少样本提示技巧

# 少样本提示技巧

## 什么是少样本提示

少样本提示（Few-shot Prompting）是在提示词中提供少量示例，让AI通过模式匹配理解你的需求。

---

## 为什么有效

AI通过你提供的示例理解：
- 输出的格式和结构
- 语言风格和语气
- 问题的边界和类型
- 你期望的逻辑流程

---

## 使用场景

### 场景一：格式化输出

**没有示例**：
> "将产品信息转换为JSON格式"

**有示例**：
> "将以下产品信息转换为JSON格式，参考这个结构：
> ```json
> { "name": "产品名称", "price": 99.9 }
> ```
> 
> 现在请转换：产品：运动鞋；价格：299元"

### 场景二：语言风格

**没有示例**：
> "写一段产品描述"

**有示例**：
> "用这种风格写产品描述：
> '轻如羽毛，硬如铠甲——这款背包仅重680g，却能承受10kg负重。'
> 
> 现在写：无线耳机"

### 场景三：复杂任务

**有示例**：
> "分析用户评论并总结，参考这个格式：
> 
> 输入：'这个产品还行，但是包装太差了'
> 分析：正面情感，但提到包装问题
> 建议：改进包装
> 
> 输入：'已经第三次购买了，依然满意'
> 分析：[你的分析]"

---

## 实战技巧

### 技巧一：正负示例对比

```
正面示例（符合期望）：
输入：天气很好
输出：积极情感

负面示例（不符合期望）：
输入：服务态度差
输出：消极情感

现在分析：
输入：[你的评论]
输出：
```

### 技巧二：链式示例

分步骤演示：
> "任务：提取文章关键信息
> 
> 示例：
> 原文：'公司营收突破1000万'
> 步骤1-识别数据：1000万
> 步骤2-识别事件：营收突破千万
> 步骤3-总结：标志公司进入新阶段
> 
> 现在分析：
> 原文：'[你的文章]'"

### 技巧三：边界示例

明确任务边界：
> "示例任务：判断评论是否为负面
> 
> 是负面：
> - '东西质量太差了'
> - '等了三周才收到'
> 
> 不是负面：
> - '物流有点慢'
> - '包装可以再精致些'
> 
> 判断：
> - '等了十天终于到了'"

---

## 注意事项

### 数量控制
- 通常2-5个示例足够
- 过多示例会分散AI注意力
- 质量比数量重要

### 示例多样性
确保示例覆盖不同情况：
- 简单案例1个
- 复杂案例1个
- 边界情况1个

### 示例一致性
所有示例保持统一格式：
- 格式一致
- 风格统一
- 结构清晰