O que é Zero-Shot Prompting
O Zero-Shot Prompting pede ao modelo que resolva uma tarefa usando apenas uma instrução clara e sem exemplos no prompt. O modelo se apoia em seu conhecimento geral e nas capacidades de seguimento de instruções aprendidas durante o pré-treinamento e o alinhamento.
Zero-Shot é rápido de configurar porque você não precisa projetar ou curar pares de exemplos. Funciona bem para tarefas amplas como P&R genérica, classificação simples, sumarização ou tradução direta, onde as instruções sozinhas geralmente são suficientes.
O que é Few-Shot Prompting
O Few-Shot Prompting adiciona um pequeno número de exemplos de entrada-saída à instrução para que o modelo possa inferir o padrão da tarefa a partir de demonstrações concretas. Na prática, few-shot geralmente significa entre dois e dez exemplos.
Esses exemplos atuam como um mini conjunto de treinamento dentro do prompt, orientando como o modelo deve interpretar tarefas ambíguas, formatos especializados ou linguagem específica de domínio. O Few-Shot Prompting é especialmente útil quando você precisa de um estilo, esquema ou comportamento específico que instruções genéricas não capturam.
Diferenças principais: Zero-Shot vs. Few-Shot
O Zero-Shot e o Few-Shot Prompting diferem principalmente no esforço de configuração, na precisão em tarefas específicas e na escalabilidade entre muitos casos de uso. Ambos dependem do mesmo modelo subjacente, mas trocam o esforço de design de exemplos por melhor alinhamento de tarefa.
| Dimensão | Zero-Shot | Few-Shot |
|---|---|---|
| Exemplos no prompt | Nenhum | 2–10+ exemplos representativos |
| Velocidade de configuração | Muito rápida; sem curadoria de exemplos | Mais lenta; exemplos devem ser selecionados e mantidos |
| Requisitos de dados | Sem exemplos rotulados necessários | Requer pelo menos alguns exemplos rotulados |
| Precisão em tarefas específicas | Frequentemente menor ou mais genérica | Tipicamente maior e mais consistente em domínios específicos |
| Escalabilidade entre tarefas | Altamente escalável, fácil de adicionar novas tarefas | Menos escalável; cada tarefa pode precisar de seus próprios exemplos |
Quando usar Zero-Shot
Você deve usar o Zero-Shot Prompting quando precisa de velocidade, não tem exemplos rotulados e sua tarefa é razoavelmente geral. Esse padrão funciona bem como primeira passagem ou linha de base.
Cenários típicos de Zero-Shot:
- P&R geral, resumos simples e classificação básica de sentimentos.
- Experimentação rápida quando você ainda está descobrindo a forma da tarefa.
- Novos domínios ou idiomas onde você não tem exemplos curados.
Quando usar Few-Shot
Você deve usar o Few-Shot Prompting quando a tarefa é especializada, sensível ao formato ou de alto risco, e você pode fornecer bons exemplos. Nesses casos, os exemplos melhoram significativamente a confiabilidade em relação às instruções puras.
Cenários comuns de Few-Shot:
- Classificação ou extração específica de domínio (jurídica, médica, financeira) onde rótulos precisos e terminologia importam.
- Tarefas com esquemas estritos, como extração de JSON estruturado de texto desordenado.
- Tarefas multilíngues ou de localização onde alguns exemplos por idioma ajudam a lidar com expressões idiomáticas e estilo.
Exemplo: Prompt Zero-Shot vs. Few-Shot
A diferença prática entre zero-shot e few-shot aparece claramente quando você compara prompts para a mesma tarefa. Aqui classificamos tickets de suporte por intenção.
Prompt Ruim – Sem estrutura
"Olhe para este ticket de suporte e me diga do que se trata."
Prompt Zero-Shot
"Classifique o seguinte ticket de suporte em uma dessas categorias: `billing_issue`, `login_problem`, `feature_request`, `bug_report` ou `other`. Ticket: "Tentei redefinir minha senha três vezes hoje e o link sempre diz que expirou." Retorne apenas o nome da categoria."
Prompt Few-Shot
"Classifique cada ticket de suporte em uma dessas categorias: `billing_issue`, `login_problem`, `feature_request`, `bug_report` ou `other`. Retorne apenas o nome da categoria. Exemplo 1: Ticket: "Você me cobrou duas vezes este mês pela mesma assinatura." Rótulo: `billing_issue` Exemplo 2: Ticket: "Sempre que clico em 'exportar relatório' nada acontece, mesmo após atualizar a página." Rótulo: `bug_report` Exemplo 3: Ticket: "Vocês poderiam adicionar suporte para exportar relatórios diretamente para o Google Sheets?" Rótulo: `feature_request` Agora classifique este ticket: "Tentei redefinir minha senha três vezes hoje e o link sempre diz que expirou."
A versão Few-Shot mostra o padrão explicitamente, o que geralmente melhora a qualidade de classificação para tickets ambíguos ou com muito ruído.
Como o PromptQuorum ajuda você a escolher
O PromptQuorum é uma ferramenta de despacho de IA multi-modelo que permite testar prompts Zero-Shot e Few-Shot em múltiplos provedores em um único lugar. Você pode enviar o mesmo prompt apenas com instruções e o mesmo prompt com exemplos para modelos como GPT-5.5, Claude Opus 4.8 e Gemini 3.1 Pro em paralelo.
Dentro do PromptQuorum, você pode:
- Começar com prompts Zero-Shot usando frameworks como Single Step, RTF ou CO-STAR para obter linhas de base rápidas.
- Atualizar para prompts Few-Shot incorporando exemplos representativos em frameworks como SPECS quando você precisa de maior controle.
- Salvar as versões Zero-Shot e Few-Shot como modelos e comparar precisão, latência e custos de tokens entre modelos ao longo do tempo.
Como escolher entre Zero-Shot e Few-Shot Prompting
- 1Para tarefas rotineiras e simples, comece com Zero-Shot (sem exemplos). Exemplo: "Classifique esta avaliação como positiva ou negativa." Se a precisão for suficiente, Zero-Shot é mais rápido e econômico.
- 2Quando o desempenho Zero-Shot é baixo (< 80% de precisão ou qualidade), adicione 2–5 exemplos Few-Shot. Mostre ao modelo 2–3 avaliações positivas e 2–3 negativas com os rótulos corretos. Few-Shot ensina com exemplos.
- 3Para tarefas com distinções sutis ou padrões raros, adicione 5–10 exemplos (Few-Shot+). Se sua tarefa requer detectar sarcasmo, viés prejudicial ou nuances específicas de domínio, mais exemplos ajudam.
- 4Escolha exemplos que abranjam o intervalo de entradas que você espera. Se você está classificando avaliações de produtos, inclua exemplos entusiastas, mornos e negativos. Não mostre apenas os casos fáceis.
- 5Meça o benefício do Few-Shot em um conjunto de teste antes de adotá-lo em produção. Execute o mesmo prompt com 0 exemplos e com 5 exemplos em 50 casos de teste. Se Few-Shot adicionar 10 ou mais pontos percentuais de precisão, inclua exemplos. Se o ganho for < 5%, mantenha Zero-Shot.