少样本示例：给AI几个范例，输出立刻对味
我一开始也没搞懂：为什么加两个例子，AI就突然听话了
我最早写提示词，喜欢用形容词堆需求：「请专业一点」「输出要规范」「语气要好」。结果AI给的东西总是差口气，我反复重写，越改越烦。
后来我发现一个笨办法特别管用：别形容了，直接给它看两个「标准答案」长什么样。这就是少样本示例，英文叫 few-shot，直译就是「少量样本」。
简单说：在提示词里放几个「输入 → 输出」的范例，让AI自己总结规律，再照着这个规律处理你真正的输入。
先分清三种提示词写法
| 类型 | 做法 | 适合场景 |
|---|---|---|
| 零样本 zero-shot | 只说要求，不给例子 | 简单、常见的任务，比如翻译一句话 |
| 单样本 one-shot | 给一个例子 | 任务有点特别，说清格式就行 |
| 少样本 few-shot | 给两到五个例子 | 格式、口径、风格有讲究，文字描述说不清 |
我的经验是：一旦你发现自己在提示词里写了三个以上形容词还没说清楚，就该考虑上少样本示例了。
为什么范例比形容词管用
语言模型的强项是「模仿模式」。你写「输出要简洁有力」，这是抽象要求；你给三个简洁有力的范例，这是具体模式。后者对AI来说更容易照做。
少样本示例能一次交代清楚四件事：
- 输出的格式长什么样，要不要标题、列表、固定字段。
- 判断的口径是什么，边界情况怎么归类。
- 语气风格如何，是公文腔还是聊天腔。
- 长度和粒度，是一句话还是一段话。
三步写出好用的少样本提示词
第一步：定格式
先在开头用一两句话说明任务和输出格式，让AI知道这次要模仿什么。
第二步：选示例
挑2到4个「输入 → 输出」的完整范例。每个范例都用统一的标记分隔，比如用「输入：」「输出：」这样的固定标签。
第三步：留空位
示例写完后，给出真正的输入，让AI接着输出。常用写法是最后一行只写「输出：」，或者直接给待处理的内容。
把三步合起来，模板长这样：
你是……，任务是……，输出格式为……。
输入：（示例1的输入）
输出：（示例1的标准输出）
输入：（示例2的输入）
输出：（示例2的标准输出）
输入：（示例3的输入）
输出：（示例3的标准输出）
输入：（你真正的输入）
输出：
实战案例一：客服评论分类
我想让AI把用户评论分成「表扬」「投诉」「建议」三类，只输出标签。光说分类标准容易扯不清，直接给例子最省事。
任务：把用户评论分类，只输出标签：表扬、投诉、建议。
评论：配送很快，包装也完好。
标签：表扬
评论：收到的杯子有一道裂纹，想换货。
标签：投诉
评论：希望App能加一个夜间模式。
标签：建议
评论：客服态度不错，但退款太慢了。
标签：
这种「只输出标签」的写法，还能省下不少处理成本，因为我拿到的就是一个干净的词，不用再去文本里抠。
实战案例二：统一改写风格
我想让AI把生硬的产品说明改成轻松的口语，风格很难用形容词定义，于是我给了三个对照。
任务：把下面的产品说明改写成轻松口语，保留关键信息，一句话。
原句：本产品采用多重过滤技术，可有效去除水中有害物质。
改写：好几层过滤把水里的脏东西都拦下来，喝着更放心。
原句：本机配备高性能处理器，运行流畅无卡顿。
改写：处理器给力，用起来顺滑不卡。
原句：本品支持快速充电，三十分钟即可充至半数电量。
改写：充电很快，半小时就能回血一半。
原句：本设备具备防水防尘能力，可在户外环境中使用。
改写：
你会发现，范例一旦风格统一，AI输出的调性也稳得多。
实战案例三：输出结构化结果
少样本对「固定格式」特别好使。比如我要它抽取信息并按固定字段输出，与其描述字段规则，不如给两个样本。
任务：从句子中抽取时间和地点，按固定格式输出。
句子：小王周三下午三点在公司开会。
时间：周三下午三点
地点：公司
句子：我们上周六去了西湖边的咖啡馆。
时间：上周六
地点：西湖边的咖啡馆
句子：明天上午她要去图书馆还书。
时间：
好示例的四个标准
我筛示例时会对照这几条：
| 标准 | 说明 | 反例 |
|---|---|---|
| 一致性 | 所有示例格式完全统一，标签写法一样 | 一个写「输出：」，一个写「答案：」 |
| 代表性 | 覆盖典型情况和容易出错的边界 | 全是特别简单的例子 |
| 对比性 | 故意放一个「容易混淆但要分开」的例子 | 只给同质化的例子 |
| 精简性 | 每个示例只讲一件事，去掉无关信息 | 示例里塞满背景和废话 |
关于数量，我一般放2到4个。太少规律抓不住，太多反而把提示词撑得又长又贵，而且示例之间一旦有矛盾，AI就会学乱。
我踩过的坑，你别再踩
- 示例格式不统一。这是最常见的翻车点，AI会挑一种格式随机模仿，输出就飘了。
- 示例和要求打架。嘴上说「只输出标签」，示例里却带了解释，AI大概率也跟着解释。
- 示例有错误。AI会忠实学习你给的范例，包括里面的错，所以示例必须先自己校对。
- 示例太单一。如果只给「表扬」的例子，AI就会把新评论往「表扬」上靠。
- 忽略边界情况。真实输入里总有模棱两可的，示例里最好明确示范一两条。
进阶小技巧
- 顺序有影响：把你最希望AI模仿的风格放在最后一个示例，离真正输入越近，影响越大。
- 可以标注理由：如果任务是判断类的，在输出后面加一行简短理由，AI会学到判断依据，泛化更稳。注意此时输出格式也要统一。
- 换模型先重测：提示词不是一劳永逸的，换模型或换版本后建议拿几个真实输入重跑一遍。
- 示例也要迭代：发现AI在某类输入上出错，就把这类输入补成一个新示例，这是最直接的改进方式。
一句话总结
少样本示例的本质是「用例子代替形容词」。定格式、选示例、留空位，三步下来，AI就会照着你要的样子干活。下次再遇到怎么说AI都不对味的场景，先别加形容词，先给它两个标准答案看看。