少样本提示

与其抽象地描述任务，不如直接演示：给出两到五组输入与输出示例，再附上新的输入，模型就会延续这一模式。Brown 等人（2020 年）描述了大语言模型的这种“上下文学习”能力，并比较了零样本（只有指令）、单样本和少样本三种设置。整个过程中模型权重并未改变，学习只发生在提示词之内。

为什么重要：少样本示例是无需微调就能控制格式、语气和边界情况的最可靠方法之一，尤其适合分类、信息抽取和按公司风格写作。许多 AI 产品也因此在隐藏的提示词中加入示例。

举例：要给客服工单打标签，可以在提示词中列出三张已正确标注的工单（账单、故障、功能需求），再让模型为第四张工单打标签。

局限：示例在每次请求中都会消耗 Token，模型也可能过度模仿示例的表面特征。请选择多样、有代表性的示例，并测试它们是否真的改善了结果。