002-Few-shot-Prompting
title: 少样本提示（Few-shot Prompting）：为什么给 AI 几个例子就能让它变聪明？
💡摘要：Few-shot Prompting 通过给模型提供少量示例，让它快速理解任务格式和映射规则。本文将教你如何选择示例数量、构造高质量示例，以及判断何时该用 Few-shot 而非微调。
引言
你让 AI 帮你从文本中提取信息，结果它输出了正确内容，但格式完全不对——没有 JSON 括号，没有键名，只是一段散乱的文本。
你很困惑：明明指令写得很清楚了，为什么 AI 就是做不对格式？
答案很简单：指令说不清楚的事，示例一句话就能教会。
这就是Few-shot Prompting（少样本提示）的核心价值。你不需要重新训练模型，不需要写复杂代码，只需要在 Prompt 里加 2-3 个例子，AI 的输出质量就会发生质的飞跃。
为什么几个简单的例子就能让 AI 突然"开窍"？
什么时候该给例子，什么时候不该给？
给 1 个、3 个还是 5 个例子效果最好？
本文将带你深入理解 Few-shot Prompting 的原理，并提供一套经过验证的示例构造方法论。
核心概念
什么是 Few-shot Prompting？
Few-shot Prompting（少样本提示）是一种通过提供少量示例来指导模型完成任务的技术。
你不需要告诉模型"具体怎么做"，只需要给它看几个"输入→输出"的配对，模型就能自己推断出规则，然后应用到新问题上。
一个通俗的类比
想象你在教一个实习生做数据录入：
- Zero-shot：你说"把客户信息整理成表格"，实习生按自己的理解做——结果格式五花八门
- Few-shot：你先给他看 2 个已经做好的表格样例，再说"按这个格式做"——实习生立刻做对了
- Fine-tuning：你把实习生送去培训一个月，专门学习数据录入——效果好但成本极高
Few-shot 的核心思想是：与其长篇大论解释规则，不如直接展示几个正确样例。
关键术语
- Few-shot：提供 1-5 个示例 + 指令
- One-shot：只提供 1 个示例
- In-context Learning（上下文学习）：模型通过阅读上下文中的示例来学习任务，不需要更新参数
- Fine-tuning（微调）：用训练数据更新模型权重，让模型"内化"任务能力
原理深入
为什么给几个例子就能显著提升效果？
Few-shot 能成功的核心机制有两个：
1. 任务定位——示例告诉模型"切换到哪个模式"
模型在预训练时学习了无数种任务模式。当你给它看几个"输入→输出"配对时，模型会在高维空间中定位到对应的"任务子空间"。
示例告诉模型： "现在请切换到'数据提取'模式， 不是翻译，不是总结，是提取。"2. 隐式微调——模型当场推导映射规律
Transformer 的注意力机制在看到示例时，会进行类似于梯度下降的计算（被称为"前向传播中的元学习"）。模型利用示例中的输入-输出对，当场推导出映射规律。
简单说：示例让模型在不更新权重的情况下，临时"学会"一个新任务。
示例数量的选择：1 个、3 个、5 个哪个好？
核心权衡是偏差 vs. 方差：
| 示例数量 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 1 个 | 节省 token，速度快 | 模型过度依赖单个示例的偶然模式 | 任务极简单、上下文紧张 |
| 3 个 | 平衡质量和成本 | — | 通用场景默认选择 |
| 5 个 | 覆盖更多边界情况 | 消耗更多 token，收益递减 | 多分类、模型较小 |
快速决策表：
| 条件 | 推荐示例数 |
|---|---|
| 输入非常长（>2000 tokens） | 0 或 1 |
| 任务简单，格式固定 | 1-2 |
| 通用场景（默认） | 3 |
| 多类别分类（>4 类） | 每类至少 1 个，总 ≤ 类别数×2 |
| 小模型（<1B 参数） | 4-6 |
| 大模型（>100B），任务不复杂 | 0-2 |
| 需要复杂推理（Few-shot CoT） | 2-3（带完整推理步骤） |
什么时候用 Few-shot，什么时候用 Fine-tuning？
| 维度 | Few-shot | Fine-tuning |
|---|---|---|
| 数据量 | 几个到几十个示例 | 上千条标注数据 |
| 成本 | 仅需一次推理 | 需要 GPU 训练 |
| 灵活性 | 随时切换任务 | 一个模型对应一个任务 |
| 推理速度 | 较慢（示例占用 token） | 快（prompt 更短） |
| 适用模型 | 闭源 API、大模型 | 开源模型、小模型 |
快速判断：
- 数据少、任务多变、用 API →Few-shot
- 数据多、任务固定、推理成本敏感 →Fine-tuning
代码示例
示例 1：Few-shot Prompt 模板
classFewShotPromptTemplate:"""Few-shot Prompt 模板类——管理示例和指令"""def__init__(self,instruction:str,examples:list):self.instruction=instruction# 任务指令self.examples=examples# 示例列表defformat(self,user_input:str)->str:"""组合指令、示例和用户输入"""parts=[self.instruction]# 添加所有示例forexampleinself.examples:parts.append(f"输入：{example['input']}")parts.append(f"输出：{example['output']}")# 添加用户输入parts.append(f"\n输入：{user_input}")parts.append("输出：")return"\n".join(parts)# 使用示例：情感分析template=FewShotPromptTemplate(instruction="请判断以下文本的情感倾向（正面/负面/中性）：",examples=[{"input":"这部电影太棒了！","output":"正面"},{"input":"服务太差，等了两个小时。","output":"负面"},{"input":"今天天气还可以。","output":"中性"},])prompt=template.format("产品质量一般般，不算好也不算坏。")print(prompt)示例 2：示例质量检查器
classExampleQualityChecker:"""检查 Few-shot 示例的质量"""@staticmethoddefcheck_format_consistency(examples:list)->bool:"""检查所有示例的格式是否一致"""keys=[set(ex.keys())forexinexamples]returnlen(set(frozenset(k)forkinkeys))==1@staticmethoddefcheck_label_diversity(examples:list,label_key:str="output")->bool:"""检查标签是否具有多样性"""labels={ex[label_key]forexinexamples}returnlen(labels)>=2# 检查示例质量examples=[{"input":"今天很开心","output":"正面"},{"input":"心情很糟","output":"负面"},{"input":"无所谓","output":"中性"},]checker=ExampleQualityChecker()print(f"格式一致：{checker.check_format_consistency(examples)}")print(f"标签多样：{checker.check_label_diversity(examples)}")实战应用
什么样的示例算"好"的示例？
好的示例必须同时满足5 个标准：
| 标准 | 说明 | 反例 |
|---|---|---|
| 代表性 | 覆盖任务典型情况 | 只用极端案例做示例 |
| 多样性 | 展示不同输入类型和类别 | 所有示例都是同一类别 |
| 无歧义 | 输入输出严格对应 | 同一输入对应不同输出 |
| 格式一致 | 统一分隔符、标点、结构 | 混用"输入/Output/Q:" |
| 顺序合理 | 简单到复杂，交错排列 | 同类示例堆在一起 |
坏示例的具体表现
| 坏示例特征 | 示例 | 后果 |
|---|---|---|
| 标签错误 | 输入"心情很好"→输出"负面" | 模型学到错误分类边界 |
| 格式不一致 | 一个输出"3.5"，一个输出"约3.5" | 输出不稳定 |
| 包含无关细节 | 输入中带"顺便说我喜欢咖啡" | 模型认为无关词是关键特征 |
| 太简单或太特殊 | 示例都≤5词，真实输入50词 | 模型无法泛化到长输入 |
构造好示例的 5 步法
- 从真实数据中挑选——不要手工编造，从实际数据中选典型样本
- 核对输出——确保每个示例的输出绝对正确
- 统一格式——使用相同模板，如
输入：{input}\n输出：{output} - 平衡与排序——按 A, B, C, A, B, C 顺序排列，不要 AAA BBB CCC
- 测试迭代——用少量验证集评估，效果差就替换误导示例
最佳实践
根据知识库中的最佳实践和深度思考，总结出以下7 条 Few-shot 实战技巧：
1. 默认从 3 个示例开始
3 个示例是质量和成本的最佳平衡点。如果效果不稳定，先检查示例质量，再考虑增加。
2. 示例长度要匹配真实任务
如果真实输入平均 500 字，示例的输入也应该接近这个长度。否则模型可能只关注开头几个词。
3. 统一使用相同的分隔符
✅ 统一：输入：/ 输出： ✅ 统一：Q: / A: ❌ 混用：Q: / 输出：/ Answer:4. 避免同类示例堆叠
✅ 好：正面 → 负面 → 中性 → 正面 ❌ 差：正面 → 正面 → 正面 → 负面5. 从真实数据选示例，不要编造
手工编造的示例容易无意中引入偏差。从验证集中挑选典型样本更可靠。
6. 检查标签多样性
确保每个类别至少有一个示例。多分类任务中，如果漏掉某个类别的示例，模型可能永远不会输出该类。
7. 示例放在最后会影响输出倾向
研究表明模型倾向于重复靠后示例的格式或答案。如果某一类示例总是出现在最后，模型可能过度预测该类。
总结
Few-shot Prompting 的核心价值在于：与其长篇大论解释规则，不如直接展示几个正确样例。
核心要点回顾
- 原理：示例帮助模型定位任务模式，并当场推导映射规律
- 数量：默认 3 个，根据任务复杂度调整
- 质量：代表性 + 多样性 + 无歧义 + 格式一致 + 顺序合理
- 选择：数据少用 Few-shot，数据多用 Fine-tuning