| 数量 | 通常 2-5 个，边界案例优先 |
|---|---|
| 格式 | 示例格式必须与期望输出完全一致 |
| 顺序 | 近期示例影响更大，标签均衡防偏 |
| 进阶 | 把示例放在分隔符内，避免与真实输入混淆 |
分类任务示例
分类任务示例
把商品名分类为「数码 / 服饰 / 食品」之一。
示例：
蓝牙耳机 → 数码
羊毛大衣 → 服饰
现在分类：全麦面包 →示例的重点是教格式与边界，不是教知识；样例矛盾会让模型输出不稳定。
本包目录（159 条）
模型全景与选型27 条接入与 API 要点27 条
提示词框架与技巧27 条
- 思维链（Chain-of-Thought）
- System 提示设计（行为底座）
- 少样本示例（Few-Shot）
- Agent 系统提示（工具与停止条件）
- CO-STAR 提示词框架
- 角色设定（Role Prompting）
- ReAct 模式（推理 + 行动）
- 输出格式规范与样例
- 文档问答提示（引用与拒答）
- 信息抽取提示（防编造）
- 结构化标记：XML / Markdown / JSON
- 约束与指令清晰度（含负面指令）
- 长上下文的位置效应（Lost in the Middle）
- 摘要提示（分层与信息保全）
- 代码生成提示
- 分隔符与上下文隔离
- 提示链（Prompt Chaining）
- 分类提示（封闭标签集）
- 提示词评测（回归与对比）
- 提示词版本管理
- Text-to-SQL 提示
- CRISPE 提示词框架
- 自洽性投票（Self-Consistency）
- Least-to-Most（由易到难分解）
- 提示词模板与变量插值
- Step-Back 提示（先抽象后退）
- 元提示（让模型改进提示词）
少样本示例（Few-Shot）
在提示词里给 2-5 个输入输出样例，让模型模仿标签体系与输出格式。对分类、抽取、改写等格式敏感任务效果显著。
易错点
- 示例标签前后矛盾，模型随机制输出
- 示例与真实输入混在一起，模型把输入也当示例回声
数据来源与参考
- Brown et al. Language Models are Few-Shot Learners（arXiv 2005.14165）