在前面的章节中，我们提到过——“给个例子，胜过千言万语”。实际上，它有一个专门的名字，叫 “少样本提示（Few-Shot Prompting）”。
它的核心思想特别简单：与其费劲向 AI 描述你想要什么，不如直接给它看几个例子，让它照着模仿。
零样本、单样本与少样本
在介绍少样本之前，我们先把 3 个常常一起出现的词搞清楚。它们的区别，其实就在于 “你给了 AI 几个例子”。
- 零样本（Zero-Shot）：一个例子都不给，直接下指令。（咱们平时聊天，大多是这种。）
- 单样本（One-Shot）：给 1 个例子。
- 少样本（Few-Shot）：给好几个例子（通常 2 到 5 个）。
说白了，“X 样本”里的这个 X，指的就是你在提示词里塞了几个示范例子。给得越多，AI 越能摸清你的套路。是的，就这么简单。
少样本提示应该怎么用？
对于少样本提示来说，它的用法可以浓缩成一句话：先给 AI 几组 “输入 → 输出” 的范例，再把你真正要处理的新内容丢给它，让它照着前面的样子，把结果补出来。
咱们看一个最经典的例子——让 AI 判断一句话是好评还是差评：
输入：这家餐厅太棒了，强烈推荐！ → 输出：正面
输入：等了一个小时，菜还没上。 → 输出：负面
输入：味道一般，环境还凑合。 → 输出：中性
输入：服务员爱搭不理的。 → 输出？看到没？在前面三组中，我们已经把 “什么样的话算正面、负面、中性” 示范给 AI 看了。当它读到最后那句没有答案的 “服务员爱搭不理的”，就会自动照着前面的套路，直接回答 “负面”。
我们全程没给它讲过一句 “好评差评的判断标准是什么”，但它通过这几个例子，自己就把规律摸出来了。
为什么 “给例子” 比 “讲道理” 更管用？
很多时候，有些要求我们用嘴说不清楚，但用例子一摆就明白了。比如：
- 你想要一种特定的 “输出格式”——与其啰啰嗦嗦地描述 “先写标题，再换行，然后……”，不如直接给一个排好版的样例。
- 你想要一种特定的 “说话风格”——与其解释 “幽默但不油腻、专业但不死板”，不如甩两段这种风格的范文过去。
- 你想做 “归类、打标签” 这类活儿——给几个分好类的例子，AI 立刻就懂你的分类标准了。
例子的厉害之处就在于：它能把你脑子里那套“只可意会”的标准，变成 AI 可以直接照搬的“样板”。
写好少样本提示的几个小技巧
想要写好 “少样本提示”，我们有以下几种非常有用的小技巧。
1. 例子的格式要统一
几个例子，最好长得一个样——同样的结构、同样的分隔方式。比如都用 “输入：…… → 输出：……”。格式越整齐，AI 越容易抓住规律，也越不容易跑偏。
2. 例子不在多，2 到 5 个通常就够
不是给得越多越好。一般 2 到 5 个有代表性的例子就足够了。给太多，既浪费 Token、又拖慢速度，效果提升却很有限。
3. 例子本身一定要正确
AI 是 “照葫芦画瓢” 的。如果你的例子本身有错误、或者前后矛盾，它也会把错误一起学过去。因此每一个示范例子，都得是你认可的、高质量的标准答案。
4. 想要哪种情况，就在例子里放哪种
AI 主要参照你给的例子来办事。我们依然拿上面的好评差评来举例：如果你希望它能识别出 “中性”，就一定要在例子里放一个 “中性” 的范例；否则它很可能只会在 “正面” 和 “负面” 之间二选一。
零样本还是少样本？怎么选
对于零样本和少样本怎么选，其实很简单：
- 简单、常规的任务：比如 “帮我翻译这句话”、“总结一下这段话”，直接零样本问就行，没必要画蛇添足。
- 对格式、风格、分类标准有明确要求：或者你发现 “怎么说 AI 都不太对” 时，此时就应该上少样本——给它几个例子，往往一下子就解决了。
总结一下：少样本提示，就是用 “举例子” 来代替 “讲道理”。当你发现跟 AI 怎么说都说不明白时，先别急着写更长的说明，试试甩给它几个例子——这往往是性价比最高的一招。
