大模型应用-筑基期【03：Zero-shot与Few-shot提示技巧】
W2 · 知识点03：Zero-shot与Few-shot提示技巧
学习目标：以设备维修系统为场景，掌握Zero-shot和Few-shot两种核心Prompt技巧。
一、Zero-shot：不给示例，直接描述任务
在设备维修系统中，Zero-shot适合那些模型"天然就会"的任务。
# 设备维修场景 Zero-shot 示例 Prompt: "将以下维修记录分类：故障类型属于电气故障、机械故障、液压故障还是其他。 维修记录：设备运行时主轴出现异常振动，检查发现主轴轴承磨损严重，间隙超标。 故障类型：" 输出: "机械故障" Prompt: "根据以下故障描述，给出维修优先级（紧急/高/中/低）： 3号产线灌装机停机，无法启动，影响整条产线运行。" 输出: "紧急"Zero-shot 在设备维修系统中适用的场景：
- 故障类型分类
- 维修优先级判断
- 简单的设备知识问答
- 维修记录的语言润色
二、Few-shot：给几个示例让模型"照着学"
当你的设备维修系统需要特定格式或专业判断时，Few-shot能大幅提升质量。
# Few-shot 示例：从维修工单中提取结构化信息 Prompt: """ 从维修工单中提取关键信息。 工单: "张师傅2024年3月15日去检修了2号空压机，发现进气阀漏气， 更换了进气阀密封件，用了2个小时，设备恢复正常。" 提取: - 维修人员: 张师傅 - 日期: 2024-03-15 - 设备: 2号空压机 - 故障: 进气阀漏气 - 维修措施: 更换进气阀密封件 - 耗时: 2小时 - 结果: 设备恢复正常 工单: "王工3月18日检查1号冷却塔，风机皮带断裂，现场更换皮带， 调试30分钟后运行正常。" 提取: - 维修人员: 王工 - 日期: 2024-03-18 - 设备: 1号冷却塔 - 故障: 风机皮带断裂 - 维修措施: 更换皮带 - 耗时: 30分钟 - 结果: 运行正常 工单: "李工上周去看了3号注塑机，加热圈烧了两个，换了新的， 顺便把温控器也校准了一下，搞了一上午。" 提取: """ 输出: - 维修人员: 李工 - 日期: 上周（需确认具体日期） - 设备: 3号注塑机 - 故障: 加热圈烧毁（2个） - 维修措施: 更换加热圈、校准温控器 - 耗时: 约4小时 - 结果: 未明确说明（建议跟进确认）Few-shot 的关键原则（设备维修版）：
- 示例要有代表性：覆盖不同设备类型（空压机、冷却塔、注塑机）
- 格式要统一：每个示例的提取字段完全一致
- 包含边界情况：比如"搞了一上午"→需要模型推断耗时
- 2-5个示例就够：不用把所有设备类型都列一遍
三、Zero-shot vs Few-shot 在设备维修系统中的选择
任务: 故障分类（机械/电气/液压/气动/其他） → Zero-shot（模型天然理解这些分类） 任务: 生成符合公司格式的维修工单 → Few-shot（用公司实际工单作为示例） 任务: 根据设备传感器数据预测故障 → Few-shot + CoT（需要示例+推理过程） 任务: 给客户发送维修完成通知 → Zero-shot + 角色设定（加一个"客服"角色即可）四、动手练习
练习1：Zero-shot 设备维修挑战
用纯Zero-shot让AI完成以下任务，记录修改Prompt几次才满意：
任务1: 根据故障描述判断维修优先级（紧急/高/中/低） 任务2: 将一段口语化的维修描述转化为专业术语 任务3: 根据设备型号推荐备件清单练习2：Few-shot 改造——维修工单生成器
目标: 让AI把简单的故障描述转化为标准的维修工单格式 Zero-shot版本（直接告诉它格式要求）: ___ Few-shot版本（给出2-3个公司实际工单作为示例）: ___ 对比两者的格式一致性和内容准确性。练习3：效果量化对比
准备20条设备故障描述，分别用Zero-shot和Few-shot测试：
| 方法 | 分类准确率 | 信息提取完整度 | 格式一致性 | |------|-----------|---------------|-----------| | Zero-shot | /20 | /100 | 高/中/低 | | Few-shot (3例) | /20 | /100 | 高/中/低 |五、本知识点检验标准
- 能清楚区分设备维修场景中Zero-shot和Few-shot的适用场景
- 能写出格式统一、有代表性的Few-shot示例（用真实维修工单）
- 完成效果对比实验，积累量化数据