Few-shot プロンプティングとは
Few-shot プロンプティングは、望む入力と出力の例を数個プロンプトに入れて、形式や判断の基準をAIに示す方法です。例を1つだけ示す場合を One-shot、例を示さずに指示だけで頼む場合を Zero-shot と呼びます。
LLMは、プロンプトの中のパターンを読み取って続きを作るのが得意です。例があると、言葉で説明しにくい細かな基準（文体、ラベルの付け方、粒度）を伝えられます。モデルを追加で学習させる必要はありません。
向いているのは、分類、表記ゆれの統一、決まった形式への書き換え、トーンをそろえた文章作成などです。例は3〜5個程度から始め、紛らわしい境界の例も入れると効果が上がります。
注意点もあります。AIは例に強く引っ張られます。例のラベルが偏っていると出力も偏ります。例の長さや言い回しまでまねされることもあります。例は、実際の入力の幅を代表するものを選びます。
具体例
アンケートの自由記述を感情で分類する
悪い例では、「ポジティブ」の基準が AI 任せです。そのため、要望を含む前向きな意見の扱いが毎回揺れます。良い例は、境界があいまいなケースを例で示しています。言葉で基準を説明するより、短く正確に伝わります。例のラベルが一方に偏らないよう、3種類をそろえている点も大切です。
次のアンケート回答をポジティブかネガティブか判定して。 「操作は簡単だけど、もっと速いといい」
アンケート回答を「満足」「不満」「要望」のどれかに分類してください。 良い点と要望が両方ある場合は「要望」とします。 # 例 回答：画面が見やすくて使いやすい 分類：満足 回答：何度もエラーが出て使えない 分類：不満 回答：デザインは好きだけど、文字をもっと大きくしてほしい 分類：要望 # 分類する回答 回答：操作は簡単だけど、もっと速いといい 分類：
表記ゆれをそろえる
社名や製品名の書き方を統一したいとき、「株式会社〇〇→〇〇社」のような変換例を数個示します。規則を文章で書くより、例のほうが細かな基準まで正確に伝わります。