One-Shot Prompting: Jak naučit LLM vkládat YouTube videa

Velké jazykové modely (LLM) jsou neuvěřitelně všestranné, ale někdy potřebují navést, aby konkrétní úkoly provedly správně. Ve FlowHunt jsme zkoumali sílu one-shot prompting, abychom náš LLM naučili vkládat dokonalá YouTube videa přímo do příspěvků WordPressu pomocí naší integrace. Tato technika výrazně zlepšila přesnost i efektivitu tvorby obsahu pro naše uživatele.

Co je One-Shot Prompting?

One-shot prompting je technika, při které LLM poskytnete jediný konkrétní příklad požadovaného výstupního formátu nebo chování. Na rozdíl od zero-shot prompting (kdy nejsou příklady žádné) nebo few-shot prompting (používá více příkladů), one-shot představuje vyvážený kompromis mezi efektivitou a účinností.

Krása one-shot prompting spočívá v jednoduchosti: modelu ukážete jednou a on vzor zopakuje.

Výzva s YouTube embedováním

WordPress nabízí různé způsoby, jak vkládat YouTube videa, ale proces není vždy intuitivní, zejména pro uživatele, kteří nejsou obeznámeni s blokovým editorem WordPressu nebo shortcody. Naším cílem bylo umožnit uživatelům jednoduše zadat téma či produkt a nechat náš LLM najít relevantní YouTube videa a vygenerovat správný embedovací kód prostřednictvím FlowHunt integrace.

Zpočátku měl náš LLM potíže s konzistentním formátováním a někdy vytvářel nekompatibilní způsoby vkládání. Právě zde přišel na pomoc one-shot prompting.

Naše one-shot prompting řešení

Zde je přesný prompt, který jsme použili k vyřešení problému s YouTube embedováním:

CopyVideos: Existují k zadanému vstupu video návody nebo produktové přehledy? Shrňte jejich obsah a najděte YouTube videa související s tímto vstupem a předložte je ve formátu pro vkládání HTML.

příklad vložení:
"<iframe width="560" height="315" src="https://www.youtube.com/embed/LSHlL0d1Odw?si=N1WpGJij-nv35gNh" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe>"

---START INPUT---
{input}```

Tento jednoduchý, ale účinný prompt dělá několik klíčových věcí:

- Jasně definuje úkol: najít video návody a produktové přehledy související se vstupem
- Vyžaduje shrnutí obsahu videí
- Poskytuje kompletní příklad přesného požadovaného formátu iframe
- Používá přehlednou strukturu vstupu s oddělovači (`---START INPUT---` a `---`)

Příklad ukazuje LLM:

- Přesnou strukturu iframe potřebnou pro vložení YouTube videí
- Všechny potřebné atributy (width, height, allowfullscreen atd.)
- Správný formát YouTube embed URL (s použitím `/embed/` místo `/watch?v=`)

## Výsledky a přínosy

Po implementaci tohoto one-shot prompting přístupu jsme zaznamenali:

- **Téměř dokonalou přesnost** ve správně formátovaných YouTube embed kódech
- **Konzistentní responzivní zobrazení videí** napříč zařízeními
- **Výraznou úsporu času** pro tvůrce obsahu, kteří dříve museli videa vyhledávat a vkládat ručně
- **Vyšší kvalitu obsahu** díky automaticky vybraným relevantním videím

Pro uživatele FlowHunt to znamenalo, že se mohli soustředit na psaní obsahu a LLM za ně řešil technickou stránku vyhledání a vkládání vhodných videí.

## Proč je one-shot lepší než alternativy

Vyzkoušeli jsme několik přístupů:

1. **Zero-shot prompting:** Pouhé požádání LLM „najdi a vlož YouTube videa“ vedlo k nekonzistentním formátům a občas i k chybnému iframe kódu.
2. **Podrobné instrukce bez příkladů:** I když technické specifikace výsledky zlepšily, bez konkrétního příkladu LLM stále chyboval ve formátu.
3. **Few-shot prompting:** Více příkladů fungovalo dobře, ale pro tento úkol to bylo zbytečně složité a navyšovalo spotřebu tokenů.

One-shot prompting se ukázal jako ideální kompromis – poskytuje dostatečné navedení bez plýtvání zdroji.

## Nejen YouTube: Rozšíření vzoru

Stejnou one-shot prompting techniku jsme následně použili i pro jiné scénáře vkládání:

- příspěvky z Twitteru/X
- příspěvky z Instagramu
- různé formátování

Každý případ se řídí podobným vzorem: ukažte jeden dokonalý příklad a nechte LLM jej zopakovat.

> V závislosti na velikosti a složitosti LLM může být nutné zdůraznit, že příklad je opravdu jen příkladem, nikoli tím, co chceme vidět ve výstupu. U menších modelů někdy dochází k tomu, že se příklad z one-shot promptu „propíše“ do odpovědi a zkazí výstup.

## Jak implementovat one-shot prompting do svých FlowHunt workflow

Pokud používáte FlowHunt pro tvorbu obsahu, můžete snadno one-shot prompting zavést i do svých vlastních pracovních postupů:

1. Vytvořte šablonu, která obsahuje váš one-shot příklad
2. Nastavte proměnnou pro zadání vstupu uživatelem
3. Nakonfigurujte LLM, aby zpracoval vstup podle vzoru z příkladu
4. Výstup odešlete přímo do WordPressu pomocí naší integrace

Tento přístup lze přizpůsobit prakticky jakémukoli strukturovanému výstupu, který potřebujete, aby váš LLM generoval konzistentně.