类比提示是什么
类比提示（analogical prompting）指让模型先回忆几个与当前问题结构相似的已知问题或相关原理，概括它们的共性解法，再把共性解法套用到新问题上。示例不由人工编写、也不来自检索库，而是模型自己按「结构相似」召回。它介于零样本与少样本之间：不占人工成本，又能给模型一个可参照的推理骨架。
基本信息
| 适用平台 | 任意文本模型；纯提示技巧，不依赖外部知识库 |
|---|---|
| 与 few-shot 的差别 | 示例不是外部给定，而是模型按结构相似性自动召回 |
| 适用条件 | 问题所在领域存在大量先例、惯例或可类比的结构 |
| 风险点 | 召回的相似对象可能表面相似、结构不同，导致错位套用 |
典型使用场景
- 算法与工程题：先回忆同类问题的成熟解法再迁移，比直接作答更稳定
- 合同与条款比对：先回忆同类条款的通行处理方式，再判断本案差异
- 诊断类问题：先回忆相似故障的排查路径，形成检查清单
- 教学与解释：用已知类比引入新概念，检查模型是否真正把握结构对应
- 缺少标注数据的场景：没有现成示例可写时，让模型自召回代替人工示例
模板
模板
第 1 步：回忆 2-3 个与本题结构相似的已知问题（或相关定理、惯例），
每个用两句话描述，并说明相似在哪个结构上。
第 2 步：先写「可适用的前提条件」，再指出它们的共性解法。
第 3 步：把共性解法应用到本题，逐条说明对应关系。
第 4 步：指出本题与类比对象不同的地方，并说明差异是否影响结论。
若找不到结构相似的先例，直接说明并改用其他方法，不要硬凑类比。适用与不适用对照
| 场景特征 | 是否适用 | 原因 |
|---|---|---|
| 领域有大量成熟先例 | 适用 | 召回质量高，共性解法可靠 |
| 问题结构清晰可描述 | 适用 | 相似性判断有依据，不易被表面特征误导 |
| 全新领域无先例 | 不适用 | 召回内容多为拼凑，反而引入错误框架 |
| 先例表面相似结构不同 | 需谨慎 | 必须在第 4 步显式说明差异 |
模型自召回的先例可能是错的或半真半假（例如记错定理的适用条件）。先例只用于组织结构与提示思路，涉及具体数值、条款与版本时要以权威来源核对。
把「为何相似」写进输出，是这套方法的质量保障：只写类比对象不写相似维度时，无法判断模型是真找到了结构对应，还是在做修辞。