Few-Shot Prompt म्हणजे काय? कोणत्या परिस्थितीत वापरावा?

लेखक: रविंद्र पारधी (Founder, Marathi AI Prompts) | शेवटचे अपडेट: सप्टेंबर २०२६ | वाचनासाठी वेळ: ७–९ मिनिटे

आजकाल ChatGPT, Gemini किंवा Copilot कडून अपेक्षित प्रकारचे आणि सुसंगत उत्तर मिळवण्यासाठी योग्य Prompt (प्रॉम्प्ट) लिहिणं महत्त्वाचं ठरत आहे. या प्रक्रियेला Prompt Engineering असं म्हणतात. यातील एक महत्त्वाचा प्रकार म्हणजे Few-Shot Prompt.

Few-Shot Prompt म्हणजे काय, तो कोणत्या परिस्थितीत वापरावा आणि Zero-Shot Prompt पेक्षा त्यात काय फरक आहे, हे आपण या लेखात सोप्या मराठीत उदाहरणांसह समजून घेणार आहोत.

प्रॉम्प्ट लिहिण्याच्या मूलभूत गोष्टी (उदा. CSQLN फॉर्म्युला आणि प्रॉम्प्टचे विविध प्रकार) आधीपासून माहीत नसतील, तर आधी आमचा संपूर्ण AI Prompt कसे लिहावे? Ultimate Beginner to Pro Guide वाचा. हा लेख विशेषतः Zero-Shot, One-Shot आणि Few-Shot Prompt यांमधील फरक आणि वापर समजावून सांगतो.

AI च्या संदर्भात “प्रॉम्प्ट” म्हणजे काय?

Prompt म्हणजे आपण AI ला दिलेली सूचना, प्रश्न किंवा इनपुट — ज्याच्या आधारे AI आपले उत्तर, मजकूर किंवा फोटो तयार करतो.

प्रॉम्प्ट जितका स्पष्ट आणि नेमका असेल, तितंक AI ला अपेक्षित प्रकारचं उत्तर तयार करण्यासाठी अधिक स्पष्ट मार्गदर्शन मिळू शकतं.

Few-Shot Prompt म्हणजे काय?

जेव्हा आपण AI ला एखादं काम सांगताना, त्या कामाची अपेक्षित पद्धत दाखवण्यासाठी काही उदाहरणे (Examples) प्रॉम्प्टमध्येच सोबत देतो, त्याला Few-Shot Prompt असं म्हणतात.

किती उदाहरणे द्यायची याचा कोणताही निश्चित (fixed) नियम नाही. काम किती गुंतागुंतीचं आहे आणि किती स्पष्टता हवी आहे, यावर उदहरणांची संख्या अवलंबून असते.

उदाहरणे दिल्यामुळे AI ला कोणत्या फॉरमॅट, टोन किंवा शैलीत उत्तर अपेक्षित आहे याची अधिक स्पष्ट दिशा मिळू शकते. त्यामुळे अधिक सुसंगत (consistent) output मिळण्यास मदत होऊ शकते.

उदाहरण

खालील पद्धतीने मराठी म्हणीचा अर्थ सांग:

म्हण: पळसाला पाने तीनच अर्थ: एकाच प्रकारच्या सर्व गोष्टी सारख्याच असतात

म्हण: उंटावरून शेळ्या हाकणे अर्थ: प्रत्यक्ष श्रम न करता दुसऱ्याला आदेश देणे

म्हण: नाचता येईना अंगण वाकडे अर्थ:

वरील प्रॉम्प्टमध्ये AI ला दोन उदाहरणे, म्हण आणि अर्थ, दिली आहेत. यालाच “input examples → pattern” असं म्हणता येईल.

यामुळे AI ला तिसऱ्या म्हणीसाठी त्याच प्रकारच्या format मध्ये उत्तर देण्यास मदत होऊ शकते.

या प्रॉम्प्टची प्रत्यक्ष चाचणी लेखाच्या शेवटी ” प्रत्यक्ष चाचणी” या विभागात पाहता येईल.

Few-Shot Prompt कोणत्या परिस्थितीत योग्य ठरतो?

Few-Shot Prompt खालील परिस्थितीत उपयुक्त ठरू शकतो:

ठराविक स्वरूप किंवा शैली हवी असताना

उदा. “प्रत्येक product description ५० शब्दांत, मराठीत आणि bullet points मध्ये लिहा.” अशा वेळी उदाहरणे देऊन Few-Shot Prompt वापरणं उपयुक्त ठरू शकतं.

काम गुंतागुंतीचं किंवा नवीन असताना

नुसत्या एका ओळीत काम समजावणं कठीण असेल तर, १-२ उदाहरणे देऊन AI ला अपेक्षित पद्धत समजावून सांगता येते.

AI चा टोन नियंत्रित करण्यासाठी

उदा. “वरील customer complaint ला professional पण नम्र tone मध्ये उत्तर द्या” असं उदाहरण दिल्यास अपेक्षित टोन अधिक स्पष्ट होऊ शकतो.

सातत्यपूर्ण (consistent) आउटपुट हवा असताना

एकाच पद्धतीने अनेक निकाल हवे असतील, उदा. अनेक उत्पादनांची वर्णनं एकाच शैलीमध्ये हवी असतील, तर उदाहरणे उपयुक्त ठरू शकतात.

अशा प्रकारचा प्रॉम्प्ट तयार करण्याची सोपी पद्धत

उदाहरणे वापरून प्रॉम्प्ट तयार करताना खालील चार पायऱ्या उपयुक्त ठरू शकतात:

1. Task स्पष्ट करा: AI ने नेमकं काय काम करायचं आहे हे सुरुवातीलाच स्पष्ट सांगा.
2. 2–3 योग्य examples द्या: कामाशी संबंधित आणि प्रातिनिधिक अशी काही उदाहरणे प्रॉम्प्टमध्ये समाविष्ट करा.
3. Pattern/format दाखवा: उदाहरणांची रचना सुसंगत ठेवा, जेणेकरून AI ला अपेक्षित pattern सहज ओळखता येईल.
4. शेवटी actual task द्या: ज्यासाठी उत्तर हवं आहे तो प्रत्यक्ष input सर्वात शेवटी टाका, जेणेकरून AI आधीच्या उदाहरणांच्या आधारे तशाच पद्धतीने उत्तर तयार करेल.

वरील “म्हण/अर्थ” उदाहरणात हीच रचना वापरली आहे: दोन उदाहरणे आधी दिली आहेत आणि तिसरी अपूर्ण नोंद शेवटी दिली आहे.

चांगली उदाहरणे कशी निवडावीत?

प्रॉम्प्टमधील उदाहरणांची गुणवत्ता output वर थेट परिणाम करू शकते. उदाहरणे निवडताना काही मुद्दे लक्षात ठेवता येतात:

• examples actual task शी संबंधित असावीत: असंबंधित किंवा वेगळ्या विषयाची उदाहरणे दिल्यास AI ला योग्य दिशा मिळणार नाही.
• वेगवेगळ्या प्रकारची examples द्यावीत: एकाच प्रकारची उदाहरणे न देता थोडी विविधता ठेवल्यास output अधिक सुसंगत आणि लवचिक होऊ शकतो.
• output format स्पष्ट दिसेल अशी examples निवडावीत: ज्यातून रचना, लांबी किंवा टोन स्पष्टपणे समजेल अशी उदाहरणे उपयुक्त ठरतात.
• खूप जास्त examples देणे नेहमी आवश्यक नसते: गरजेपेक्षा जास्त उदाहरणे दिल्याने प्रॉम्प्ट अनावश्यक लांबू शकतो.
• चुकीचे किंवा inconsistent examples टाळावेत: चुकीची किंवा एकमेकांशी विसंगत उदाहरणे दिल्यास AI चं output गोंधळात टाकणारं येऊ शकतं.

Few-Shot Prompt कधी वापरू नये?

Few-Shot नेहमीच आवश्यक किंवा योग्य पर्याय नसतो. खालील परिस्थितीत तो टाळता येऊ शकतो:

• काम खूप साधं असेल: उदा. “भारताची राजधानी सांग” यासाठी उदाहरणांची गरज नाही.
• आउटपुट फॉरमॅट महत्त्वाचा नसेल: मोकळं, नैसर्गिक उत्तर हवं असेल तर उदाहरणे देणं अनावश्यक ठरू शकतं.
• एक स्पष्ट सूचना पुरेशी असेल: कधी कधी नुसती नेमकी सूचना उदाहरणांपेक्षा पुरेशी ठरू शकते.
• प्रॉम्प्ट अनावश्यकपणे मोठा होत असेल: जास्त उदाहरणे दिल्याने प्रॉम्प्ट लांबतो आणि मूळ सूचना कधी कधी दुर्लक्षित होऊ शकते.

अशा वेळी Zero-Shot Prompt वापरणं सोपं आणि पुरेसं ठरू शकतं.

Zero-Shot आणि One-Shot Prompt म्हणजे काय? Few-Shot शी फरक

प्रॉम्प्टमध्ये किती उदाहरणे दिली जातात यावरून याचे मुख्यतः तीन प्रकार पडतात — Zero-Shot, One-Shot आणि Few-Shot.

ज्या प्रॉम्प्ट प्रकारात कोणतंही उदाहरण दिलं जात नाही, फक्त थेट सूचना दिली जाते, त्याला Zero-Shot Prompt म्हणतात.

खालील परिस्थितीत Zero-Shot Prompt पुरेसा ठरू शकतो:

• सोपं, एका ओळीचं काम असताना
• AI साठी विषय नवीन किंवा गुंतागुंतीचा नसताना
• फॉरमॅटची विशेष गरज नसताना

म्हणूनच “कोणत्या प्रॉम्प्ट प्रकारात उदाहरणे दिली जात नाहीत?” या प्रश्नाचं उत्तर आहे: Zero-Shot Prompt.

ज्या प्रॉम्प्ट प्रकारात फक्त एकच उदाहरण दिलं जातं, त्याला One-Shot Prompt म्हणतात. एकच स्पष्ट नमुना दिल्याने AI ला अपेक्षित रचनेची साधारण कल्पना येते, पण Few-Shot इतका मजबूत pattern signal यातून मिळत नाही. काम तुलनेने सोपं असेल आणि फक्त एकाच नमुन्यावरून दिशा स्पष्ट होत असेल, तेव्हा One-Shot Prompt पुरेसा ठरू शकतो.

पाठाचा प्रॉम्प्ट प्रश्नमंजुषेत (Quiz) बदलण्यासाठी कोणता बदल केला पाहिजे?

प्रॉम्प्टमध्ये अपेक्षित Output Format स्पष्ट केल्यास AI ला अपेक्षित प्रकारचा ouput तयार करण्यासाठी अधिक स्पष्ट दिशा मिळू शकते.

उदाहरणार्थ, एखादा मोठा पाठ (Text/Paragraph) घेऊन त्याचं रूपांतर प्रश्नमंजुषेत (Quiz/MCQs) करायचं असेल, तर प्रॉम्प्टमध्ये स्वरूप (Format) स्पष्टपणे नमूद करणं हा मुख्य बदल आहे.

अशा प्रकारे प्रश्नांची संख्या, पर्यायांची संख्या आणि Answer Key यांसारख्या गोष्टी स्पष्ट सांगता येतात.

या प्रॉम्प्टची प्रत्यक्ष चाचणी लेखाच्या शेवटी “प्रत्यक्ष चाचणी” या विभागात पाहता येईल.

प्रॉम्प्टमध्ये स्वरूप (Format) का सांगितले जाते?

प्रॉम्प्टमध्ये स्वरूप स्पष्ट सांगण्याचा उद्देश म्हणजे AI ला अपेक्षित रचनेनुसार output तयार करण्यासाठी स्पष्ट दिशा देणे.

स्वरूप सांगितले नसेल, तर AI कधी खूप मोठं उत्तर देऊ शकतो किंवा अपेक्षित फॉरमॅटपेक्षा वेगळी रचना वापरू शकतो.

उदाहरणार्थ, तुम्हाला ५ MCQs, प्रत्येकी ४ पर्याय आणि शेवटी Answer Key हवी असेल, तर ही माहिती प्रॉम्प्टमध्ये स्पष्टपणे लिहिल्यास अपेक्षित output format समजण्यास मदत होते.

चांगल्या प्रॉम्प्टच्या सूत्राचे मुख्य घटक (Prompt Formula)

एक परिणामकारक प्रॉम्प्ट सहसा खालील घटकांनी बनलेला असतो:

• Task (काम): AI ने नेमकं काय करायचं आहे
• Context (संदर्भ): पार्श्वभूमी माहिती
• Format (स्वरूप): उत्तर कोणत्या रचनेत हवं
• Examples (उदाहरणे): Few-Shot मध्ये अपेक्षित निकालाचे नमुने
• Tone/Persona (टोन/भूमिका): गरजेनुसार उत्तराची शैली किंवा AI ने कोणत्या भूमिकेतून उत्तर द्यावे हे सांगणे

लक्षात ठेवा: “यादृच्छिक (random) किंवा असंबंधित माहिती” हा प्रॉम्प्ट सूत्राचा घटक नाही. ती माहिती शक्यतो टाळावी, कारण त्यामुळे AI चं उत्तर विषयांतर होऊ शकतं.

प्रत्यक्ष चाचणी: हे प्रॉम्प्ट्स वापरून पाहिले

लेखकाची टीप: हे प्रॉम्प्ट्स केवळ पुस्तकी नियम नाहीत. या तिन्ही प्रॉम्प्ट्सच्या चाचण्या मी स्वतः ChatGPT वर प्रत्यक्ष करून पाहिल्या आहेत, जेणेकरून Few-Shot Prompting मधील “पॅटर्न आणि फॉरमॅट कंट्रोल” प्रत्यक्ष output मधून समजून घेता येईल.

चाचणी १: मराठी म्हणींचा अर्थ (Few-Shot Pattern)

वरती दिलेला “म्हण/अर्थ” प्रॉम्प्ट प्रत्यक्ष चालवला असता, दिलेल्या दोन उदाहरणांतील रचनेनुसार AI ने त्याच पद्धतीने एका ओळीत उत्तर तयार केलं:

दोन्ही वेळा उत्तराची मूलभूत रचना आणि अर्थ समान राहिला, मात्र शब्दरचनेत थोडा फरक दिसला.

चाचणी २: साड्यांचं Product Description (Format व Tone Control)

या चाचणीसाठी वापरलेला प्रॉम्प्ट:

हा प्रॉम्प्ट चालवला असता, दिलेल्या दोन उदाहरणांची “[वैशिष्ट्य] + [प्रसंग]” ही रचना AI ने तिसऱ्या उत्पादनासाठीही (पैठणी साडी) साधारण त्याच पद्धतीने वापरली:

चाचणी ३: पाठाचं Quiz/MCQs मध्ये रूपांतर (Format नियंत्रण)

महाराष्ट्रावरील एका छोट्या पाठासह वरील Quiz Prompt चालवला असता, AI ने ५ MCQs (प्रत्येकी ४ पर्यायांसह) आणि शेवटी स्वतंत्र Answer Key तयार केली, म्हणजे प्रॉम्प्टमध्ये मागितलेल्या रचनेनुसार output तयार झाला.

या प्रत्यक्ष चाचण्यांतून काय शिकलो?

• Few-Shot मध्ये दिलेली उदाहरणे output ची रचना, लांबी किंवा टोन यावर प्रभाव टाकू शकतात.
• Format Instruction मध्ये प्रश्नसंख्या, पर्यायसंख्या किंवा Answer Key सारखी रचना स्पष्ट सांगितल्यास AI ला अपेक्षित format मध्ये उत्तर तयार करण्यास मदत होऊ शकते.
• एकाच prompt चा output प्रत्येक वेळी शब्दशः समान येईलच असं नाही. शब्दरचनेत बदल होऊ शकतो, त्यामुळे महत्त्वाच्या output ची पडताळणी करणे योग्य ठरते.

वारंवार होणाऱ्या सामान्य चुका

व्यवहारात असे प्रॉम्प्ट तयार करताना काही सामान्य चुका होऊ शकतात, ज्यामुळे अपेक्षित output मिळत नाही:

• असंबंधित examples देणे: उदाहरणे actual task शी संबंधित नसतील तर अपेक्षित pattern स्पष्ट होणार नाही.
• उदाहरणांमध्ये consistency नसणे: पहिल्या example चा format आणि दुसऱ्याचा format वेगळा असेल तर AI ला नेमका pattern समजणे कठीण होऊ शकते.
• खूप जास्त examples देणे: प्रत्येक कामासाठी अनेक examples आवश्यक नसतात; गरजेपेक्षा जास्त उदाहरणांमुळे प्रॉम्प्ट विनाकारण लांबतो.
• Output format स्पष्ट न करणे: examples असूनही final output कसा हवा हे स्पष्ट नसेल तर result वेगळा येऊ शकतो.
• चुकीचे examples वापरणे: चुकीचा pattern दाखवल्यास AI त्याच पद्धतीचा output तयार करू शकतो.

या चुका टाळल्यास उदाहरणांचा उपयोग अधिक परिणामकारक ठरू शकतो.

वारंवार विचारले जाणारे प्रश्न (FAQ)

1. Few-Shot Prompt म्हणजे काय?

Few-Shot Prompt म्हणजे AI ला एखादं काम सांगताना अपेक्षित output कसा असावा हे समजावण्यासाठी prompt मध्ये काही उदाहरणे देण्याची पद्धत. उदाहरणांमुळे AI ला अपेक्षित pattern, format किंवा style समजण्यास मदत होऊ शकते.

2. यात किती उदाहरणे द्यावी?

Few-Shot Prompt मध्ये उदाहरणांची निश्चित संख्या नाही. कामाची गुंतागुंत आणि अपेक्षित output किती स्पष्टपणे दाखवायचा आहे यानुसार उदाहरणांची संख्या ठरवता येते.

3. Few-Shot आणि Zero-Shot Prompt मध्ये काय फरक आहे?

Zero-Shot Prompt मध्ये कोणतेही उदाहरण दिले जात नाही; AI ला थेट सूचना दिली जाते. Few-Shot Prompt मध्ये अपेक्षित output समजावण्यासाठी काही उदाहरणे दिली जातात.

4. हा प्रकार कधी वापरावा?

ठराविक format, style किंवा tone मध्ये output हवा असेल किंवा एकाच पद्धतीने अनेक outputs तयार करायचे असतील, तेव्हा Few-Shot Prompt उपयुक्त ठरू शकतो.

5. हा प्रकार नेहमी वापरावा का?

नाही. काम साधं आणि थेट असेल किंवा फॉरमॅटची विशेष गरज नसेल, तर Zero-Shot Prompt पुरेसा ठरू शकतो. अनावश्यक उदाहरणांमुळे prompt मोठा होऊ शकतो.

6. उदाहरणे दिल्याने output नेहमी समान येतो का?

नाही. उदाहरणांमुळे output ची रचना, style किंवा tone अधिक सुसंगत होण्यास मदत होऊ शकते; मात्र प्रत्येक वेळी शब्दशः समान output मिळेलच असं नाही. शब्दरचनेत काही फरक दिसू शकतो.

7. Prompt मध्ये Format सांगणे का महत्त्वाचे आहे?

Format स्पष्ट सांगितल्यामुळे AI ला output कोणत्या रचनेत हवा आहे याची स्पष्ट दिशा मिळू शकते. उदाहरणार्थ, ५ MCQs, प्रत्येकाला ४ पर्याय आणि शेवटी Answer Key हवी असल्यास ही माहिती prompt मध्ये स्पष्टपणे देता येते.

निष्कर्ष

थोडक्यात — जेव्हा तुम्हाला AI कडून ठराविक स्वरूप, शैली किंवा सातत्यपूर्ण निकाल हवा असतो, तेव्हा Few-Shot Prompt वापरणं उपयुक्त ठरू शकतं.

तर साधं, थेट काम असेल किंवा फॉरमॅट महत्त्वाचा नसेल, तेव्हा Zero-Shot Prompt पुरेसा ठरू शकतो.

गरजेनुसार Zero-Shot, One-Shot किंवा Few-Shot यापैकी योग्य पद्धत निवडता येते.

Prompt Engineering शिकताना Few-Shot आणि Zero-Shot Prompt मधील हा फरक समजून घेणं उपयुक्त ठरू शकतं.

तुम्हाला AI Prompt लिहिण्याबद्दल आणखी मार्गदर्शन हवं असल्यास आमचं प्रॉम्प्ट इंजिनिअरिंग मार्गदर्शक आणि संपूर्ण AI Prompt कसे लिहावे? Ultimate Guide नक्की पाहा.

लेखकाबद्दल

नमस्कार! माझ नाव रविंद्र पारधी, Marathi AI Prompts चा संस्थापक (Founder). गेल्या काही महिन्यांपासून मी विविध AI Image Generator टूल्सवर (Midjourney, Leonardo AI, Google Gemini, DALL-E) सातत्याने सखोल प्रयोग (Testing & Research) करत आहे. माझा मुख्य उद्देश मराठी वाचकांसाठी सोप्या भाषेत AI Prompts, Prompt Engineering आणि प्रॅक्टिकल ChatGPT Tips शेअर करणे हा आहे.

या ब्लॉगवर तुम्हाला AI Prompts संबंधित सर्व मार्गदर्शन मिळेल — साडी AI Prompts पासून ते फोटोग्राफी कीवर्ड्सपर्यंत. मी स्वतः तयार केलेले आणि टेस्ट केलेले रिझल्ट्स मी इथे मांडतो. अधिक माहितीसाठी माझं ‘Founder’ पान नक्की बघा, आणि Facebook/Instagram वर आम्हाला फॉलो करा!