Contexto
Porque este guia importa
Nem toda tarefa precisa de exemplos. Em muitos casos, uma instrução clara com bom contexto já produz resposta suficiente. Em outros, sem exemplos o modelo oscila demais, interpreta mal o formato ou falha em edge cases importantes.
A decisão entre zero-shot e few-shot não deve ser tratada como moda, mas como escolha operacional. O critério é simples: quanto maior a exigência de consistência, classificação ou alinhamento fino de estilo, maior a probabilidade de few-shot valer o custo adicional.
Esta guia ajuda a decidir com mais rigor quando adicionar exemplos e quando manter o prompt leve.
Resumo
Pontos-chave
- Use zero-shot para tarefas simples e exploratórias.
- Use few-shot quando formato, estilo ou labels precisos importarem.
- Poucos exemplos bons valem mais do que muitos exemplos medianos.
- Exemplos devem refletir erros reais que você quer evitar.
- Mais exemplos aumentam custo e podem reduzir foco.
Bloco operacional
1) Zero-shot funciona melhor quando o objetivo já está muito claro
Se a tarefa é simples, bem definida e não depende de nuances delicadas de estilo ou classificação, zero-shot normalmente basta. Casos clássicos incluem resumos, listas estruturadas, sínteses e explicações em formatos claros.
Nesses casos, exemplos podem até atrapalhar porque aumentam tokens sem acrescentar sinal suficiente.
Bloco operacional
2) Few-shot vale quando você quer calibrar comportamento
Few-shot é útil quando o problema não está em “entender a tarefa”, mas em “executar do jeito certo”. Isso acontece em classificações sensíveis, tom de voz, etiquetagem interna, scoring e formatos altamente padronizados.
Ao mostrar bons exemplos e um caso borderline, você ensina ao modelo onde está a fronteira correta de decisão.
Bloco operacional
3) O erro mais comum é exagerar na quantidade de exemplos
Muita gente assume que mais exemplos significam mais qualidade. Na prática, exemplos demais aumentam custo, tornam o prompt pesado e podem diluir o padrão que realmente importa. O ideal é usar o mínimo necessário para estabilizar comportamento.
Biblioteca de templates
Templates reutilizáveis
Template zero-shot
Use quando a tarefa já é simples e clara.
Aja como [PAPEL]. Execute esta tarefa: [TAREFA]. Contexto relevante: [CONTEXTO]. Formato de saída: [FORMATO]. Não invente informações em falta.
Template few-shot
Use quando estilo, classificação ou edge cases precisam de mais precisão.
Aja como [PAPEL]. Sua tarefa é [TAREFA]. Use os exemplos abaixo para seguir o padrão esperado. Exemplo 1: [EXEMPLO BOM] Exemplo 2: [EXEMPLO BOM] Caso limite: [EXEMPLO BORDERLINE] Agora execute a tarefa para este input: [INPUT] Formato de saída: [FORMATO].
Controlo de qualidade
Erros frequentes e correções
Adicionar exemplos sem necessidade
Problema: O prompt fica pesado e caro sem ganho real de qualidade.
Correção: Teste primeiro zero-shot com boa estrutura antes de adicionar few-shot.
Usar exemplos fracos ou inconsistentes
Problema: O modelo aprende um padrão confuso.
Correção: Escolha poucos exemplos fortes, alinhados com o comportamento desejado.
Não atualizar exemplos com base nos erros reais
Problema: Os mesmos problemas continuam a aparecer nas execuções.
Correção: Revise seus exemplos a partir dos padrões de falha observados.
FAQ
Perguntas frequentes
Few-shot é sempre melhor?
Não. É melhor apenas quando os exemplos reduzem ambiguidade de forma concreta. Caso contrário, só aumentam custo e complexidade.
Quantos exemplos devo usar?
Na maioria dos casos, um a três exemplos bons são suficientes.
Posso combinar zero-shot e few-shot no mesmo workflow?
Sim. Muitas equipas usam zero-shot em fases exploratórias e few-shot nas etapas em que consistência importa mais.
Leitura relacionada
Guias relacionados
Como Escrever Prompts Melhores: um Framework Prático para ChatGPT, Claude e Gemini
Um framework operacional para escrever prompts melhores com objetivo, contexto, restrições, formato de saída, exemplos e validação final.
Checklist de Debug de Prompts: Como Corrigir Respostas Fracas, Vagas ou Inconsistentes
Um checklist prático para diagnosticar prompts que geram respostas genéricas, desalinhadas ou pouco utilizáveis.
Boas Práticas de Prompting para Claude: Contexto Longo, Documentos Complexos e Análise com Mais Rigor
Como estruturar prompts para Claude em tarefas com documentos longos, comparação, síntese executiva e análise baseada em material-fonte.
Explore With AI
