusus; ini hanya teks biasa di `messages`. BroadNet melaporkan `cached_tokens` di `usage`, jadi Anda bisa memeriksa apakah blok contoh Anda dibaca dari cache. Pada kunci PAYG (bayar sesuai pemakaian), harga cache lebih rendah daripada harga input; pada DeepSeek V4.1 Flash, itu $0.0055 dibanding $0.175 per 1 juta token. Untuk tugas bahasa Arab, lihat [prompt engineering bahasa Arab](https://broadrouter.com/id/blog/arabic-prompt-engineering/), dan untuk ekstraksi dokumen dengan contoh, lihat [panduan faktur bahasa Arab](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/).

## Kesalahan umum

-   Memakai contoh yang semuanya punya label atau panjang yang sama. Model akan meniru bias itu.
-   Mengganti-ganti contoh di setiap request. Ini merusak prefiks cache dan membuat hasil lebih sulit dibandingkan.

## Pertanyaan umum

### Berapa banyak contoh yang sebaiknya ada di prompt few-shot?

Anthropic menyarankan 3 sampai 5 untuk hasil terbaik. Lebih banyak contoh berarti lebih banyak token input di setiap panggilan, jadi berhentilah menambah contoh begitu kualitas tidak lagi membaik.

### Apakah few-shot prompting sama dengan fine-tuning?

Tidak. Contoh few-shot ada di dalam prompt dan dikirim ulang di setiap request. Fine-tuning mengubah bobot model sekali, sehingga contohnya tidak perlu dikirim lagi.

### Sebaiknya contoh ditaruh di system prompt atau sebagai giliran chat?

Keduanya bisa. Letakkan di posisi tetap di dekat awal agar membentuk prefiks yang stabil dan bisa di-cache.

## Lihat juga

-   [System prompt (prompt sistem)](https://broadrouter.com/id/glossary/system-prompt/) (istilah)
-   [Chain-of-thought (CoT)](https://broadrouter.com/id/glossary/chain-of-thought/) (istilah)
-   [Fine-tuning](https://broadrouter.com/id/glossary/fine-tuning/) (istilah)
-   [Token input cache (cached input tokens)](https://broadrouter.com/id/glossary/cached-input-tokens/) (istilah)
-   [Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/) (istilah)
-   [Prompt engineering (rekayasa prompt)](https://broadrouter.com/id/glossary/prompt-engineering/) (istilah)
-   [Membaca faktur dan struk berbahasa Arab dengan model vision](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/) (panduan)
-   [Prompt engineering bahasa Arab: register, RTL, angka, teks campuran](https://broadrouter.com/id/blog/arabic-prompt-engineering/) (artikel)
-   [Cara menyusun prompt agar prefiksnya ter-cache](https://broadrouter.com/id/blog/prompt-structure-for-caching/) (artikel)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-few-shot-prompting&utm_content=page-cta) ·

**Sumber**

-   [Brown dkk. (2020), Language Models are Few-Shot Learners (diperiksa 2026-11-16)](https://arxiv.org/abs/2005.14165)
-   [Anthropic, praktik terbaik prompting (menggunakan contoh secara efektif) (diperiksa 2026-11-16)](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices)
-   [Referensi API BroadNet Inference, token cache (diperiksa 2026-11-16) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-few-shot-prompting&utm_content=sources)
