跳到主要内容

少样本提示 (Few-shot Prompting): 让 AI “照猫画虎”

当你要求一个 AI 助手完成一个新颖或复杂的任务时，仅仅下达指令（这被称为零样本提示 Zero-shot Prompting）往往不够。AI 可能会误解你的意图，或者输出的格式不符合你的要求。

少样本提示 (Few-shot Prompting)，是解决这个问题的最简单、也最有效的方法之一。它的核心思想极其直观：与其反复用语言描述你的要求，不如直接给他做几个示范。

它标志着我们与 AI 交互方式的一次关键升级：从单纯的“命令者 (Commander)”，转变为“导师 (Mentor)”。你不再只是“提要求”，更是在“言传身教”。

本文核心洞察​

  1. 核心理念：“做示范”而非“下命令”。通过在提示词中提供一到多个完整的“输入 → 输出”范例，来引导 AI 理解任务的模式和要求。
  2. 本质：这是一种在上下文中学习 (In-Context Learning) 的能力。AI 利用你在 Prompt 中提供的“临时知识”来完成当前任务，而模型本身的权重并未发生任何改变。
  3. 主要优势：能极大地提升 AI 在处理特定格式、复杂分类、新颖任务时的准确性和稳定性，是性价比最高的提示词优化技巧。
  4. 与微调的区别：少样本提示是一种一次性的、即时的“现场教学”；而 微调 (Fine-tuning) 则是一种系统性的、旨在永久改变模型“内在技能”的“刻意练习”。

从“命令”到“示范”：一个实例​

假设你需要 AI 将非结构化的客户反馈，整理成一个标准的 JSON 格式。

零样本提示 (Zero-shot) - 效果可能不佳​

请从以下邮件中提取客户姓名、反馈类别和核心内容，并以JSON格式输出。

邮件内容：“你好，我是张三。你们这个新上线的导入功能总是失败，太影响工作了，希望能尽快修复。”

可能的输出 (格式不稳定)： 客户：张三，问题：功能失败，类别：投诉。 或其他任何非标准格式。

少样本提示 (Few-shot) - 精准、可靠​

现在，我们来“做示范”：

你的任务是从邮件中提取关键信息，并严格按照指定的JSON格式输出。

---
**示例 1**

**输入邮件**: "你好，我是李四。我有个想法，如果你们能增加一个导出为PDF的功能，那就太完美了！"
**标准输出**:
```json
{
  "customer_name": "李四",
  "category": "建议",
  "summary": "希望增加导出为PDF的功能。"
}
```

---
**示例 2**

**输入邮件**: "王五想问下，你们的企业版套餐具体是怎么收费的？"
**标准输出**:
```json
{
  "customer_name": "王五",
  "category": "咨询",
  "summary": "询问企业版套餐的收费标准。"
}
```

---
**现在，轮到你了**

**输入邮件**: "你好，我是张三。你们这个新上线的导入功能总是失败，太影响工作了，希望能尽快修复。"
**标准输出**:

AI 将会生成的输出 (格式高度可靠)：

{
  "customer_name": "张三",
  "category": "投诉",
  "summary": "新上线的导入功能总是失败，影响工作，希望修复。"
}

通过提供这两个“示范”，AI 不仅理解了任务目标，更重要的是，它学习到了你期望的输出格式和分类标准，从而能够“照猫画虎”，生成精准的结果。

少样本提示 vs. 微调：一次性教学 vs. 永久记忆​

这两者在理念上很相似，但在实践中是为解决不同问题而设计的。

对比维度少样本提示 (Few-shot Prompting)微调 (Fine-tuning)
比喻一次性的 “言传身教”系统性的 “刻意练习”
发生位置提示词 (Prompt) 的上下文中模型训练的后台
对模型的影响临时性。AI 的内在能力没有改变。永久性。改变了模型的权重，使其“本能地”掌握了新技能。
成本几乎没有金钱成本，但会增加运行时 Token 消耗。需要前期训练成本，但后续调用时 Prompt 可以更短。
适用场景处理少数几次或每次都不同的复杂格式/风格任务。大规模、高频率地执行一个固定的、对风格/格式要求极高的任务。

前进的道路​

常见误区与最佳实践​

  • 误区：范例越多越好。不一定。通常，一到五个高质量、有代表性的范例就足够了。过多的范例会消耗大量的上下文窗口和 Token，并可能引入噪音。
  • 最佳实践：精心选择你的“示范”。你的范例应该覆盖你希望 AI 处理的各种典型情况和边界情况。范例的质量，直接决定了 AI “模仿”的质量。

推荐资源​

  1. "Prompt Engineering Guide": www.promptingguide.ai - 一个关于提示词工程的综合性指南，其中对少样本提示有非常清晰的解释和示例。

相关词条​