少样本提示：用2-3个示例让AI秒懂你的需求

少样本提示：用2-3个示例让AI秒懂你的需求

如果说零样本提示是"用语言描述需求"，那少样本提示就是"用示例示范需求"。有时候你说了半天AI都不太理解你要什么，但你给它看了两个例子之后，它立刻懂了。这就是少样本提示的魔力。今天，我们来深入掌握这个提示词工程中最强大的基础技巧。

一、什么是少样本提示

1.1 最简单的定义

💡 少样本提示（Few-shot Prompting），是在提示词中提供若干个"输入→输出"的完整示例，让AI从示例中学习任务模式，然后将这个模式应用到你的实际输入上。

少样本提示的结构非常简单：

[示例1：输入 → 输出]
[示例2：输入 → 输出]
[示例3：输入 → 输出]

[实际输入] →

1.2 一个立即理解的对比

零样本版本：

请将以下文本的情感分类为"正面"、"负面"或"中性"：
"这款产品做工很好，但物流太慢了。"

少样本版本：

请根据以下示例学习情感分类的规则，然后对最后的文本进行分类。

示例1：这款产品太好了，强烈推荐！ → 正面
示例2：用了一天就坏了，客服态度也差。 → 负面
示例3：快递今天下午收到了。 → 中性

现在请分类：这款产品做工很好，但物流太慢了。 →

对比两个版本的输出概率：

• 零样本：AI的输出格式可能不一致（有时是"负面"，有时是"情感：负面"，有时带解释）
• 少样本：AI的输出格式几乎一定是"负面"（两个字，格式与示例一致）

✅ 少样本提示的核心优势：用示例代替语言描述来传达"你要什么"——包括内容标准、输出格式、推理逻辑和风格特征。

二、少样本提示为什么有效

2.1 核心机制：上下文学习

少样本提示之所以有效，是因为大语言模型具备一种叫**上下文学习（In-Context Learning）**的能力。模型不需要更新参数，仅仅通过观察提示词中的几个示例，就能临时"学会"一个新任务的模式。

这就像你教一个非常聪明的人做一件他从未做过的事——你不需要跟他讲理论，你只需要做两遍给他看，他就会了。

2.2 少样本提示解决了什么

• 格式一致性问题：示例直接展示了期望的输出格式
• 标准模糊问题：示例展示了"什么算好"、“什么算对”
• 任务歧义问题：示例消除了对任务目标的不同理解
• 风格难以描述问题：示例直接展示了期望的风格

三、少样本提示的示例选择策略

3.1 示例数量的黄金法则

💡 对于大多数任务，2-3个示例是最佳数量。

• 1个示例：往往不足以让AI稳定地识别模式
• 2-3个示例：足够建立清晰的模式认知，且token消耗合理
• 5个以上示例：边际收益递减，token成本增加，且过多示例可能导致AI"死记"示例而非"学习"模式

3.2 示例质量比数量更重要

这是少样本提示最关键的认知：2个高质量示例的效果远好于5个低质量示例。

一个好的示例应该具备：

• 典型性：能代表你期望的"好输出"的典型特征
• 清晰性：输入和输出之间的映射关系一目了然
• 多样性：多个示例覆盖不同类型的输入（但不是完全随机的）
• 一致性：多个示例之间格式完全一致

3.3 边界示例的价值

除了典型示例，加入一个"边界情况"示例（如异常输入、特殊情况如何处理）能显著提升AI在边缘场景下的表现。

四、少样本提示的六大实战模式

4.1 模式一：格式示范型

传达的关键信息：输出应该是什么格式。

示例：
输入：苹果 → 水果
输入：胡萝卜 → 蔬菜
输入：牛肉 → 肉类
输入：牛奶 →

4.2 模式二：标准示范型

传达的关键信息：什么样的输出算"好"。

好的产品描述示例：
"这款帆布包采用16盎司有机棉帆布，经过水洗工艺处理，
手感柔软但结构挺括。内袋设计巧妙——一个刚好装下
13寸笔记本，另一个带拉链的暗袋可以放钥匙和钱包。"

不好的产品描述：
"这是一款很好的帆布包，质量不错，容量大，推荐购买。"

请按照"好的示例"的标准，为我们的[产品]写一段产品描述。

4.3 模式三：推理示范型

传达的关键信息：思考过程和推理步骤。

这在本质上就是思维链提示（第44篇详讲）——用示例演示"如何一步步思考"。

4.4 模式四：风格示范型

传达的关键信息：期望的语言风格和语气。

4.5 模式五：否定示例型

不仅给出"要这样做"的示例，还给出"不要这样做"的反例。

4.6 模式六：渐进示例型

示例的复杂度逐步提升——从最简单到最复杂。

五、少样本提示的最佳实践

5.1 使用清晰的分隔符

将示例与实际输入明确区隔：

### 示例部分 ###
...
### 实际任务 ###
...

5.2 控制示例的多样性

如果你的实际任务涉及多种类型的输入，示例应该覆盖这些类型。但不要让示例差异太大——AI可能会"迷惑"。

5.3 少样本+零样本的组合使用

先用少样本示例传达格式和标准，再用零样本指令传达具体的任务要求。这是一种非常高效的组合策略。

✅ 本文核心要点总结

• 少样本提示通过提供"输入→输出"示例让AI学习任务模式
• 核心机制是上下文学习——AI从示例中"临时学会"新任务
• 2-3个高质量示例通常是最佳选择——质量比数量重要
• 六大实战模式：格式示范、标准示范、推理示范、风格示范、否定示例、渐进示例
• 最佳实践：清晰的分隔符、合适的多样性、与零样本的组合使用

本文是《提示词工程教程》系列的第41篇。下一篇将深入少样本提示的示例选择策略——为什么示例的质量比数量更重要。