第27天基础课：少样本提示
少样本提示，就是先给模型看几个正确的例子，再让它照着完成新任务。这里的「样本」就是示例，「少」表示不用准备成百上千条，通常有二到五个就能明显帮助模型理解规则。你可以把它想成教新员工：请先看三张处理完成的报表，观察公司如何命名、排序和填写，再做一张新报表。例子不是越多越好，关键是少而精，而且必须稳定地展示你想要的输出模式，也就是任务结果应该长什么样。今天我们练习让模型把杂乱商品整理成统一格式，并学会挑选高质量示例。
一、先用例子教会输出模式
假设你要让 AI 把顾客评价整理成表格，却只说「请整理评价」，模型可能自创栏目，结果每次都不一样。更稳的方法是直接展示模式。例如，先给出三条输入和输出：输入「衣服质量很好，穿起来舒服」，输出「优点｜质量好、穿着舒适」；输入「第二天就到货，包装也很牢固」，输出「优点｜物流快、包装牢固」；输入「尺码偏小，建议买大一码」，输出「缺点｜尺码偏小」。这组例子同时说明了拆分方式、使用的分隔符「｜」以及只提取关键信息的方式。像看菜谱中的三道示范菜，做新菜时就知道该放哪些配料、按什么顺序摆盘。注意，输出模式还包括固定字段，例如「类别｜情绪｜摘要」，以及固定顺序；这些细节最好都由示例体现。
二、什么样的示例才算高质量
高质量示例要满足四点。第一，相关：示例必须来自同一个任务，最好与新输入相似。不能教快递评价，却让模型处理服装评价。第二，正确：标签和事实都不能错，否则模型会认真模仿错误。第三，一致：所有示例使用相同字段、顺序和格式，不要一条写「优点｜物流快」，另一条却写「物流时效：快」。第四，有代表性：少量例子最好覆盖常见情况，例如正面、负面和中性评价，让模型知道不同情况如何归类。你可以把示例当作新员工的操作手册：如果手册里只写「认真完成」，新人仍会迷路；如果展示合格成品和检查标准，工作就会稳定得多。
三、实用方法：挑出最有用的两三个例子
准备十条评价时，不必全部塞进去。先检查任务是否明确，再选择两到三个最有代表性的例子，删除重复、错误和格式混乱的样本。如果任务涉及情绪分类，正面、负面各放一条通常就够；如果要区分退货原因，就选择尺码、质量、物流等不同类型。每条例子都应简短，避免长篇大论掩盖格式规则。还可以加一句任务说明：「请严格模仿示例的字段、顺序和分隔符，只输出整理结果，不要解释。」这句约束就像给新员工标明：照模板填写，不写额外评语。完成后用几条未出现在示例中的数据进行测试；若结果不稳定，就调整示例覆盖范围，而不是急着增加数量。
四、常见误区与改进
误区一是示例互相矛盾。一条把「还行」归为中性，另一条却归为正面，模型只能猜。误区二是只给错误示例。我们希望它模仿好结果，所以应展示合格答案。误区三是把所有历史对话都放进去，其中可能包含无关指令、隐私信息或旧格式。误区四是示例太复杂，包含许多现实中不会出现的特殊写法，反而干扰判断。改进方法是建立一个小清单：任务相同、答案可靠、格式统一、场景典型、内容简洁。还要留意示例可能带来的偏差：如果全部使用正面评价，模型可能误以为所有输入都应判为正面，所以类别要合理覆盖。
停一下，确认你真的懂了
每题只能选择一次，不计分，也不会保存结果。
第 1 题
下面哪种做法最符合少样本提示？
第 2 题
如果模型整理评价时经常漏掉「类别」字段，首先应该怎么改？
第 3 题