Few-shot: пристрелочная для ИИ-агента

Значимый прорыв формирует отрасль ИИ: Xronofag 23 минуты назад Краткое содержание статьи Few-shot: пристрелочная для ИИ-агента Средний 5 мин 681 Искусственный интеллект Управление разработкой * Программирование * Тестирование IT-систем * Машинное обучение * Мнение 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. 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.

Технические детали

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, 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. Когда я читал канал Владимира Иванова AI Projects, 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.

Отраслевые последствия

Что уже даёт GRACE — и чего может не хвататьВ 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.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.