¿En qué consiste el one-shot prompting?
Descubre qué es el one shot prompting con un ejemplo y aplica esta técnica de prompt engineering (ingeniería de prompts) en tus promptsy peticiones a ChatGPT, Claude, Gemini y otros LLM
AIPROMPT ENGINEERING
Eduardo Domínguez Menéndez
3/16/20263 min read
Qué es un shot en el contexto prompt engineering context
Un shot en la jerga de ingeniría de prompts es un ejemplo que pasamos al LLM para indicar cómo queremos que sea el output (salida)
Qué es un one-shot prompt
Los LLM están entrenados con grandes cantidades de datos y pueden responder a cualquier tipo de pregunta. Pero los LLM no son perfectos, cuanto más claro y conciso sea nuestro prompt... mejores resultados. Están especialmente configurar para generar resultados más óptimos en algunas situaciones, como seguir instrucciones.
Hay técnicas específicas que aprovechan cómo funcionan los LLM, como bien sabes todas estas técnicas son cubiertas bajo el prompt engineering (ingeniería de prompts en español). Uno de estos enfoques es on-shot. Implica proporcionar un ejemplo (shot) de cómo queremos que sea la salida dentro del prompt.
Proporcionar un ejemplo al crear indicaciones para modelos de IA como Chat GPT es muy útil. Reducimos la ambigüedad del lenguaje y aclaramos nuestra petición aumentando la probabilidad de que el modelo LLM proporcione como salida exactamente lo que deseamos. Es especialmente valioso cuando se guía el modelo hacia un formato o patrón de salida específico, como JSON.
Un ejemplo de one shot prompt
El siguiente prompt (marcado en negrita e itálica) es un ejemplo, eres libre de copiar el prompt y ejecutar ver el resultado en ChatGPT o tu modelo LLM favorito:
Transforma una reseña de una película en JSON válido:
EJEMPLO:
```Star Wars: A New Hope (1977) Es una aventura espacial clásica, aunque a veces puede parecer lenta. Mark Hamill interpreta a Luke Skywalker, que une fuerzas con la princesa Leia (Carrie Fisher) y Han Solo (Harrison Ford) para luchar contra el malvado Imperio. Icónico, pero el ritmo podría aburrir a algunos hoy.```
JSON respuesta:
{
"Title": "Star Wars: A New Hope",
"Actors": [
"Mark Hamill",
"Carrie Fisher",
"Harrison Ford"
]
}
EJEMPLO:
```The Avengers tiene un elenco estelar: Robert Downey Jr., Chris Evans, Scarlett Johansson, cada uno con actuaciones fuertes y carismáticas. La película equilibra el humor, la acción y la emoción mientras los héroes más poderosos de la Tierra se unen contra la amenaza de Loki. Con imágenes emocionantes y diálogos agudos, es un éxito de taquilla estimulante que agrada a la multitud que celebra el trabajo en equipo y el heroísmo.```
JSON respuesta:
La lógica utilizada para indicar la estructura / arquitectura / técnica del one-shot se basa en las palabras clave EJEMPLO and JSON respuesta.
EJMPLO → Proporcionamos al LLM una muestra de cómo será la entrada.
JSON respuesta → Indicamos al LLM la estructura JSON de la salida.
Una vez que hayamos escrito el texto de entrada de ejemplo y su salida JSON correspondiente, proporcionamos la reseña que queremos que el LLM transforme (analice). Lo etiquetamos de nuevo con "EJEMPLO" y para indicar que esperamos una respuesta siguiendo el mismo formato que el anterior, escribimos "JSON respuesta" de nuevo.
Qué es few-shot prompting
Un few shot prompt es similar a un one shot prompt, pero en lugar de proporcionar al modelo de lenguaje un solo ejemplo, proporcionamos varios ejemplos. La idea es que al ofrecer varias instancias del patrón deseado aumenta la probabilidad de que el modelo lo siga.
Una regla general es incluir de 3 a 5 ejemplos en tu prompt. Pero el número de ejemplos necesarios dependerá de varios factores, como la complejidad de la tarea, la calidad de los ejemplos y las capacidades del modelo de IA generativa que estés utilizando.
Este enfoque es equivalente a los ejercicios de series que hacen los niños pequeños, donde a partir de los primeros elementos de una serie y deben averiguar los siguientes elementos siguiendo el patrón.
Aplicaciones de software sugeridas para mejorar sus flujos de trabajo de desarrollador
Prompt Creator
Genera loss mejores prompts olvidándote de las técnicas de ingeniería de prompts y su excesiva verbosidad repetitiva. Centrate en definir los detalles de la tarea y Prompt Creator crea el mejor prompt a partir de plantillas. También opción de librería de prompts para que almacenes en un único lugar tus mejores prompts
GIS for Developers
Una herramienta para recopilar ubicaciones en un mapa y transformarlas en entidades GIS del framework MapKit para importar en Xcode listo para usar en sus proyectos. También genera entidades el estándar GeoJSON. Aumenta tu productividad en proyectos GIS. Agente IA para realizar acciones con ordenes en lenguaje natural. La aplicación tiene dos versiones: macOS nativo e iOS para iPad.
