Промптинг с одним примером (one-shot prompting) – это способ постановки задачи нейросети, при котором вы показываете ей ровно один готовый образец того, что хотите получить. Вместо того чтобы долго описывать требования словами, вы даете модели один эталонный паттерн по схеме “входные данные – идеальный ответ”. Это позволяет нейросети мгновенно скопировать нужный формат, стиль или логику, не тратя токены на десятки примеров.
| Что разберем | Что это даст на практике |
| Как правильно внедрить пример в промпт | Нейросеть перестанет путать пример с реальной задачей |
| Для каких задач идеально подходит one-shot | Сможете быстро получать нужный формат, тон или структуру ответа |
| Частые ошибки и ограничения метода | Поймете, когда одного примера уже недостаточно и нужно менять подход |
Универсальная структура one-shot промпта
Чтобы метод сработал, промпт должен состоять из трех жестко разделенных блоков. Нейросеть должна четко понимать, где заканчивается инструкция, где находится пример, а где начинаются данные, с которыми ей предстоит работать сейчас.
1. Инструкция. Что именно нужно сделать.
2. Пример (Образец). Вводные данные и идеальный результат.
3. Текущая задача. Новые вводные данные, которые нужно обработать.
Разделять эти блоки лучше всего спецсимволами, например, решетками (###), тройными дефисами (—) или явными текстовыми маркерами (“ПРИМЕР”, “ЗАДАЧА”).
Рабочий шаблон:
Ты – редактор. Твоя задача – переписать текст в инфостиле, убрав канцелярит и воду.
ПРИМЕР:
Исходный текст: Вследствие того факта, что погодные условия ухудшились, мероприятие было отменено.
Результат: Из-за плохой погоды мероприятие отменили.
ЗАДАЧА:
Исходный текст: [вставляете ваш текст]
Результат:
Рабочие сценарии: когда использовать один пример
Метод одного примера лучше всего решает задачи, где правила вывода сложно описать словами, но легко показать визуально.
Сценарий 1: Строгое форматирование данных (JSON, таблицы, списки)
Если вам нужно вытащить данные из неструктурированного текста (например, из переписки с клиентом) и передать их в CRM, словесное описание формата часто дает сбой. Нейросеть может добавить лишние комментарии или изменить ключи. Один пример фиксирует структуру намертво.
Как это выглядит:
Извлеки данные клиента из текста. Возвращай только JSON, без приветствий и пояснений.
Пример:
Текст: Привет, отправьте курьером СДЭК на Ивана Петрова, Москва, Ленина 15, кв 4, тел 89991234567.
Ответ: {“name”: “Иван Петров”, “city”: “Москва”, “address”: “Ленина 15, кв 4”, “phone”: “89991234567”, “delivery”: “СДЭК”}
Задача:
Текст: [новый текст]
Ответ:
Сценарий 2: Копирование тональности (Tone of Voice)
Если вы пишете ответы на отзывы для Wildberries или Ozon, описать тональность словами (“будь вежливым, но не слишком официальным”) недостаточно. Нейросеть выдаст шаблонный роботизированный текст. Один реальный пример вашего ответа задает нужную планку.
Как это выглядит:
Напиши ответ на отзыв покупателя. Соблюдай стиль и дружелюбный тон из примера.
Пример:
Отзыв: Коробка пришла помятая, но сам чайник целый. Греет быстро.
Ответ: Здравствуйте! Рады, что чайник вам понравился и отлично работает. Простите за помятую коробку – к сожалению, логистика иногда подводит, но мы уже усилили упаковку. Приятного чаепития!
Задача:
Отзыв: [новый отзыв]
Ответ:
Сценарий 3: Нестандартная классификация
Когда вам нужно разметить данные по вашим внутренним правилам, которые не очевидны для ИИ по умолчанию. Например, распределить обращения в техподдержку.
Как это выглядит:
Определи категорию обращения: “Возврат”, “Технический сбой” или “Консультация”.
Пример:
Текст: У меня в личном кабинете не нажимается кнопка оплаты, крутится загрузка.
Категория: Технический сбой
Задача:
Текст: [новый текст]
Категория:
Частые ошибки и точки провала
Даже с одним примером можно написать нерабочий промпт. Вот что обычно ломает результат.
- Слияние примера и задачи. Если вы не отделили пример от текущей задачи визуальными маркерами, нейросеть может начать отвечать на сам пример или смешает старые данные с новыми. Всегда используйте слова “Пример:” и “Задача:”.
- Противоречие между инструкцией и примером. Если в текстовой инструкции вы просите “отвечать коротко в два предложения”, а в примере даете ответ на три абзаца, нейросеть запутается. В 90% случаев она пойдет по примеру и проигнорирует инструкцию. Пример всегда должен быть идеальным воплощением инструкции.
- Использование слишком специфичного примера. Если ваш единственный образец содержит редкое исключение (например, вы показали, как отвечать на отзыв с матом), модель может решить, что все последующие ответы должны учитывать этот агрессивный контекст. Пример должен быть типичным, базовым случаем.
- Отсутствие пустого поля для ответа. В конце промпта обязательно нужно оставлять открытый маркер, например слова “Результат:” или “Ответ:”. Это дает модели сигнал, что теперь ее очередь генерировать текст именно в этом месте.
Ограничения: когда одного примера мало
One-shot промптинг – не волшебная таблетка. Есть ситуации, в которых одного примера критически не хватает, и попытка его использовать приведет к ошибкам.
Сложная логика и вычисления. Если задача требует пошаговых математических расчетов или сложных логических выводов (например, расчет скидки при нескольких перекрывающихся условиях), одного примера результата будет мало. Здесь нужен подход Chain-of-Thought (цепочка рассуждений), где в примере показан не только финальный ответ, но и весь ход мыслей.
Разнородные задачи. Если вам нужно, чтобы модель писала посты для Telegram, и эти посты могут быть трех совершенно разных форматов (новость, опрос, длинный лонгрид), один пример не покроет все варианты. Если дать один пример лонгрида, модель попытается превратить в лонгрид даже короткую новость. Здесь нужен метод few-shot (несколько примеров), где вы показываете по одному образцу на каждый формат.
Обучение новым правилам. Если вы просите модель использовать придуманный вами язык разметки или специфические юридические термины, которых нет в ее базовой базе знаний, один пример не даст достаточного контекста. Придется давать подробную инструкцию и 3-5 примеров.
Коротко о главном
- Используйте один пример (one-shot), когда нужно задать точный формат вывода, показать стиль текста или задать правила классификации.
- Стройте промпт из трех частей: текстовая инструкция, идеальный образец (вход + выход) и новые данные для обработки.
- Визуально отделяйте пример от задачи, чтобы нейросеть не смешала их.
- Следите, чтобы пример был типичным и не противоречил текстовой инструкции.
- Если задача требует сложной логики, расчетов или имеет много разных сценариев, переходите на несколько примеров (few-shot).
