太长不看
少样本提示不是解释你想要什么,而是给AI看两个或更多已解示例 —— 输入A → 输出B —— 然后它就会精确复现所演示的模式、语气与格式。这是锁定自定义输出的最强手段 —— 也是你能发送的最昂贵提示词。因为每个示例都随每条消息同行。
类比
试着通过电话教某人单足旋转。
"单腿把身体转360度,踮脚,手臂环抱,头部固定。"技术上无懈可击。而且用这个方法你什么也教不会 —— 因为词语描述技能,而技能不是用词语做成的。现在把同一个学生带到舞蹈教练面前。教练一言不发,只是三次单足旋转,缓慢演示,并说:"像这样。"
学生的身体从三次演示中已经学到的,比从任何解释段落里学到的都多。人类通过模仿学会大多数事物的速度远快于听从指令 —— 而语言模型,事实证明,是以同样的方式构建的。给模型看一个模式的三个示例,它通常能完美复现 —— 包括你未曾预期、也不知道该如何描述的细节。
这就是整个课程的分界线。单发提示词负责讲述 —— 动词、背景、格式 —— 而对标准任务(总结、列举、翻译、改写)来说,讲述就足够了。模型已经会跳那支舞。少样本提示负责展示 —— 把那支舞本身以两三次输入 → 输出的表演形式粘贴进去,然后模型去模仿。用散文解释你们公司的工单格式是打电话;粘贴三张真实工单是现场演示。
关于舞蹈教练还有一点:演示并不免费。教练的时间、舞蹈室、那三次缓慢的旋转 —— 每节课上,展示都比讲述更贵。请记住这一点。它将成为整个技巧的经济学。
工作原理与成本
少样本提示的结构是一摞已解示例,后面跟着新输入,组合到让模式无从误读:
| 要素 | 作用 |
|---|---|
| 示例1:输入 → 输出 | 定义转换 |
| 示例2:输入 → 输出 | 确认并非巧合 |
| 示例3:输入 → 输出 | 锁定边界情形的行为(刁钻输入展示如何处理困难案例) |
| 新输入 | 轮到模型延续模式 |
示例做到了指令做不到的事:它们一次性演示了一切 —— 格式、语气、长度、大小写、包含什么、省略什么 —— 包括你没有意识到的数百个微决策。"Apple → Pomme. Car → Voiture. 现在翻译:House."—— 三行,模型就知道了语言、方向、记法、语域。没有任何指令段落能用更少的token指定这些。这就是只要目标模式是自定义的,少样本就能胜过出色解释的原因:模型停止猜测你的方言,开始说它。
现在是账单。你粘贴的每个示例都是上下文窗口上的文本 —— 模型在每条回复前重读的书桌。示例不会在第一次回答后蒸发;它们整场对话都坐在桌面上,给它之后处理的每条消息增加token。三个扎实的示例很容易超过对话其余部分的总和。而在消息按G-Credits计费的Uzu中,这种物理显形为余额:少样本提示每条消息单纯更贵,而且只要聊天活着就一直贵。
所以本课程所依赖的规则:
**默认单发,按需少样本。**当格式或逻辑真正自定义时 —— 公司风格、解析规则、带私有边界情形的分类方案 —— 展示示例。当清晰的指令就能锁定时,讲述。讲述更便宜 —— 而且大多数时候,足够。
最纯粹的经济走法:只有当错误格式比token更贵时,示例才值回票价 —— 重跑、手工清理、被畸形输出破坏的下游系统。这才是少样本测试:不是"示例有帮助吗?"(几乎总有帮助)而是"这个模式*需要演示吗?"。
改写前后(提示词)
示例1 —— 公司风格的标题
用我们品牌的声音把这个功能发布改写成有冲击力的标题。
"品牌声音"是单足旋转的电话教学。模型去猜 —— 它觉得有冲击、它觉得像品牌 —— 然后返回充满能量但完全不合拍的东西。
把这个功能发布改写成符合我们风格的标题。我们的风格:
旧仪表盘、新仪表盘 → 你的指标来电话了。它们想要更大的屏幕。 离线模式上线 → Wi-Fi消失了。工作还在。 深色主题发布 → 夜猫子们,这是你们的。
功能发布:批量导出现已上线 →
三次演示之后,模型不再猜测 —— 长度、箭头格式、加粗、文字游戏的语域全部被看见,包括永远指定不出来的微风格。第四行不是指令;它在补全模式。
示例2 —— 提取格式
从下面每一行收据中提取日期、城市、金额。
足够简单 —— 直到消费输出的系统期望YYYY-MM-DD | 城市大写 | 无符号分币。自然界中不存在的格式。指令版会生成易读的日期、正确的城市名、货币符号 —— 正确,但不兼容。
提取每行的日期、城市、金额。严格遵循模式:
"Lisboa 5月3日支付 42.50欧元" → 2026-05-03 | LISBOA | 4250 "São Paulo, 1月12日, R$199.90" → 2026-01-12 | SAO PAULO | 19990
"Tokyo 结账 11月7日 ¥3,000" →
两个示例教会了未成文的规则:歧义的日-月顺序解析、大写中的重音保留、符号剥离、小数单位换算。来自一个没有任何"配置"的模型的机器就绪输出 —— 它只是被展示过。
示例3 —— 不可偏离的语气
起草一条客户回复:温暖但不谄媚,专业但不生硬。
这句话里的每个词都是品味问题,而模型的品味与你不同。回复会带着感叹号回来 —— 按模型的解读,那就是"温暖"。
按照以下声音改写回复草稿:
草稿:"退款已处理。"→ 回复:"退款正在路上 —— 您将在3个工作日内看到。感谢您在处理期间的耐心。" 草案:"缺货。"→ 回复:"卖得比预期快!本周补货,一到货我就通知您。"
草稿:"您的账户已被暂停。"→
语气无法解释,只能演示。两个示例之后,第三条回复自动落进那个声音 —— 无需感叹号讲座。
常见陷阱
- **互相矛盾的示例。**示例1输出小写,示例3输出大写;一个正式,一个打趣。模型通过平均化解决矛盾 —— 产出与任何示例都不像的东西。像审计发现那样审计你的示例:每个细节都必须一致,因为每个细节都在教学。
- 示例过多,书桌挤满。"保险起见"放10个示例,会占据整场对话的上下文窗口 —— 挤走后续背景,并抬高Uzu中每条回复的token成本。2到4个锐利的示例几乎总能锁定模式;第5个只该在某个边界情形确实需要专属演示时添加。
- **懒惰的示例。**包含拼写错误、敷衍输出、格式偏差的示例,不是什么都没教 —— 而是积极地教你的缺陷。模型以完美的保真度复现你的错误。像对待要发表的散文一样打磨示例。
- 对标准任务使用少样本。"总结成一段话"的三个示例,演示不出清晰指令之外的东西 —— 你在为所有人都会的舞步支付演示价。把该技巧留给真正只存在于你的示例中的模式。
- **忘记示例会残留。**消息1里粘贴的整摞示例,在消息30里仍在桌面上 —— 继续消耗token、继续影响语气。同一聊天中的后续任务需要不同行为时,开新聊天,或明确让模式退役("从这里开始用新格式:……")。
常见问题
零样本、单发和少样本提示的区别是什么?
零样本是不带示例地询问 —— 纯指令,如"把这句翻译成法语"。单发包含一个锁定模式的示例。少样本包含两个或更多已解示例 —— 从这里起,针对自定义格式的模式锁定才足够强。(本课程的"单发提示词"解剖是关于一条完整的单一指令 —— 当那条指令包含示例时,它升级为少样本。)目标模式越罕见,教会它所需的示例越多。
什么时候该用少样本而不是直接描述格式?
当模式是自定义的、精确的、且出错代价高时:公司风格、解析规则、分类体系、喂给其他系统的输出 —— 一切散文描述会让模型去猜的东西。当格式是标准的(表格、五个要点、一段),或描述能完全捕获时,单发更快、更便宜且足够。测试:一个有能力的陌生人能只凭描述复现你的格式吗?不能,就演示。
示例会让AI提示词变贵吗?
会。示例全是上下文窗口上的token,而窗口在对话的每条回复中被重新处理 —— 示例增加的不是一次性成本,而是持续成本。在按G-Credits计费的Uzu中,沉重的一摞少样本示例是肉眼可见的最贵提示词。所以纪律是:只演示无法用描述捕获的东西,并保持示例在锁定模式所需的最小数量。
下一课
少样本要求你已经拥有完美的示例 —— 但如果你从未写过,拿什么演示?针对这个有一招:停止起草答案,开始起草问题。把编写提示词本身外包给机器。
继续下一课:元提示
离开前的练习:找一个你纠正过AI两次以上的输出格式。从纠错中构建一摞3个示例 —— 你的草稿作输入,修正版作输出 —— 并把下一个任务跑一遍。观察模型复现你从未写下的东西。