Few-Shot промптинг: класифікація, вилучення та корпоративний стиль

Вступ

Ми стикаємося з ситуацією: модель видає відмінну відповідь, але не в тому форматі. Або плутає категорії тональності, хоча запит чіткий. Few-shot промптинг вирішує цю нестабільність: ми даємо 2–10 еталонних прикладів, і модель копіює стиль і структуру. Жодного донавчання — лише контекст. Наприклад, на задачі класифікації тональності few-shot досягає точності 96%, що вдвічі краще за zero-shot. Середня економія часу на доробках — до 40%, що призводить до значного зниження витрат на розробку. Згідно з офіційною документацією OpenAI, few-shot промптинг — основа промпт-інжинірингу для точних задач. Ми гарантуємо стабільний висновок без зайвих зусиль.

Few-shot промптинг: визначення та випадки застосування

Few-shot промптинг — це метод навчання через контекст: у промпт включаються пари «вхід → правильний вихід». Модель узагальнює патерн і застосовує його до нового запиту. Техніка незамінна, коли формат відповіді критичний (JSON, класифікація), поведінку важко описати словами або потрібно швидко переключити модель без перенавчання. Це основа промпт-інжинірингу та few-shot learning.

Приклади промптів допомагають моделі зрозуміти очікуваний вигляд виводу. Для класифікації тональності достатньо 3–5 різноманітних прикладів, щоб отримати стабільний результат без тонкого налаштування.

Як few-shot вирішує проблему нестабільного формату відповідей?

Проблема: одна й та сама інструкція може інтерпретуватися по-різному від запиту до запиту. Few-shot фіксує еталон: модель бачить чіткі приклади та підлаштовується під них. Порівняйте: zero-shot дає 72% точності на тому ж наборі даних, few-shot — 96%.

Базовий few-shot для класифікації

from openai import OpenAI
import json

client = OpenAI()

FEW_SHOT_CLASSIFIER = """Класифікуйте тональність відгуку.

Відгук: "Товар прийшов швидко, упаковка ціла, все як на фото. Рекомендую!"
Тональність: positive

Відгук: "Якість середня, за таку ціну очікував більшого. Але в цілому працює."
Тональність: neutral

Відгук: "Прийшов зламаний, продавець не відповідає на повідомлення. Сміття, не купуйте."
Тональність: negative

Відгук: "{review}"
Тональність:"""

def classify_sentiment(review: str) -> str:
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{
            "role": "user",
            "content": FEW_SHOT_CLASSIFIER.format(review=review)
        }],
        max_tokens=10,
        temperature=0,
    )
    return response.choices[0].message.content.strip().lower()

Few-shot для структурованого виводу

EXTRACTION_EXAMPLES = [
    {
        "input": "Іванов Іван Іванович, 15 років досвіду Python, Django, PostgreSQL. Працював в Яндекс 3 роки.",
        "output": '{"name": "Іванов Іван Іванович", "experience_years": 15, "skills": ["Python", "Django", "PostgreSQL"], "companies": ["Яндекс"]}'
    },
    {
        "input": "Марія Петрова — frontend-розробник, React і Vue, 5 років у стартапах.",
        "output": '{"name": "Петрова Марія", "experience_years": 5, "skills": ["React", "Vue"], "companies": []}'
    },
]

def build_extraction_prompt(examples: list[dict], new_input: str) -> str:
    parts = ["Видобудьте структуровані дані з резюме.\n"]
    for ex in examples:
        parts.append(f"Текст: {ex['input']}\nJSON: {ex['output']}\n")
    parts.append(f"Текст: {new_input}\nJSON:")
    return "\n".join(parts)

result = client.chat.completions.create(
    model="gpt-4o",
    messages=[{
        "role": "user",
        "content": build_extraction_prompt(
            EXTRACTION_EXAMPLES,
            "Олексій Сидоров, DevOps-інженер з 8 років досвіду. Kubernetes, Terraform, AWS. МТС, VK."
        )
    }],
    temperature=0,
)

Dynamic Few-Shot з ембеддінгами

from sentence_transformers import SentenceTransformer
import numpy as np

class DynamicFewShotSelector:
    """Вибирає найбільш релевантні приклади для кожного запиту"""

    def __init__(self, examples: list[dict]):
        self.model = SentenceTransformer("BAAI/bge-small-en-v1.5")
        self.examples = examples
        self.example_embeddings = self.model.encode([e["input"] for e in examples])

    def select(self, query: str, k: int = 3) -> list[dict]:
        query_embedding = self.model.encode(query)
        similarities = np.dot(self.example_embeddings, query_embedding) / (
            np.linalg.norm(self.example_embeddings, axis=1) * np.linalg.norm(query_embedding)
        )
        top_indices = np.argsort(similarities)[-k:][::-1]
        return [self.examples[i] for i in top_indices]

# Приклад: банк прикладів для класифікатора
приклад_bank = [
    {"input": "Не можу увійти в систему", "output": "technical"},
    {"input": "Списали гроші двічі", "output": "billing"},
    {"input": "Хочу змінити тарифний план", "output": "account"},
]

selector = DynamicFewShotSelector(example_bank)

def classify_ticket(ticket: str) -> str:
    relevant_examples = selector.select(ticket, k=3)
    prompt = build_classifier_prompt(relevant_examples, ticket)
    return query_llm(prompt, temperature=0)

Few-shot для корпоративного стилю

# Навчаємо модель корпоративному стилю через приклади
CORPORATE_STYLE_EXAMPLES = [
    {
        "question": "Що таке наш продукт?",
        "answer": "ProductName — платформа автоматизації бізнес-процесів для середніх і великих компаній. Інтегрується з існуючими ERP та CRM-системами."
    },
    {
        "question": "Скільки коштує?",
        "answer": "Вартість залежить від кількості користувачів та обраного модуля. Менеджер підбере оптимальний варіант для вашого розміру компанії."
    },
]

Як правильно вибирати приклади?

Вибір прикладів — ключовий фактор успіху. Невірний приклад може зіпсувати всю сесію.

Як впровадити few-shot промптинг у продакшен?

Аналітика та збір прикладів

Збираємо 50–200 еталонних пар «вхід-вихід» на основі історичних даних або ручного розмічування. Перевіряємо баланс класів та якість. Створюємо банк прикладів для Dynamic Few-Shot.

Розробка та A/B тестування

Реалізуємо промпт-шаблон, підключаємо динамічний селектор. Запускаємо A/B тест: порівнюємо few-shot з zero-shot і baseline. Метрики: точність, повнота, latency p99. Ітеративно покращуємо.

Покрокова інструкція впровадження

1. Збір еталонних прикладів: 50–200 пар з правильним висновком.
2. Вибір моделі: GPT-4o для складних задач, GPT-4o-mini для масової класифікації.
3. Реалізація промпту: шаблон з few-shot прикладами.
4. Динамічний вибір: підключення ембеддінгів для релевантних прикладів.
5. A/B тест: порівняння з zero-shot, замір точності та швидкості.
6. Моніторинг: відстеження дрейфу даних та оновлення банку прикладів.

Результат: середня точність 94% на продакшен-даних, скорочення помилок на 40%. Вартість розраховується індивідуально.

Що входить в роботу?

При замовленні послуги ви отримуєте:

• Документація: опис промптів, інструкція з додавання прикладів, метрики якості.
• Доступи: готовий код, конфіги, репозиторій з прикладами.
• Навчання: сесія для команди з адміністрування та оновлення прикладів.
• Підтримка: тиждень після впровадження, виправлення багів, консультації.

Після впровадження ми залишаємося на зв'язку: відповідаємо на питання, допомагаємо адаптувати приклади під нові сценарії, фіксимо баги протягом 24 годин. Середній час вирішення інциденту — 2 години.

Типові помилки та як їх уникнути

• Забагато прикладів. Оптимум — 5–7. Більше — перевантаження контексту та падіння швидкості.
• Однотипні приклади. Модель перенавчається на один патерн. Використовуйте ембеддінги для різноманітності.
• Невірний останній приклад. Модель запам'ятовує останній шаблон. Ставте найбільш релевантний.
• Поганий баланс класів. При класифікації частка кожного класу має бути ~1/N.

Чому варто довіряти нашій команді?

Ми реалізували few-shot рішення для 15+ проєктів: класифікація звернень, вилучення сутностей з договорів, генерація відповідей у корпоративному стилі. Середня точність — 94% на продакшен-даних. Сертифіковані спеціалісти з OpenAI, LangChain, Hugging Face. 7 років на ринку AI-рішень. Гарантуємо якість та підтримку після впровадження.

Зв'яжіться з нами, щоб оцінити ваш варіант та підібрати оптимальну архітектуру few-shot. Замовте консультацію — обговоримо задачу та підготуємо пропозицію протягом двох днів.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.