什麼是「少樣本提示法」？為何效果勝過長篇規則
少樣本提示法（Few-shot prompting）是一種技術：你不寫一大段規則來解釋任務，而是直接給 AI 模型展示 2 至 5 個完整的輸入輸出範例。這是大多數實踐者在輸出品質上能跨出的最大一步，而研究圈以外幾乎沒有人正確使用它。
少樣本之所以有效，是因為語言模型本質上是「模式比對器」。三個好的範例可以同時教會模型你的語氣、結構、邊界情況和格式。一份五段式的規則清單做不到這件事，無論寫得多詳細。範例承載的訊息，文字無法替代。
PromptHub 研究團隊和 Anthropic 官方提示指南都把少樣本列為「最可靠提升輸出品質」的技術之一。當你的零樣本（zero-shot）提示產出「聽起來很 AI」的內容時，正確的修正幾乎永遠是加範例，而不是加更多規則。
為什麼大多數人略過這個技術？
大多數實踐者預設使用零樣本提示，因為它「比較快」。寫一個要求、拿到一個結果、發出去。代價是隱形的：結果聽起來像 AI，因為提示裡沒有任何東西教過模型你真正的聲音長什麼樣。
少樣本表面上比較慢。你要先收集範例、貼進去、清楚標記。第一次大約花 10 分鐘。但只要你把這些範例保存到 Skill、Custom GPT 或筆記檔，之後就能永遠重用。10 分鐘的投入會在之後每一次輸出中回本。
還有一個常見誤解：以為範例必須完美。其實不用。三個合理、真實的範例，比一個高度雕琢、理想化的還要好。模型是從「範圍」學習可接受的輸出，不是從「平均值」。
如何正確組織一個少樣本提示？
一個乾淨的少樣本提示有三個部分：一行任務描述、2 至 5 個有標籤的範例、以及你想要處理的新輸入。順序很重要，標籤也很重要。
每個範例都要用你之後要使用的同一組欄位名標記。如果你把範例輸入叫做客戶郵件、輸出叫做回覆草稿，那麼新請求也必須用一模一樣的標籤。模型靠標籤判斷哪部分是輸入、哪部分是輸出。
範例要簡短但完整。每一個都應該長得「就是一份真實的成品」，無論長度、語氣、格式。如果你真實的輸出是三段，範例輸出也要是三段。模型會複製它看到的東西。
立即試用：一個品牌語氣寫作的完整少樣本模板
以下是一個可以直接複製貼上的提示結構，適用於任何「需要語氣一致」的寫作任務。把方括號的部分替換為你自己的範例即可。
你正在以我的語氣起草。請仔細研讀以下範例，模仿語氣、句長與結構。不要加說明或評論。
範例 1
客戶郵件：收到你的發票，但儲存項目這個月的金額比上一季高，可以幫我查一下嗎？
回覆草稿：Jamie 你好，你說得對，儲存項目從 HK$2,400 升到 HK$3,150。差額來自你在 5 月 14 日為新產品上線額外開的 250 GB。使用記錄附在後面。如果你想在 6 月把這部分額度收回，告訴我一聲。
範例 2
客戶郵件：簡短問一下，週日的維護時段會不會影響我們的報表任務？
回覆草稿：Sarah 你好，維護時段是香港時間 02:00 至 05:00，你的報表任務在 06:30 跑，所以不會受影響。如果有任何延誤，我會在 05:30 之前通知你。你不需要做任何事。
範例 3
客戶郵件：可以幫我把 Wilson 加進 staging 環境的存取清單嗎？
回覆草稿：Marco 你好，已經加好。Wilson 現在可以用公司郵箱登入 staging。我把他副本了，他確認可以登入後會回覆你。
現在請以同樣的語氣，為下面這封郵件寫回覆。
客戶郵件：[在這裡貼上新郵件]
回覆草稿：
注意範例在沒有明說的情況下，已經帶出了：短段落、開頭叫名字、具體數字、無行銷語言、無結尾客套。模型從三個範例中學到這一切，比任何規則清單都精準。
少樣本提示法會在哪裡失效？
少樣本很強，但有三個可預測的失敗模式。事先了解它們，可以省下幾小時的除錯時間。
第一是範例太少。只有一個範例，模型常常會去抄具體用字，而不是學模式。至少放兩個，理想是三個，且彼此有差異。差異性才是教會「底層模式」的關鍵。
第二是標籤不一致。如果你的範例用輸入與輸出，但實際請求改成郵件與回覆，模型會搞不清楚新輸入從哪開始、到哪結束。所有範例與實際請求的標籤必須統一。
第三是範例偏頗。如果三個範例回覆都很短，模型在實際情況需要長回覆時，依然會給你短的。覆蓋你真實面對的範圍。如果你有時會寫五段式的長回覆，就一定要放一個這樣的範例。
少樣本如何與其他技術組合使用？
少樣本與另外兩個提示技巧組合會更強：思維鏈推理（chain-of-thought）和角色設定（role）。每一個都補上少樣本單獨無法處理的缺口。
加上思維鏈，意思是要求模型先一步一步思考，再給答案。當任務涉及分析時這特別有效：定價決策、內容評分、資料解讀。給模型幾個帶推理過程的範例，它就會用你的風格推理出答案。
在提示頂端加上角色設定，能為範例提供背景。「你是一位已經服務這個客戶兩年的客戶成功經理」遠比泛泛的「你是一個有用的助手」有用。角色告訴模型「誰在寫這些範例」，範例則告訴模型「這個人是怎麼寫的」。
最簡單的組合模式是：一行角色設定、三個有標籤的範例、然後新輸入。這個結構能處理絕大多數真實的寫作任務，幾乎永遠勝過你單靠規則寫出來的版本。
如何讓少樣本提示在每週工作中重複使用？
少樣本的複利價值來自「保存範例組」。第一次寫好三個能代表你客戶郵件聲音的範例後，把它存到一個耐久的地方。之後每一封郵件的草稿都變成 10 秒鐘的工作。
ChatGPT 用戶可以把範例組放進 Custom Instructions 或 Project 的常駐脈絡。Claude 用戶可以存成 Skill（前一篇談過的 SKILL.md 格式，描述符合時會自動載入）。Gemini 用戶可以用 Gems 功能達到同樣效果。工具不同，原理一致：範例只收集一次，之後永遠重用。
你做得越久，AI 輸出就越貼近你真正的聲音。同事最終分不出哪些是你自己寫的、哪些是 AI 協助的。這就是目標。懂AI的冷，更懂你的難 — UD 同行28年，讓科技成為有溫度的陪伴。
📌 想知道你的 AI 技能走到哪一級？
少樣本是一項將「基本 AI 使用者」與「AI 操作者」拉開距離的技術。UD 的 AI IQ 測試可以衡量你在提示、流程設計、可靠 AI 部署上的實際能力，並告訴你下一步該往哪升級。我們手把手帶你完成每一步，從現在的起點，到你每天都能跑的工作流。
