---
title: "O que é few-shot prompting? Exemplos no prompt | BroadRouter"
description: "Few-shot prompting coloca alguns exemplos resolvidos no prompt para o modelo copiar o padrão. Como funciona, quantos exemplos usar e quanto eles custam."
url: https://broadrouter.com/pt/glossary/few-shot-prompting/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/few-shot-prompting/) (atualizado em 2026-11-16).

# Few-shot prompting (prompt com exemplos)

Atualizado em 2026-11-16

Few-shot prompting é uma técnica em que o prompt inclui um pequeno número de exemplos resolvidos de entrada e saída antes da entrada real, para que o modelo de linguagem deduza deles a tarefa e o formato. Os pesos do modelo não mudam; zero-shot não usa exemplos e one-shot usa um.

Também chamado de: prompt com exemplos, exemplos no prompt, aprendizado few-shot, few-shot learning, multishot prompting, in-context examples, one-shot prompting

Mostrar funciona melhor que explicar. Alguns exemplos muitas vezes acertam formato e tom mais rápido que um parágrafo de regras.

## Como funciona

Foi o artigo do GPT-3, de Brown e colegas, que popularizou o termo. Ele testou um modelo de 175 bilhões de parâmetros com tarefas “specified purely via text interaction with the model” (tradução: especificadas apenas por interação de texto com o modelo), sem atualizações de gradiente nem fine-tuning, e viu que o desempenho few-shot melhorava muito com o tamanho do modelo. O artigo define três configurações:

| Configuração | Exemplos no prompt |
| --- | --- |
| Zero-shot | nenhum, só uma instrução |
| One-shot | um |
| Few-shot | vários, limitados pela janela de contexto |

Um prompt few-shot para classificar tickets de suporte poderia ser assim (os tickets ficam em inglês: cobrança em dobro, app travando no login, pedido de modo escuro e cobrança depois do cancelamento):

```text
Ticket: "My card was charged twice." -> billing
Ticket: "The app crashes on login." -> bug
Ticket: "Can you add dark mode?" -> feature_request
Ticket: "I was billed after cancelling." ->
```

O modelo continua o padrão. O guia da Anthropic chama os exemplos de “one of the most reliable ways to steer” (tradução: uma das formas mais confiáveis de direcionar) formato, tom e estrutura, e pede que sejam relevantes, variados e envolvidos em tags, para o modelo distingui-los das instruções.

## Por que isso importa

-   **Controle de formato.** Os exemplos mostram casos extremos que as regras não pegam, como escrever um campo vazio. Para JSON rigoroso, combine-os com [saída estruturada](https://broadrouter.com/pt/glossary/structured-output/).
-   **Custo.** Cada exemplo é reenviado como entrada em toda chamada. Cinco exemplos de 200 tokens somam 1.000 tokens por requisição. Num prefixo fixo, eles podem ser cobrados como [tokens de entrada em cache](https://broadrouter.com/pt/glossary/cached-input-tokens/).
-   **Raciocínio.** Exemplos que mostram os passos, e não só a resposta, são prompting de [chain-of-thought](https://broadrouter.com/pt/glossary/chain-of-thought/).
-   **Quando parar.** Se você precisa de centenas de exemplos, o [fine-tuning](https://broadrouter.com/pt/glossary/fine-tuning/) pode sair mais barato por chamada do que enviá-los toda vez.

## Na BroadNet Inference

Few-shot prompting não exige nenhum recurso especial da API; é texto simples em `messages`. A BroadNet informa `cached_tokens` em `usage`, então você pode conferir se o seu bloco de exemplos está sendo lido do cache. Numa chave de pagamento por uso, o preço em cache é menor que o de entrada; no DeepSeek V4.1 Flash é $0.0055 contra $0.175 por 1M de tokens. Para tarefas em árabe, veja [engenharia de prompt em árabe](https://broadrouter.com/pt/blog/arabic-prompt-engineering/) e, para extração de documentos com exemplos, o [guia de faturas em árabe](https://broadrouter.com/pt/guides/read-arabic-invoices-with-vision/).

## Erros comuns

-   Usar exemplos que têm todos o mesmo rótulo ou o mesmo tamanho. O modelo copia o viés.
-   Trocar os exemplos a cada requisição. Isso quebra o prefixo em cache e dificulta comparar resultados.

## Perguntas frequentes

### Quantos exemplos um prompt few-shot deve ter?

A Anthropic sugere de 3 a 5 para melhores resultados. Mais exemplos custam mais tokens de entrada em toda chamada, então pare de adicionar quando a qualidade parar de melhorar.

### Few-shot prompting é a mesma coisa que fine-tuning?

Não. Os exemplos few-shot ficam no prompt e são reenviados em toda requisição. O fine-tuning muda os pesos do modelo uma vez, e aí os exemplos não precisam mais ser enviados.

### Os exemplos vão no system prompt ou como turnos de chat?

Os dois funcionam. Mantenha-os em uma posição fixa perto do início, para formarem um prefixo estável que pode ir para o cache.

## Veja também

-   [Prompt de sistema (system prompt)](https://broadrouter.com/pt/glossary/system-prompt/) (termo)
-   [Chain-of-thought (CoT, cadeia de pensamento)](https://broadrouter.com/pt/glossary/chain-of-thought/) (termo)
-   [Fine-tuning (ajuste fino de LLM)](https://broadrouter.com/pt/glossary/fine-tuning/) (termo)
-   [Tokens de entrada em cache (cached input)](https://broadrouter.com/pt/glossary/cached-input-tokens/) (termo)
-   [Saída estruturada (structured output)](https://broadrouter.com/pt/glossary/structured-output/) (termo)
-   [Engenharia de prompt (prompt engineering)](https://broadrouter.com/pt/glossary/prompt-engineering/) (termo)
-   [Ler notas fiscais e recibos em árabe com um modelo de visão](https://broadrouter.com/pt/guides/read-arabic-invoices-with-vision/) (guia)
-   [Engenharia de prompt em árabe: registro, RTL, números e texto misto](https://broadrouter.com/pt/blog/arabic-prompt-engineering/) (artigo)
-   [Como estruturar prompts para o prefixo entrar em cache](https://broadrouter.com/pt/blog/prompt-structure-for-caching/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-few-shot-prompting&utm_content=page-cta) ·

**Fontes**

-   [Brown et al. (2020), Language Models are Few-Shot Learners (verificado em 2026-11-16)](https://arxiv.org/abs/2005.14165)
-   [Anthropic, boas práticas de prompting (usar exemplos com eficácia) (verificado em 2026-11-16)](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices)
-   [Referência da API da BroadNet Inference, tokens em cache (verificado em 2026-11-16) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-few-shot-prompting&utm_content=sources)
