Few-shot 학습 (Few-shot Learning)

[작업 설명]

예시:

입력: [예제 입력 1]
출력: [예제 출력 1]

입력: [예제 입력 2]
출력: [예제 출력 2]

입력: [예제 입력 3]
출력: [예제 출력 3]

이제 다음 입력을 처리하세요:

입력: [실제 입력]
출력:

다음 리뷰의 감정을 positive/negative/neutral로 분류하세요:

예시:

입력: "이 제품 정말 마음에 들어요! 품질이 최고네요."
출력: positive

입력: "배송은 빨랐지만 제품이 설명과 달라요."
출력: negative

입력: "보통입니다. 가격대비 무난해요."
출력: neutral

입력: "예상보다 훨씬 좋습니다. 강력 추천!"
출력: positive

이제 다음 리뷰를 분류하세요:

입력: "디자인은 예쁜데 내구성이 걱정되네요."
출력:

이메일에서 이름, 전화번호, 문의 유형을 JSON으로 추출하세요:

예시:

입력: "안녕하세요, 김철수입니다. 제품 A에 대해 문의드립니다. 연락처는 010-1234-5678입니다."
출력:
{
  "name": "김철수",
  "phone": "010-1234-5678",
  "inquiry_type": "제품 문의"
}

입력: "이영희입니다. 환불 요청합니다. 010-9876-5432로 연락 주세요."
출력:
{
  "name": "이영희",
  "phone": "010-9876-5432",
  "inquiry_type": "환불"
}

입력: "배송 관련 문의입니다. 박민수, 010-5555-7777"
출력:
{
  "name": "박민수",
  "phone": "010-5555-7777",
  "inquiry_type": "배송 문의"
}

이제 다음 이메일을 처리하세요:

입력: "최지영입니다. 주문 번호 12345의 배송 상태가 궁금합니다. 010-1111-2222"
출력:

자연어 질문을 SQL 쿼리로 변환하세요.

테이블 스키마:
- users(id, name, email, created_at)
- orders(id, user_id, amount, order_date)

예시:

입력: "2024년에 가입한 모든 사용자 조회"
출력:
```sql
SELECT * FROM users
WHERE YEAR(created_at) = 2024;
```

입력: "주문 금액이 10만원 이상인 고객 이름과 이메일"
출력:
```sql
SELECT DISTINCT u.name, u.email
FROM users u
JOIN orders o ON u.id = o.user_id
WHERE o.amount >= 100000;
```

입력: "각 사용자의 총 주문 금액과 주문 건수"
출력:
```sql
SELECT u.id, u.name,
       COUNT(o.id) AS order_count,
       SUM(o.amount) AS total_amount
FROM users u
LEFT JOIN orders o ON u.id = o.user_id
GROUP BY u.id, u.name;
```

이제 다음 질문을 SQL로 변환하세요:

입력: "최근 30일간 주문이 없는 사용자 목록"
출력:

입력: "좋아요"
출력: positive

입력: "최고예요"
출력: positive

입력: "훌륭합니다"
출력: positive

# 모두 긍정 → 패턴 학습 부족

입력: "좋아요"
출력: positive

입력: "별로예요"
출력: negative

입력: "그냥 그래요"
출력: neutral

입력: "디자인은 좋은데 가격이 비싸요"
출력: mixed

# 다양한 감정 + 복합 감정 포함

예시 1:
Q: 파이썬으로 리스트 정렬하는 법?
A: list.sort() 사용

예시 2:
리스트 길이는? → len(list)

예시 3:
딕셔너리에서 키 가져오기: dict.keys()

# 형식이 제각각

질문: 파이썬으로 리스트 정렬하는 법?
답변: list.sort() 또는 sorted(list) 사용

질문: 리스트 길이 구하는 법?
답변: len(list) 사용

질문: 딕셔너리에서 모든 키 가져오는 법?
답변: dict.keys() 사용

# 모든 예제가 "질문: ... 답변: ..." 형식

# 1. 기본 케이스
입력: "안녕하세요"
출력: "반갑습니다!"

# 2. 약간 복잡한 케이스
입력: "주문 취소하고 싶어요"
출력: "주문 취소를 도와드리겠습니다. 주문번호를 알려주시겠어요?"

# 3. 엣지 케이스
입력: "ㅁㄴㅇㄹ"
출력: "죄송합니다. 이해하지 못했습니다. 다시 말씀해 주시겠어요?"

<example>
<input>배송이 너무 느려요</input>
<output>negative</output>
</example>

<example>
<input>품질이 좋네요</input>
<output>positive</output>
</example>

# XML 태그로 명확히 구분

텍스트를 분석하고 단계별로 처리하세요:

예시:

입력: "김철수 고객님의 주문 #12345가 배송 중입니다."

1단계 (개체 인식):
- 이름: 김철수
- 주문번호: 12345
- 상태: 배송 중

2단계 (의도 파악):
- 의도: 배송 상태 알림

3단계 (응답 생성):
"고객님, 주문 #12345가 현재 배송 중입니다. 곧 도착할 예정입니다."

---

이제 다음 텍스트를 처리하세요:

입력: "이영희 고객님의 환불 요청 #67890이 승인되었습니다."

1단계 (개체 인식):
2단계 (의도 파악):
3단계 (응답 생성):

이메일 제목을 전문적으로 작성하세요.

✅ 좋은 예시:

입력: 회의 일정 변경 건
출력: "[일정 변경] 2월 15일 마케팅 회의 → 2월 20일로 조정"

입력: 프로젝트 완료 보고
출력: "[완료 보고] Q1 웹사이트 리뉴얼 프로젝트 최종 결과"

❌ 피해야 할 예시:

입력: 급함!!!
출력: "급한 거 있어요!!" (X)
올바른 출력: "[긴급] 즉시 확인 필요 사항"

입력: 문의드려요~
출력: "질문 있어요~~" (X)
올바른 출력: "[문의] 제품 사양 관련 질문"

이제 다음 입력을 처리하세요:

입력: 버그 발견됨
출력:

코드 리뷰를 수행하세요.

예시:

코드:
```python
def div(a, b):
    return a / b
```

리뷰:
**문제:** ZeroDivisionError 가능성
**심각도:** HIGH
**설명:** b가 0일 때 예외 발생
**수정:**
```python
def div(a, b):
    if b == 0:
        raise ValueError("Division by zero")
    return a / b
```

---

코드:
```python
password = input("Password: ")
print(f"Your password is {password}")
```

리뷰:
**문제:** 보안 - 비밀번호 평문 출력
**심각도:** CRITICAL
**설명:** 비밀번호를 로그에 노출하면 안 됨
**수정:**
```python
password = getpass.getpass("Password: ")
# 비밀번호는 절대 출력하지 않음
```

from anthropic import Anthropic

client = Anthropic()

system_prompt = """당신은 고객 지원 AI입니다.
항상 공손하고, 간결하며, 해결 중심적으로 답변하세요."""

few_shot_examples = """예시:

고객: "배송이 안 왔어요"
AI: "불편을 드려 죄송합니다. 주문번호를 알려주시면 배송 상태를 확인해드리겠습니다."

고객: "환불해주세요"
AI: "환불 도와드리겠습니다. 주문번호와 환불 사유를 말씀해 주시겠어요?"

고객: "이거 어떻게 쓰는 거예요?"
AI: "사용법을 안내해드리겠습니다. 어떤 기능이 궁금하신가요?"
"""

user_input = "제품이 고장났어요"

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=512,
    system=system_prompt,
    messages=[
        {
            "role": "user",
            "content": few_shot_examples + f"\n\n고객: \"{user_input}\"\nAI:"
        }
    ]
)

print(message.content[0].text)