一、少样本提示入门：什么是少样本提示、为什么需要少样本提示、少样本提示与零样本提示的区别

1.1 什么是少样本提示

少样本提示，说白了就是给AI看几个例子，让它照着学。

我习惯这么理解：你教一个新同事做事，光说「帮我整理数据」他肯定懵。但你给他看三个整理好的表格，他立马就懂了。少样本提示就是这个道理。

具体来说，少样本提示就是在你的提示词里，先放2-5个输入输出的示例，然后再丢给AI真正的任务。AI会从这些例子中「悟」出你要的格式、风格和逻辑。

举个例子，我想让AI把中文句子转成英文的正式邮件风格：

示例1：
输入：请帮我确认一下明天的会议时间。
输出：Could you please confirm the meeting time for tomorrow?

示例2：
输入：附件里是你要的报告。
输出：Please find the requested report attached.

示例3：
输入：我们下周需要提交方案。
输出：We would need to submit the proposal by next week.

真实任务：
输入：请把这份合同审核一下。
输出：

你看，AI看完三个例子，就知道输出必须是礼貌的英文问句，而且用词要正式。这就是少样本提示的魔力。

1.2 为什么需要少样本提示

你可能会问：直接告诉AI「用正式英文」不行吗？嗯，这里有个坑。

零样本提示（就是不给例子直接问）经常翻车。我在项目中遇到过好几次，明明指令写得很清楚，AI输出的格式就是不对。比如让它输出JSON，它偏要加一段解释文字。

为什么会这样？因为大模型虽然聪明，但它不知道你心里的「标准答案」长什么样。你说了「正式」，它可能理解成「加个Dear」，也可能理解成「全大写」。少样本提示就是给AI一个锚点，让它精准定位。

我总结了几点核心价值：

• 消除歧义：一个例子胜过千言万语。你说「幽默风格」，不如给一个幽默的例子。
• 控制输出格式：想要JSON？给一个JSON例子，AI基本不会跑偏。
• 提升一致性：多次调用时，少样本提示能让输出风格稳定。
• 降低调试成本：改例子比改提示词快得多。我经常换一个例子就解决问题。

1.3 少样本提示与零样本提示的区别

这两个概念其实很好区分。我画个表格你就明白了：

对比维度	零样本提示	少样本提示
示例数量	0个	2-5个
适用场景	简单、通用的任务	复杂、需要特定格式的任务
输出稳定性	较低，容易跑偏	较高，格式一致
调试难度	高，需要反复改提示词	低，换例子就行
Token消耗	少	多（因为要带例子）

说白了，零样本提示就像你让一个实习生「随便写个报告」。他可能写得天花乱坠，也可能写成流水账。少样本提示呢，就是你给他三份优秀报告：「照着这个风格写」。结果基本靠谱。

我记得有一次做客服机器人项目，零样本提示下，AI回复的语气忽冷忽热。有的回复像机器人，有的又太随意。后来我加了三个客服对话示例，语气一下子就稳了。这就是少样本提示的实战价值。

1.4 什么时候该用少样本提示

我个人的经验是，遇到以下情况，优先考虑少样本提示：

1. 输出格式要求严格：比如必须输出JSON、Markdown表格、特定模板。
2. 任务有隐含规则：比如翻译时要保留原文的幽默感，或者总结时要突出某个重点。
3. 需要多轮一致性：比如对话机器人，每次回复的风格要统一。
4. 零样本提示效果差：试了三四次都不满意，别硬撑，上例子。

反过来，如果任务很简单，比如「把这句话翻译成英文」，零样本提示就够了。没必要为了用少样本而用，浪费Token不说，还增加复杂度。

好了，这一章就到这里。下一章我会讲怎么选例子、怎么排顺序，这些都是实战中踩坑踩出来的经验。到时候再细聊。