Few-Shot Prompting: cómo Claude aprende un patrón a partir de ejemplos, no de instrucciones
En esta sesión de vídeo hemos explorado el "few-shot prompting", una de las técnicas más prácticas de todo el tutorial de ingeniería de prompts de Anthropic. La idea central es sencilla: en lugar de describir con palabras la regla que queremos que Claude siga, le mostramos varios ejemplos ya resueltos siguiendo esa regla, y dejamos que Claude complete el patrón por su cuenta cuando le presentamos un caso nuevo.
Empezamos con un ejemplo muy visual sobre el peso del contexto: la pregunta "¿me traerá Santa regalos por Navidad?". Cuando se la formulamos a Claude de forma directa, sin ningún contexto previo, responde con honestidad de adulto: explica que Santa es una figura del folclore navideño y que los regalos suelen venir de la familia. Pero si en lugar de preguntar directamente le damos una conversación ya empezada —una pregunta anterior sobre el hada de los dientes, respondida con total ternura y naturalidad— y le pedimos que complete la siguiente línea siguiendo ese mismo tono, Claude sigue la corriente y responde dentro del mismo registro cariñoso, sin romper la ilusión. No hemos cambiado ninguna instrucción explícita sobre "sé cariñoso" o "sigue la broma"; ha sido el ejemplo previo el que ha marcado el tono a seguir.
El segundo ejemplo lleva esta misma idea a un terreno más práctico: extracción de información estructurada. Le presentamos a Claude dos textos sobre pueblos ficticios (Silvermist Hollow y Riverside Grove), cada uno seguido de una lista numerada con el nombre y la ocupación (entre corchetes) de los personajes mencionados. Después le damos un tercer texto, sobre Oak Valley, sin ninguna lista al final. Sin que en ningún momento se le explique la regla "extrae nombre y ocupación y ponlos en una lista numerada con corchetes", Claude identifica el patrón de los dos ejemplos anteriores y genera automáticamente la lista correspondiente a Oak Valley, con el mismo formato exacto.
El tercer bloque retoma un ejercicio que ya habíamos resuelto antes por otro camino: la clasificación de emails de atención al cliente en cuatro categorías (pregunta previa a la venta, artículo defectuoso, facturación, otros). Esta vez, en lugar de explicar las categorías y pedir un formato concreto con etiquetas XML y prefill, incluimos directamente en el prompt tres ejemplos de emails ya clasificados, cada uno con un breve razonamiento y terminando en una línea "Category: X". Además, subimos el nivel de exigencia de formato: la letra de la categoría debe ser el último carácter exacto de toda la respuesta, sin punto ni texto después. Al aprender el patrón por los ejemplos, Claude no solo clasifica correctamente los nuevos emails, sino que respeta ese formato tan estricto de manera consistente.
La lección de fondo que conecta los tres ejemplos es que mostrar es, muchas veces, más eficaz que explicar. Cuando una tarea implica un formato concreto, un tono particular, o una estructura que es difícil de describir con palabras de forma exhaustiva, dos o tres ejemplos bien elegidos suelen conseguir resultados más consistentes que una lista larga de instrucciones. Esta técnica, además, se combina perfectamente con las que ya hemos visto en sesiones anteriores: etiquetas XML para delimitar cada ejemplo con claridad, y prefill para reforzar el punto de partida de la respuesta.
Aplicado al día a día en un entorno de ingeniería civil, el few-shot prompting es especialmente útil cuando necesitamos que Claude replique un formato interno muy específico —por ejemplo, el estilo de redacción de un informe técnico, la estructura de un acta de reunión, o el formato exacto en que se documentan las incidencias de obra—: en vez de intentar describir ese formato con reglas, basta con mostrarle dos o tres documentos ya redactados así como ejemplo.
Para practicar hoy: coja una tarea que le resulte difícil de explicar con instrucciones (un tono, un formato, un estilo concreto) y en su lugar redacte dos ejemplos completos de cómo debería quedar el resultado. Péguelos en el prompt junto con el caso nuevo que quiere resolver, y compare el resultado con el que obtendría solo con instrucciones.
Próxima lección del curso: seguiremos avanzando en el tutorial interactivo de Anthropic sobre ingeniería de prompts.
