什么是「少样本提示法」?为何效果胜过长篇规则
少样本提示法(Few-shot prompting)是一种技术:你不写一大段规则来解释任务,而是直接给 AI 模型展示 2 至 5 个完整的输入输出范例。这是大多数实践者在输出品质上能跨出的最大一步,而研究圈以外几乎没有人正确使用它。
少样本之所以有效,是因为语言模型本质上是「模式比对器」。三个好的范例可以同时教会模型你的语气、结构、边界情况和格式。一份五段式的规则清单做不到这件事,无论写得多详细。范例承载的讯息,文字无法替代。
PromptHub 研究团队和 Anthropic 官方提示指南都把少样本列为「最可靠提升输出品质」的技术之一。当你的零样本(zero-shot)提示产出「听起来很 AI」的内容时,正确的修正几乎永远是加范例,而不是加更多规则。
为什么大多数人略过这个技术?
大多数实践者预设使用零样本提示,因为它「比较快」。写一个要求、拿到一个结果、发出去。代价是隐形的:结果听起来像 AI,因为提示里没有任何东西教过模型你真正的声音长什么样。
少样本表面上比较慢。你要先收集范例、贴进去、清楚标记。第一次大约花 10 分钟。但只要你把这些范例保存到 Skill、Custom GPT 或笔记档,之后就能永远重用。10 分钟的投入会在之后每一次输出中回本。
还有一个常见误解:以为范例必须完美。其实不用。三个合理、真实的范例,比一个高度雕琢、理想化的还要好。模型是从「范围」学习可接受的输出,不是从「平均值」。
如何正确组织一个少样本提示?
一个干净的少样本提示有三个部分:一行任务描述、2 至 5 个有标签的范例、以及你想要处理的新输入。顺序很重要,标签也很重要。
每个范例都要用你之后要使用的同一组字段名标记。如果你把范例输入叫做客户邮件、输出叫做回复草稿,那么新请求也必须用一模一样的标签。模型靠标签判断哪部分是输入、哪部分是输出。
范例要简短但完整。每一个都应该长得「就是一份真实的成品」,无论长度、语气、格式。如果你真实的输出是三段,范例输出也要是三段。模型会复制它看到的东西。
立即试用:一个品牌语气写作的完整少样本模板
以下是一个可以直接复制粘贴的提示结构,适用于任何「需要语气一致」的写作任务。把方括号的部分替换为你自己的范例即可。
你正在以我的语气起草。请仔细研读以下范例,模仿语气、句长与结构。不要加说明或评论。
范例 1
客户邮件:收到你的发票,但储存项目这个月的金额比上一季高,可以帮我查一下吗?
回复草稿:Jamie 你好,你说得对,储存项目从 HK$2,400 升到 HK$3,150。差额来自你在 5 月 14 日为新产品上线额外开的 250 GB。使用记录附在后面。如果你想在 6 月把这部分额度收回,告诉我一声。
范例 2
客户邮件:简短问一下,周日的维护时段会不会影响我们的报表任务?
回复草稿:Sarah 你好,维护时段是香港时间 02:00 至 05:00,你的报表任务在 06:30 跑,所以不会受影响。如果有任何延误,我会在 05:30 之前通知你。你不需要做任何事。
范例 3
客户邮件:可以帮我把 Wilson 加进 staging 环境的存取清单吗?
回复草稿:Marco 你好,已经加好。Wilson 现在可以用公司邮箱登入 staging。我把他副本了,他确认可以登入后会回复你。
现在请以同样的语气,为下面这封邮件写回复。
客户邮件:[在这里贴上新邮件]
回复草稿:
注意范例在没有明说的情况下,已经带出了:短段落、开头叫名字、具体数字、无营销语言、无结尾客套。模型从三个范例中学到这一切,比任何规则清单都精准。
少样本提示法会在哪里失效?
少样本很强,但有三个可预测的失败模式。事先了解它们,可以省下几小时的除错时间。
第一是范例太少。只有一个范例,模型常常会去抄具体用字,而不是学模式。至少放两个,理想是三个,且彼此有差异。差异性才是教会「底层模式」的关键。
第二是标签不一致。如果你的范例用输入与输出,但实际请求改成邮件与回复,模型会搞不清楚新输入从哪开始、到哪结束。所有范例与实际请求的标签必须统一。
第三是范例偏颇。如果三个范例回复都很短,模型在实际情况需要长回复时,依然会给你短的。覆盖你真实面对的范围。如果你有时会写五段式的长回复,就一定要放一个这样的范例。
少样本如何与其他技术组合使用?
少样本与另外两个提示技巧组合会更强:思维链推理(chain-of-thought)和角色设定(role)。每一个都补上少样本单独无法处理的缺口。
加上思维链,意思是要求模型先一步一步思考,再给答案。当任务涉及分析时这特别有效:定价决策、内容评分、数据解读。给模型几个带推理过程的范例,它就会用你的风格推理出答案。
在提示顶端加上角色设定,能为范例提供背景。「你是一位已经服务这个客户两年的客户成功经理」远比泛泛的「你是一个有用的助手」有用。角色告诉模型「谁在写这些范例」,范例则告诉模型「这个人是怎么写的」。
最简单的组合模式是:一行角色设定、三个有标签的范例、然后新输入。这个结构能处理绝大多数真实的写作任务,几乎永远胜过你单靠规则写出来的版本。
如何让少样本提示在每周工作中重复使用?
少样本的复利价值来自「保存范例组」。第一次写好三个能代表你客户邮件声音的范例后,把它存到一个耐久的地方。之后每一封邮件的草稿都变成 10 秒钟的工作。
ChatGPT 用户可以把范例组放进 Custom Instructions 或 Project 的常驻脉络。Claude 用户可以存成 Skill(前一篇谈过的 SKILL.md 格式,描述符合时会自动加载)。Gemini 用户可以用 Gems 功能达到同样效果。工具不同,原理一致:范例只收集一次,之后永远重用。
你做得越久,AI 输出就越贴近你真正的声音。同事最终分不出哪些是你自己写的、哪些是 AI 协助的。这就是目标。懂AI的冷,更懂你的难 — UD 同行28年,让科技成为有温度的陪伴。
📌 想知道你的 AI 技能走到哪一级?
少样本是一项将「基本 AI 使用者」与「AI 操作者」拉开距离的技术。UD 的 AI IQ 测试可以衡量你在提示、流程设计、可靠 AI 部署上的实际能力,并告诉你下一步该往哪升级。我们手把手带你完成每一步,从现在的起点,到你每天都能跑的工作流。