Few-shot: пристрелочная для ИИ-агента

Я регулярно использую GLM как рабочую модель — «молотилку», которой можно отдавать большой объём реализации. Смысл понятен: не каждая задача требует самой дорогой frontier-модели. Если архитектура определена, требования собраны, а результат можно проверить, основную работу должна выполнять более дешёвая модель.

Для этого мы уже используем GRACE ^[1]. Методология хранит не просто документацию, а модель проекта: требования и ограничения, граф модулей и потоков данных, активные изменения, утверждения и верификацию. В коде остаются семантические контракты с назначением модуля, областью ответственности, входами, выходами, зависимостями и связями с требованиями.

Это действительно помогает агентам ориентироваться в проекте. Но периодически возникает другая проблема: модель понимает, что требуется сделать, и всё равно полдня ходит кругами вокруг реализации. Повторяет один тип ошибки ^[2], переписывает рабочие части, меняет формат ответа, чинит компиляцию и снова ломает контракт.

Дешёвая модель, которая несколько часов не может дойти до проходящего результата, уже не такая дешёвая. Она расходует токены, контекст, машинное время и, главное — человеческое внимание ^[3].

Когда я читал канал Владимира Иванова AI Projects ^[4], у меня появилась гипотеза: GRACE хорошо передаёт модели семантику, но, возможно, в данной конкретной реализации не хватает еще одного постоянного слоя — проверенных примеров реализации. Не добавлять их вручную в каждый промпт, а встроить few-shot в саму методологию.

Мы провели небольшой контролируемый эксперимент. Результат не доказывает, что идея универсальна, но показывает: тема рабочая и заслуживает развития.

Что уже даёт GRACE — и чего может не хватать

В GRACE 4 долговременная модель проекта находится в .grace:

• context хранит требования, технологии, принципы и ограничения;

• graph описывает модули, их связи и потоки данных;

• changes хранит спецификацию и план конкретного изменения;

• verification связывает утверждения с командами, сценариями и доказательствами проверки.

На уровне кода семантические якоря и контракты помогают агенту быстро ответить на вопросы: зачем существует этот модуль, чем он владеет, от чего зависит и какие требования реализует.

Но знание смысла ещё не гарантирует правильную форму реализации.

Контракт может сказать: «собери React-артефакт из валидированной спецификации, не добавляй новых фактов, сохрани evidence ID и пройди компиляцию». Модель поймёт задачу. Но даже правильно поняв задачу, модель может ошибиться в исполнении: отступить от структуры, пропустить обязательные элементы или оформить результат так, что его нельзя использовать.

Здесь и возникает место для few-shot.

💡 Хозяйке на заметку Zero-shot — модель получает только инструкцию. One-shot — инструкцию и один готовый пример. Few-shot — несколько примеров того, как должен выглядеть правильный результат. Модель при этом не переобучается: примеры работают только внутри текущего контекста и помогают ей быстрее уловить нужный паттерн.

Во всю ширинуСкопировать как изображениеОткрыть на весь экран

Контракт задаёт смысл, пример показывает способ реализации, а пригодность результата подтверждают тесты.

Откуда взялась гипотеза

В посте о небольших моделях ^[5] Владимир Иванов описывает SLM прежде всего как чувствительные детекторы паттернов: длинное объяснение для них может быть менее полезно, чем несколько правильно выбранных демонстраций.

Существует распространённый миф: младшая модель того же вендора якобы лучше работает со старшей только потому, что они принадлежат к одному семейству и производителю. Убедительных подтверждений этому нет. Зато хорошо виден другой эффект: worker-модель быстро подстраивается, когда получает готовый контекст и рабочие примеры — то есть фактически few-shot.

Если мы сознательно отдаём исполнение более простой и прямолинейной модели, одного технического задания ей может быть недостаточно. Вместе с задачей стоит сразу передать рамку: структуру решения, ограничения и несколько правильных образцов. Тогда worker не пытается заново изобрести способ реализации, а работает по лекалам, подготовленным более сильной моделью.

Для GRACE отсюда следует интересный вопрос. Если методология уже умеет находить нужный модуль, требования, изменение и проверку, почему бы планирующей модели не подбирать ещё и несколько подходящих примеров?

Не весь репозиторий. Не случайные файлы из поиска. Один-два проверенных образца, которые показывают нужный паттерн и связаны с теми же семантическими узлами.

Простая проверка

В полевом тесте локальных моделей Avenex ^[6] модель должна была превратить валидированную семантическую спецификацию в самостоятельный React-компонент.

Обе группы получали одинаковую спецификацию и одинаковый контракт:

• вернуть только исполняемый React-код в заданном формате;

• использовать 4–6 полноэкранных разделов;

• не подключать внешние библиотеки и ресурсы;

• не придумывать факты, числа, людей, даты и рекомендации;

• сохранить идентификаторы доказательств;

• уложиться в ограничение по размеру программы.

После генерации обычный код проверял результат: разобрался ли формат ответа, компилируется ли JSX, рендерится ли компонент, верно ли число разделов, присутствуют ли evidence ID, не появились ли новые числа и внешние ресурсы.

Разница между условиями была одна. В zero-shot модель видела контракт и спецификацию. В экспериментальном условии она дополнительно получала небольшой рабочий React-компонент с прямой инструкцией: копировать дисциплину реализации, а не его факты.

То есть мы не сравнивали «плохой промпт» с «хорошим». Семантика, ограничения и проверки уже были зрелыми. Мы изолировали вклад одного реализационного примера поверх них.

Это не академическое доказательство и не рейтинг моделей. Но для инженерной гипотезы сигнал сильный: при неизменной семантической спецификации, контракте и проверках один небольшой пример заметно изменил поведение ^[7] двух слабых моделей и улучшил сильную.

Как встроить few-shot в протокол агента

Минимальная конструкция состоит из трёх элементов.

1. Реестр примеров

Каждый проверенный пример получает стабильный идентификатор и краткое описание:

• какой паттерн он демонстрирует;

• для каких задач и компонентов подходит;

• когда его использовать нельзя;

• какие файлы служат образцом;

• какими тестами или проверками подтверждена его корректность.

2. Подбор примеров под задачу

Перед началом работы протокол определяет границы изменения, затронутые компоненты, ограничения и критерии приёмки. По этим признакам он подбирает один-два наиболее близких примера и передаёт их агенту вместе с задачей.

Ключевой принцип — минимальность. Большая свалка кода создаёт шум. Нужны только те примеры, которые снимают конкретную неопределённость реализации.

3. Проверка результата, а не сходства

Агент не обязан буквально копировать образец. Он должен использовать показанный способ реализации и при этом выполнить требования текущей задачи. Источником истины остаются спецификация, критерии приёмки и автоматические проверки.

ℹ️ Практический пример В GRACE этот подход уже оформлен в PR #63 «few-shot examples from spec to verification» ^[8]. Общие правила дополняются контрастными примерами ожидаемого поведения ^[9], а каждый принятый пример связывается с задачей, тестом, командой и доказательством проверки. Так пример становится частью инженерного контракта, а не одноразовой вставкой в промпт.

Ещё одна проверка на коде

После React-эксперимента мы сделали ещё одну проверку: к локальным моделям добавили GLM-5.3 и Claude Haiku 4.5. Задача и примеры были простыми, поэтому заметной разницы я вообще не ждал. Но она появилась.

Небольшая и не у всех моделей, зато в отдельных тестах модели стали проверять то, что раньше пропускали. Это не академический эксперимент: одна задача, мало прогонов. Но сигнал есть. Не знаю, как вы, а я few-shot в своих проектах теперь точно буду активно тестировать.

Почитать:

• AI Projects: few-shot как основной приём для небольших моделей ^[5]

• AI Projects: рабочий код как few-shot для worker-модели ^[10]

• AI Projects: контекст frontier-модели для worker-модели ^[11]

• AI Projects: разработка Turbo Planner ^[12]

• Avenex: полевой тест пяти локальных моделей ^[6]

• Штатный ИИ: Математические модели для бизнеса ^[13]

• Brown et al., Language Models are Few-Shot Learners ^[14]

• Min et al., Rethinking the Role of Demonstrations ^[15]