Few-shot prompting is een prompttechniek waarbij je AI eerst enkele voorbeelden geeft van het gewenste type antwoord voordat je de echte opdracht stelt. Door voorbeelden mee te geven begrijpt het model beter welke stijl, structuur of logica verwacht wordt. Daardoor wordt few-shot prompting veel gebruikt binnen prompt engineering om AI consistenter en nauwkeuriger te laten reageren.
Deze pagina is onderdeel van de AI Promptgids op De Wereld van AI, de centrale kennisbank met uitleg over AI prompts, prompttechnieken en promptstructuren.
Hoe few-shot prompting werkt
Bij deze manier van prompten laat je eerst één of meerdere voorbeelden zien. Daarna volgt vervolgens de nieuwe opdracht waarvoor AI een vergelijkbaar antwoord moet geven.
Bijvoorbeeld:
“Laptop → elektronica”
“Banaan → fruit”
“Auto → ?”
Daardoor begrijpt AI beter welk soort antwoord verwacht wordt. Daardoor sturen de voorbeelden het model richting het gewenste patroon.
De voorbeelden helpen AI bijvoorbeeld niet alleen om beter te begrijpen:
- welke structuur gewenst is
- welke schrijfstijl gebruikt moet worden
- welk detailniveau passend is
- hoe antwoorden opgebouwd moeten worden
- welke logica of patronen gevolgd moeten worden
Waarom few-shot prompting belangrijk is
Zonder voorbeelden reageert kunstmatige intelligentie soms namelijk te algemeen of inconsistent. Few-shot prompting geeft namelijk extra richting zonder dat het model opnieuw getraind hoeft te worden.
Dat is vooral nuttig wanneer je bijvoorbeeld:
- consistente output wilt
- specifieke schrijfstijl nodig hebt
- classificaties wilt uitvoeren
- AI een bepaald patroon wilt laten volgen
- complexe taken duidelijker wilt maken
- minder fouten of afwijkingen wilt krijgen
Vooral bij generatieve AI en taalmodellen zorgt deze techniek hierdoor vaak voor betrouwbaardere resultaten.
Voorbeelden van few-shot prompting
Voorbeeldprompts voor schrijfstijl
Voorbeelden:
“Samenvatting: kort en eenvoudig.”
“Uitleg: uitgebreider en met voorbeelden.”
Nieuwe opdracht:
“Maak een uitleg over machine learning.”
Daardoor neemt AI de stijl van de voorbeelden beter over.
Voorbeeldprompts voor classificatie
Voorbeelden:
“Factuur → administratie”
“CV → sollicitatie”
Nieuwe invoer:
“Jaarverslag → ?”
Daardoor begrijpt het model ook beter hoe documenten gecategoriseerd moeten worden.
Voorbeeldprompts voor klantenservice
Voorbeelden:
“Klant: Mijn bestelling is te laat.
Antwoord: Excuses voor de vertraging. Ik controleer direct de status.”
Nieuwe vraag:
“Klant: Ik heb een verkeerd product ontvangen.”
Hierdoor volgt kunstmatige intelligentie dezelfde toon en structuur.
Voorbeeldprompts voor code
Voorbeelden:
“Input: 2 + 2
Output: 4”
“Input: 5 + 3
Output: 8”
Nieuwe invoer:
“Input: 9 + 7”
Daardoor begrijpt AI welk patroon gevolgd moet worden.
Verschil tussen zero-shot, one-shot en few-shot prompting
Zero-shot prompting
Bij zero-shot prompting geef je alleen een opdracht zonder voorbeelden.
Voorbeeld:
“Leg uit wat deep learning is.”
One-shot prompting
Bij one-shot prompting geef je precies één voorbeeld.
Voorbeeld:
“Voorbeeld:
Water → vloeistof
Nieuwe invoer:
Steen → ?”
Few-shot prompting
Bij few-shot prompting geef je meerdere voorbeelden voordat de echte opdracht volgt.
Daardoor begrijpt AI vaak beter welk patroon gevolgd moet worden.
Veelgemaakte fouten bij few-shot prompting
Het werkt bijvoorbeeld minder goed wanneer voorbeelden:
- inconsistent zijn
- elkaar tegenspreken
- te ingewikkeld zijn
- niet representatief zijn
- verschillende stijlen door elkaar gebruiken
Daarnaast helpt het om:
- voorbeelden kort en duidelijk te houden
- dezelfde structuur te gebruiken
- voldoende context mee te geven
- alleen relevante voorbeelden te tonen
Daarom heeft de kwaliteit van de voorbeelden vaak direct invloed op de uiteindelijke output.
Combineren met andere prompttechnieken
Few-shot prompting wordt vaak gecombineerd met andere prompttechnieken om AI nog meer richting te geven.
In combinatie met een rolprompt
Een rolprompt bepaalt namelijk vanuit welke expertise AI moet antwoorden.
Voorbeeld:
“Gedraag je als docent. Gebruik onderstaande voorbeelden als stijlreferentie.”
In combinatie met een contextprompt
Een contextprompt geeft bijvoorbeeld extra achtergrondinformatie over de situatie.
Voorbeeld:
“De doelgroep bestaat uit beginners zonder technische kennis. Gebruik onderstaande voorbeelden als basis.”
In combinatie met een outputprompt
Daarnaast bepaalt een outputprompt hoe het antwoord eruit moet zien.
Voorbeeld:
“Gebruik onderstaande voorbeelden en geef het antwoord als tabel.”
In combinatie met een stap-voor-stapprompt
Bovendien helpt een stap-voor-stapprompt AI gestructureerd redeneren.
Voorbeeld:
“Volg dezelfde redeneerstappen als in de voorbeelden hieronder.”
Daardoor ontstaat meer controle over structuur, toon en consistentie van AI-output.
Wanneer few-shot prompting minder nuttig is
Toch is deze techniek niet altijd nodig. Voor simpele feitelijke vragen voegt het soms weinig toe.
Bijvoorbeeld:
“Wat is de hoofdstad van Frankrijk?”
In zulke situaties zijn voorbeelden namelijk meestal overbodig.
Few-shot prompting is bijvoorbeeld vooral krachtig bij:
- classificatie
- contentcreatie
- complexe instructies
- consistente output
- patroonherkenning
- AI-workflows met vaste formats
Praktisch voorbeeld van een sterke few-shot prompt
Een simpele prompt:
“Schrijf een productbeschrijving voor een laptop.”
Met few-shot prompting:
“Voorbeeld 1:
Compacte draadloze muis voor dagelijks thuisgebruik. Lichtgewicht en eenvoudig mee te nemen.
Voorbeeld 2:
Snelle externe SSD voor professionals die veel grote bestanden verwerken.
Nieuwe opdracht:
Schrijf een productbeschrijving voor een laptop.”
De tweede prompt geeft hierdoor bijvoorbeeld duidelijk meer richting over:
- schrijfstijl
- lengte
- structuur
- detailniveau
- toon van de tekst
Gerelateerde termen
- Contextprompt
- Outputprompt
- Prompt engineering
- Prompt chaining
- Rolprompt
Verder binnen prompttechnieken
Op de hoofdpagina van Prompttechnieken voor betere AI prompts vind je daarnaast ook andere technieken en voorbeelden, met betrekking tot prompting, die helpen om gerichter met generatieve AI te werken.
Verder leren
Wil je daarnaast stap voor stap beter begrijpen hoe kunstmatige intelligentie werkt en waar je AI in de praktijk tegenkomt? In de Gratis Basiscursus AI leer je de belangrijkste AI-begrippen op een duidelijke en toegankelijke manier.
Wie daarnaast losse AI-termen wil opzoeken, vindt in de AI Woordenlijst korte uitleg over begrippen zoals prompt engineering, generatieve AI, taalmodellen en machine learning.
Wie liever kijkt dan leest, vindt bovendien op het YouTube-kanaal De Wereld van AI heldere uitlegvideo’s over kunstmatige intelligentie en praktische toepassingen.