当描述留下太多解释空间时，直接向模型展示你想要的输出示例。一小组具有代表性的输入输出对，可以比单用形容词更具体地说明语气、格式或分类边界。
这种技巧称为少样本提示。这个名称来自机器学习研究：最初的GPT-3论文研究了在上下文中提供任务和示例、但不针对任务更新参数时，模型会有怎样的表现（Brown等，2020）。该论文也发现了一些少样本表现不佳的任务，因此示例是一项需要评估的技巧，而不是普遍有效的升级。
本文将通过完整示例介绍什么是少样本提示、何时使用，以及如何进行测试。
为什么示例比描述更有效
做一个思想实验。假设你希望某个人模仿公司营销文案的语气。你可以说：“友好但专业，亲切但不随便，自信但绝不傲慢，语言通俗但不过度简化。”听完这四个短语，对方可能会点头，却仍写出与你实际想要的内容不同的文案。
但如果你改为展示三段已经准确体现这种语气的短文，对方就会有更具体的目标。他们可以比较用词、句长和结构，而不是只解读形容词。
模型也可以这样使用示例。“友好”“专业”“自信”等形容词存在多种合理解释。具体示例会显露指令没有点明的选择。OpenAI的提示工程指南将少样本学习描述为用少量输入输出示例引导模型，并建议展示多样化的可能输入及其理想输出。它能否改善结果，取决于模型、任务、示例和评估标准。
何时使用少样本提示
在以下情况下，示例值得测试：
匹配特定语气。“用我们公司的口吻写。”如果简短描述仍留有解释空间，也应展示有代表性且已经采用的示例。
**生成格式一致的内容。**产品描述、错误消息、API响应、周报或状态更新等输出，每次都需要保持相同格式。既要展示格式，也要用文字说明。
小众或不寻常的输出。“像[a specific person you follow]那样为X撰写帖子串。”“为内部工具博客生成标题。”“按照我们团队的习惯编写代码注释。”这些内容都有难以准确表述的特定惯例。
在翻译、总结或改写中复现某种风格。“按照我接下来给出的三个示例的风格改写这段内容。”
**任何你总以同一种方式纠正的内容。**如果你发现自己每次都朝同一个方向编辑模型输出，例如缩短篇幅、替换词语或收紧结构，就向模型提供修改后的版本作为示例。
基本结构
一条实用的少样本提示包含三部分：简短指令、具有代表性的示例集，以及新任务。
为B2B SaaS工具生成一句话产品描述。模仿以下示例的风格。
示例1： 产品：ProjectHub 描述：为那些厌倦了在五种工具之间来回切换、只为完成一项工作的项目团队打造的共享工作空间。
示例2： 产品：TimeFlow 描述：为讨厌工时追踪应用的人打造的工时追踪应用。
示例3： 产品：ClearStack 描述：一款把电子表格转化为决策的报告工具。
现在为以下产品写一句： 产品：PromptDesk 描述：
目标是简短、立场鲜明、略带俏皮，并围绕某个具体痛点或受众展开。请根据这些标准检查结果；示例可以引导模型，但不能保证描述质量。
三个完整示例
下面介绍三种示例可以让目标更清晰的情境。
1. 采用团队风格的缺陷报告说明
假设你的团队以特定方式编写Jira工单：简短、关注用户影响，而且不使用行话。你希望AI起草符合这种风格的工单。
按照以下格式起草Jira工单描述。
示例1： 用户通过Google登录时，在界面更新前会短暂看到错误的语言。Chrome桌面版必现。不影响操作，但体验不流畅。
步骤：
- 退出登录
- 使用Google重新登录
- 观察页面最初的闪烁
预期：语言保持一致 实际：短暂显示（似乎是默认语言的）英语
示例2： 在超过1000行的周报中，“导出为CSV”按钮会返回空文件。行数较少的报告可正常导出。
步骤：
- 打开包含1000多行的周报
- 单击“导出”→“CSV”
- 打开下载的文件
预期：包含全部数据 实际：文件大小为0字节
现在为以下问题起草一份： 问题：Safari用户反馈，点击链接后移动端菜单无法关闭。刷新后恢复正常。看起来像焦点陷阱问题。
请检查草稿是否符合要求的结构和语气，并忠于已提供的事实。示例让目标变得明确，但模型仍可能漏掉某个字段，或推断并未提供的细节。
2. 按品牌口吻改写
假设你有一封邮件草稿，希望按照某种品牌口吻重写。“写得更亲切些”存在解释空间；示例可以更具体地说明目标语域。
按照以下示例的口吻重写下面的邮件。口吻要求：直接、不说公司套话、略带自省，绝不使用“synergy”或“leverage”。
示例1：“我们将发布日期推迟了一周。自动扩缩容变更比预想的更大。新的发布日期：22日，星期五。”
示例2：“能帮个小忙吗：快速检查一下这份草稿？主要看第二节。我觉得那部分言过其实，但拿不准。”
示例3：“提前说一声：明天开会时，我会要求调整截止日期。算下来时间根本不够，我宁愿现在提出来，也不想到时无法按期交付。”
用相同口吻重写以下内容：
[paste your draft]
使用前，请将改写结果与示例及原始事实进行比较。如果你的ChatGPT套餐和工作区允许创建GPT，可以把示例放入自定义GPT的指令；OpenAI建议在Preview中测试配置好的GPT，因为指令不能保证每次运行都产生完全相同的输出。
3. 结构化提取
假设你有一批获准处理的PDF发票，希望用一款获准使用的模型将其中数据提取为整洁格式。确认工具和数据流获准处理这些文档后，上传一份发票，提供理想输出示例，再要求模型处理其余发票。
严格按照以下JSON格式从PDF发票中提取数据。
示例：
输入：[invoice PDF where vendor is “Lufthansa”, date is 2026-04-12, total is 423.50 EUR, line items are flight + bag fee]
输出：
{ "vendor": "Lufthansa", "date": "2026-04-12", "currency": "EUR", "total": 423.50, "line_items": [ {"description": "Flight TLL-LHR", "amount": 387.00}, {"description": "Checked bag", "amount": 36.50} ], "category": "Travel" }现在从这份发票中提取数据：[attach new PDF]
示例规定了目标JSON模式，但你仍需按模式校验结果，并与发票核对。不要把看起来可信的JSON对象当作金额、日期或明细项已正确提取的证据。
少样本提示的常见错误
需要留意三类错误：
**示例彼此矛盾。**如果示例的风格不同，或对类似输入使用不同标签，模型可能会复现这种模糊性。既要保持预期规则一致，也要覆盖有意义的输入差异。
**示例未覆盖有意义的差异。**不存在普遍最佳的数量。先用能展示模式和重要边缘情况的最小示例集，再根据代表性测试增加或删除示例。每个示例都会占用上下文，并可能引入另一种需要模型兼顾的模式。
**示例包含你不希望模型复制的错误。**模型可能复现示例中的拼写错误、生硬措辞或无意采用的结构。使用前先清理示例集，并检查新输出，不要假定只会迁移预期模式。
一个特别隐蔽的错误是：只展示输入示例，不展示输出。“以下是我想让你为其撰写标题的三篇文章：[three articles]。”这是零样本提示，不是少样本提示。模型没有见过好标题是什么样。对比下面的写法：
以下三篇文章采用了我喜欢的标题风格。请模仿这种风格：
示例1：[article] → 标题：“……” 示例2：[article] → 标题：“……” 示例3：[article] → 标题：“……”
现在为以下文章写标题：[new article]
少样本的基本单位是一组“输入 → 输出”。没有输出一侧，模型就没有可遵循的目标模式。
如何建立示例库
开始使用少样本提示后，你会逐渐积累多组“行之有效的示例”。把它们保存下来：
- Custom GPTs / Claude Projects：将测试过的示例保存在范围明确、可审查和更新的指令中。
- 文本片段管理器（TextExpander、Raycast、Espanso）：用快捷方式展开示例。
- 按用途整理的笔记文件（“品牌口吻示例”“工单格式示例”“标题示例”），需要时可以快速复制。
随着时间推移，这可以成为一套以团队实际接受的输出为依据、针对具体任务的示例库，比没有在你的工作上测试过的通用提示词套装更实用。
示例胜过形容词
能精确描述输出时，就描述它。当某种风格一看便知却难以完整说明时，添加有代表性的输入输出示例。将提示词变成可复用工作流之前，还要用常见情况和边缘情况进行测试。
示例可以澄清形容词留下的模糊之处。下次遇到语气或格式很重要的提示词时，试用这种技巧；只有测试结果确实改善时才保留它。
