Few-shot é a técnica de incluir exemplos no prompt para guiar o modelo. "Few" porque tipicamente são 1 a 5 exemplos. Os exemplos atuam como demonstração: "veja como quero que seja, agora faça o seu".
Estrutura típica:
Classifique o sentimento de reviews em positivo, negativo ou neutro.Review: "Comida ótima, atendimento horrível." Sentimento: neutro
Review: "Pior pizza que já comi." Sentimento: negativo
Review: "Adorei o ambiente e o garçom foi simpático." Sentimento: positivo
Review: "Demorou 2 horas para chegar mas estava boa." Sentimento: ```
O modelo aprende o padrão dos exemplos e completa.
Quando usar few-shot:
- Formato específico: você quer JSON, lista, padrão exato.
- Tarefa nova: o modelo não tem na cabeça o que você quer.
- Tom/estilo: difícil descrever em palavras, fácil mostrar.
- Edge cases: cobrir casos limítrofes com exemplos.
- Classificação: poucas categorias, exemplos por categoria.
Quando NÃO usar:
- Modelos muito capazes em tarefa simples: zero-shot já basta, exemplos só gastam tokens.
- Janela de contexto pequena: exemplos comem espaço.
- Tarefa muito variável: exemplos podem viesar para casos específicos.
Variações:
- Zero-shot: nenhum exemplo, só descrição.
- One-shot: um exemplo.
- Few-shot: 2-5 exemplos.
- Many-shot: 100+ exemplos (viável com janelas grandes).
- Chain-of-thought few-shot: exemplos com raciocínio passo a passo.
Boas práticas:
- Diversidade: cubra diferentes casos nos exemplos.
- Ordem: alguns modelos prestam mais atenção aos primeiros e últimos exemplos.
- Consistência: mesmo formato para todos exemplos.
- Qualidade: exemplos ruins ensinam errado. Cure-os.
- Atualização: revise periodicamente se sua tarefa evolui.
Para o profissional brasileiro:
- Classificação de tickets de suporte: 5 exemplos por categoria já dá excelente baseline.
- Extração de dados estruturados de notas fiscais: few-shot com JSON.
- Geração de descrição de produto no tom da marca: 3 exemplos de descrições aprovadas.
- Tradução técnica para domínio específico: exemplos da terminologia correta.
Em 2026, com modelos como Claude Sonnet 4 e GPT-5, muitas tarefas funcionam bem em zero-shot. Mas para precisão e consistência em produção, few-shot continua sendo a técnica mais simples e poderosa para garantir qualidade.