Capitolo 3 — Few-shot: mostrare invece di spiegare
C'è una verità che i linguisti conoscono da sempre e che con gli LLM diventa una tecnica operativa: descrivere a parole uno stile è difficilissimo, mostrarlo è immediato. Prova a spiegare a parole come scrivi gli oggetti delle tue email. "Brevi ma informativi, professionali ma non freddi..." — dopo dieci aggettivi non hai ancora detto niente. Poi ne mostri tre, e chiunque capisce al volo.
Il few-shot prompting è esattamente questo: invece di istruzioni lunghe, dai al modello due-cinque esempi di input con il loro output desiderato, e poi il caso nuovo. Il modello, che è una macchina per continuare pattern, riconosce il pattern e lo prosegue. Per compiti di classificazione, formattazione, riscrittura nello stesso stile, è la tecnica con il miglior rapporto tra sforzo e risultato di tutto il livello.
Ci sono tre regole del mestiere. Primo: gli esempi devono coprire anche i casi ambigui, non solo quelli facili. Se classifichi recensioni in positive e negative, l'esempio prezioso è quello misto ("consegna lenta ma prodotto ottimo") — è lì che insegni al modello dove passare il confine. Secondo: gli esempi devono essere coerenti tra loro nel formato — stessa struttura, stessa punteggiatura, stesse maiuscole — perché il modello imita tutto, incluse le sbavature. Un esempio scritto male è un'istruzione a scrivere male. Terzo: pochi ma buoni. Due-cinque esempi bastano quasi sempre; dieci esempi mediocri valgono meno di tre eccellenti.
Nota come questo si incastra con i capitoli precedenti: gli esempi vanno nel blocco 4 dell'anatomia del prompt, ognuno delimitato dai suoi tag. I pezzi del livello si compongono.
L'esperimento del giorno. Scegli un compito ricorrente con un formato preciso — oggetti delle email, titoli di documenti, nomi di file, messaggi di commit se programmi. Scrivi tre esempi curati e chiedi al modello di generalizzarli su cinque casi nuovi. Osserva quanto poco testo di istruzioni ti è servito.