少样本示例是什么
少样本（Few-Shot）是在提示里给出几个输入输出的完整样例，让模型模仿你的标签体系、判断口径与输出格式。它对分类、抽取、改写这类格式敏感的任务效果最明显，因为样例把「要什么」直接演示了一遍，胜过用文字反复描述。关键是样例要贴近真实数据分布，并且覆盖边界情况，否则模型只会学到最典型的那一种。
基本信息
| 数量 | 通常两到五条起步，按任务复杂度增减 |
|---|---|
| 位置 | 放在指令之后、本次输入之前 |
| 内容 | 输入与输出成对出现，格式完全一致 |
| 覆盖 | 要包含边界与例外样本，而不只有正例 |
| 代价 | 样例会占用上下文，数量越多单次成本越高 |
| 适用任务 | 分类、抽取、改写、格式转换、风格仿写 |
样例设计要点
| 要点 | 做法 | 不这样做会怎样 |
|---|---|---|
| 数量 | 先给两三条验证效果，再按需增加 | 给太多占满上下文，还可能干扰判断 |
| 覆盖度 | 包含边界、例外与易混淆样本 | 模型只学会典型情况，遇到边界就判错 |
| 格式一致 | 输入输出结构、标点、字段名完全统一 | 格式不一致时模型会自行发挥 |
| 标签体系 | 与我方定义的取值集合严格一致 | 模型会沿用样例里的习惯标签，超出预期 |
| 顺序 | 把最有代表性的样例放在最后 | 关键样例被忽略，效果打折 |
典型使用场景
- 文本分类：按业务标签体系打标，含易混淆类别
- 信息抽取：演示从同类文本里取哪些字段、怎么处理缺失
- 格式转换：把自由文本转成固定结构，样例即格式说明
- 风格仿写：示范语气与用词习惯，让输出更贴合品牌
- 判定规则类任务：通过样例把口径固定下来，减少主观发挥
提示里的样例写法
提示里的样例写法
请按示例的方式判断工单类别，只输出类别名。
示例 1
输入：登录后页面一直转圈，进不去首页。
输出：前端异常
示例 2
输入：接口返回 500，日志里有数据库连接超时。
输出：服务端故障
示例 3
输入：同事说他那边能打开，我这边连不上。
输出：网络问题
注意：示例 2 覆盖了需要看日志才能判断的情况，边界样本要保留。常见问题与修法
| 现象 | 原因 | 修法 |
|---|---|---|
| 某类总是判错 | 样例没有覆盖该类 | 补一条该类样例，尤其是易混的那一类 |
| 输出格式飘忽 | 样例格式本身不统一 | 把样例的字段与标点统一成同一模板 |
| 照抄样例内容 | 样例与本次输入太像 | 样例换成不同领域，只保留判断逻辑 |
| 成本偏高 | 样例条数与长度过大 | 精简样例，只保留区分度最高的几条 |
样例的效果有边际递减：两三条往往就能把格式与口径定下来，再加更多收益有限，反而占用上下文窗口。
不要在样例里放入真实客户姓名、手机号或密钥：提示会进入日志与第三方服务，敏感数据要事先脱敏。