什么是少样本提示 Few-shot：给两个例子比说一百句更管用

「第二教育网」是一个专注于优质教育资源导航与学习方法分享的第三方平台。本文将从方法、工具与实操几个角度，帮你把这件事一次看明白。

少样本提示（Few-shot Prompting）指在提问时先给一两个问题加答案的样板，让模型照着这个规格回答。它不需要训练模型，只靠示例就把格式、口径和深度对齐，是小成本提升稳定性的常用办法，也是课堂上最容易上手的一种技巧。

为什么示例比说明更好使

模型靠模式识别工作，样板就是显式模式。说要详细很难量化，摆出一条示范就能让模型知道什么叫详细。给的例子越贴近真实任务，对齐效果越好；示例本身就是一种无需解释的说明书。

怎么挑那几个示例

• 数量：一般来说两到三个就够，太多会挤占上下文。
• 代表性：覆盖常见情况，最好含一个容易出错的边界。
• 格式一致：示例之间的写法要完全统一，别混着来。
• 难度接近：优先选与本次题目同类型的题，而不是简单题。

示例写错了会怎样

模型会照抄错误口径。如果示例里的答案本身有问题，或者示例风格前后不一，输出就会沿这个方向走偏。发现跑偏时，先换示例，而不是加更多文字说明；文字越多，模型越容易在长句里找借口偏离样板。

什么时候不用示例

任务本身很明确、只需要简短答案时，画示例反而啰嗦。另外多轮对话中如果模型已经稳定遵循格式，继续堆示例只会增加成本。判断标准很简单：模型每次都答偏格式，才需要样例；一旦稳了就该删掉。

一个可直接套用的结构

下面有几条示范：示范一，题目是什么，讲解方式是怎样；示范二，题目是什么，讲解方式是怎样。现在请按同样方式处理下面这道题。照这个骨架填进去就能复用，遇到新题型只需替换示范内容，框架不必重写。

进阶一点的做法：把示例和真实题目用明显的分隔标出来，让模型知道哪部分是样板、哪部分是新任务。示例最好还包含一次你不满意的答法作为对照，明确告诉它不要照那种写法输出，比只给正面样板更能校准边界。