Header Image

少样本提示：教会AI通过例子学习

快速入门 🚀

想象你在教一个外国朋友学习中文。与其解释复杂的语法规则，直接给几个例子可能更有效：

# 教外国朋友说"我想要..."
示例1：我想要一杯咖啡 ☕️
示例2：我想要去公园 🌳
示例3：我想要学中文 📚

现在轮到你：我想要___

这就是少样本提示的核心思想 - 通过例子教会AI完成任务！

学习概览 📋

本章你将学会

设计清晰的示例来指导AI
处理各种实际场景
提高AI输出的准确性
避免常见的坑

学完就能 💪

写出高质量的提示词
让AI更好地理解你的需求
解决实际工作中的问题
建立自己的提示词模板库

核心概念：像教小朋友一样教AI 👶

什么是少样本提示？

就像教小朋友认识水果：

看，这是苹果🍎，圆圆的，红红的
这是香蕉🍌，黄黄的，长长的
这是橙子🍊，圆圆的，橙橙的

现在，你能告诉我这是什么水果吗：
圆圆的，紫紫的，有点甜...

为什么要用示例？

直观：胜过千言万语的解释
清晰：明确告知期望结果
高效：快速上手新任务

实用技巧：提高成功率 📈

1. "三明治"法则

像做三明治一样，层层构建你的提示：

# ❌ 杂乱无章
prompt = """
写一篇文章
主题：环保
字数：500
"""

# ✅ 结构清晰
prompt = """
任务：写一篇环保主题文章

🎯 目标要求：
- 主题：环保
- 字数：500字
- 风格：通俗易懂
- 结构：总分总

📝 示例文章：
标题：《让地球更美好》
正文：
随着科技的发展，环境问题日益严重...
[示例文章内容]
结尾：让我们共同守护地球家园。

✍️ 请参考以上格式写一篇文章，主题是：
[你的主题]
"""

2. "积木"搭建法

像搭积木一样，从简单到复杂：

# 第1块积木：基础问候
prompt = """
任务：生成客服开场白

示例1：
早上好，欢迎光临！请问需要什么帮助？

示例2：
下午好，很高兴为您服务！有什么可以帮您的吗？
"""

# 第2块积木：添加个性化
prompt = """
任务：生成个性化客服开场白

客户信息：
- 名字：张先生
- 会员等级：黄金
- 上次购买：手机

示例回复：
张先生您好！感谢您一直以来对我们的支持。
看到您上次购买了手机，使用还满意吗？
有任何问题都可以随时问我哦！
"""

3. "食谱"法则

像写菜谱一样详细：

# ❌ 简单食谱
prompt = "写一个煎蛋的步骤"

# ✅ 详细食谱
prompt = """
任务：描述美食制作步骤

示例 - 完美煎蛋：
1. 准备材料：
   - 新鲜鸡蛋 1个
   - 食用油 适量
   - 盐 少许

2. 制作步骤：
   a) 小火预热平底锅
   b) 加入少许油预热
   c) 打入鸡蛋，注意不要打破蛋黄
   d) 煎至蛋白凝固，撒盐调味

3. 成品展示：
   - 蛋黄金黄完整
   - 蛋白洁白不焦
   
请按此格式描述：[你的菜品]
"""

4. "标签引导法" 🏷️

像给商品贴标签一样，通过标记关键信息来引导AI：

# ❌ 混乱的标签
prompt = """
分析：这个产品很好用
优点：便宜
缺点：包装简单
"""

# ✅ 结构化标签
prompt = """
任务：产品评价分析

示例1：
评价：这款手机拍照效果很棒，但是价格有点贵
[情感倾向] = 中性
[核心优点] = 拍照效果好
[主要缺点] = 价格偏高
[购买建议] = 对拍照需求高的用户推荐

示例2：
评价：这个耳机音质一般，续航也不行，不推荐购买
[情感倾向] = 负面
[核心优点] = 无
[主要缺点] = 音质一般，续航差
[购买建议] = 不推荐购买

现在分析：
评价：这款平板屏幕素质很好，操作流畅，就是有点重
[情感倾向] = ?
[核心优点] = ?
[主要缺点] = ?
[购买建议] = ?
"""

为什么要用标签？

结构化信息：让AI更容易识别和提取关键信息
统一格式：保证输出的一致性
突出重点：明确标注需要关注的方面

实战应用：智能简历分析系统 📄

prompt = """
任务：简历关键信息提取与分析

示例简历1：
小明，男，28岁，5年工作经验。
本科毕业于清华大学计算机系，
曾在阿里担任高级开发工程师，
主导过3个大型项目，
技术栈包括Python, Java, Docker。

[基础信息]
- 姓名：小明
- 性别：男
- 年龄：28岁
- 工作年限：5年

[教育背景]
- 学历：本科
- 学校：清华大学
- 专业：计算机系

[工作经历]
- 公司：阿里
- 职位：高级开发工程师
- 成就：主导3个大型项目

[技术技能]
- 编程语言：Python, Java
- 开发工具：Docker

[加分项]
- 名校背景
- 大厂经验
- 项目管理经验

示例简历2：
李华，女，24岁，应届生，
硕士毕业于北京大学人工智能专业，
在校期间发表2篇论文，
参与过1个国家自然科学基金项目，
熟悉机器学习和深度学习。

[基础信息]
- 姓名：李华
- 性别：女
- 年龄：24岁
- 工作年限：应届生

[教育背景]
- 学历：硕士
- 学校：北京大学
- 专业：人工智能

[研究成果]
- 论文：2篇
- 项目：国家自然科学基金项目

[技术技能]
- 领域：机器学习、深度学习

[加分项]
- 高学历
- 研究经验
- 学术成果

请分析以下简历：
张三，男，26岁，2年工作经验...
"""

标签设计技巧

层次分明
- 使用主标签和子标签
- 保持层级结构清晰
- 避免标签嵌套过深
命名规范
- 使用简短清晰的标签名
- 保持命名风格统一
- 避免歧义词汇
灵活扩展
- 预留扩展空间
- 支持添加新标签
- 保持向后兼容

常见应用场景

文本分类

[文章类型] = 新闻/博客/技术文档
[写作风格] = 正式/轻松/专业
[目标读者] = 专业人士/普通用户/学生

情感分析

[情感类型] = 喜悦/愤怒/悲伤/惊讶
[情感强度] = 强烈/中等/轻微
[情感触发] = 具体事件/原因

数据提取

[时间信息] = 年/月/日
[地点信息] = 国家/城市/详细地址
[人物信息] = 姓名/职位/联系方式

注意事项

避免过度标签
- 只标注必要信息
- 保持标签简洁
- 控制标签数量
保持一致性
- 统一标签格式
- 统一命名规则
- 统一层级结构
处理异常情况
- 设计缺失值处理
- 准备备选标签
- 添加验证规则

通过"标签引导法"，我们可以更好地：

规范化信息提取
提高处理效率
保证输出质量
简化后续处理

记住：好的标签系统就像一个优秀的图书馆分类系统，让信息检索和处理变得简单高效！

实战案例：智能写作助手 ✍️

场景

小明需要写各种风格的文章，但经常不知道怎么开始...

解决方案

prompt = """
📝 智能写作助手

场景选择：
1️⃣ 正式商务
2️⃣ 轻松博客
3️⃣ 技术文档
4️⃣ 生活随笔

示例1 - 商务邮件：
主题：项目进度汇报
正文：
尊敬的王总：
    项目进展顺利，现已完成以下里程碑...
    [详细内容]
此致
敬礼

示例2 - 美食博客：
标题：探索城市最美味的角落
嘿，美食爱好者们！
今天我要分享一个超赞的小店...
[详细内容]
记得点赞关注哦！

您想要尝试哪种风格？
"""

效果检验清单 ✅

quality_check = {
    "内容相关": {
        "主题切合": "✓",
        "逻辑连贯": "✓",
        "细节丰富": "✓"
    },
    "风格统一": {
        "语气一致": "✓",
        "用词规范": "✓",
        "格式整齐": "✓"
    },
    "实用性强": {
        "可直接使用": "✓",
        "易于修改": "✓",
        "效果明显": "✓"
    }
}

动手练习时间！ 💪

新手任务：写个自我介绍

创建3个不同场合的自我介绍示例
标注关键要素
生成新的自我介绍

进阶挑战：多场景对话生成

设计一个能处理多种场景的对话系统：

商务会谈
朋友聊天
客服交流

趣味测试

问问自己：

你的示例够生动吗？
换个人看得懂吗？
实际用起来顺手吗？

常见问题解答 🤔

1. "示例越多越好？"

就像教小朋友：

太少：学不会
太多：记不住
最佳：3-5个典型例子

2. "示例顺序重要吗？"

像教数学：

先教1+1=2
再教2+2=4
最后教复杂的

3. "怎么避免照搬示例？"

训练创造力：

多变换场景
调整细节
保持核心逻辑

效果对比：零样本 vs 少样本 🆚

让我们通过几个实际例子，对比使用和不使用少样本提示的效果：

1. 商品标题生成

# ❌ 零样本提示
prompt = """
为这款产品生成标题：
红色连衣裙，真丝面料，优雅设计
"""

# 可能的回答：
"真丝红色连衣裙"
# 问题：平淡无奇，缺乏吸引力

# ✅ 少样本提示
prompt = """
任务：生成吸引人的商品标题

示例1：
商品：黑色皮衣，进口羊皮，修身版型
标题：「意大利小羊皮」奢华修身皮衣 解锁秋冬高级感

示例2：
商品：蓝色牛仔裤，弹力面料，破洞设计
标题：「四季百搭」显瘦神裤 明星同款破洞牛仔

请为以下商品生成标题：
商品：红色连衣裙，真丝面料，优雅设计
"""

# 优化后的回答：
"「真丝系列」法式复古红裙 尽显优雅气质"
# 优点：突出卖点、风格鲜明、感染力强

2. 代码注释生成

# ❌ 零样本提示
prompt = """
为这段代码写注释：
def process_data(data):
    result = {}
    for item in data:
        if item.status == 'active':
            result[item.id] = item.value * 1.1
    return result
"""

# 可能的回答：
"处理数据并返回结果"
# 问题：过于简单，缺乏细节

# ✅ 少样本提示
prompt = """
任务：生成清晰的代码注释

示例1：
代码：
def calculate_discount(price, member_type):
    if member_type == 'gold':
        return price * 0.8
    return price * 0.9

注释：
'''
计算会员折扣价格
参数:
    price (float): 原始价格
    member_type (str): 会员类型('gold'或其他)
返回:
    float: 折扣后价格
        - 金卡会员(gold)享受8折
        - 其他会员享受9折
'''

请为以下代码生成注释：
def process_data(data):
    result = {}
    for item in data:
        if item.status == 'active':
            result[item.id] = item.value * 1.1
    return result
"""

# 优化后的回答：
'''
处理活跃数据项并应用加价
参数:
    data (list): 数据项列表，每项需包含id、status和value属性
返回:
    dict: 处理后的数据字典
        - 仅处理status为'active'的项
        - 对活跃项的value增加10%
        - 使用id作为键存储结果
'''

3. 客服回复生成

# ❌ 零样本提示
prompt = """
回复这个客户投诉：
产品收到了，但是包装有点破损，不太满意
"""

# 可能的回答：
"抱歉，我们会注意改进包装"
# 问题：敷衍了事，缺乏专业性

# ✅ 少样本提示
prompt = """
任务：生成专业的客服回复

示例1：
投诉：发货太慢了，等了一个星期才收到
回复：尊敬的客户您好，非常抱歉让您久等了。我们已经注意到配送时效的问题，目前已经优化了物流环节，大部分订单可在3天内送达。为表歉意，已为您赠送50元无门槛优惠券。您的体验对我们非常重要，感谢您的理解与支持。

示例2：
投诉：手机屏幕有划痕，很失望
回复：尊敬的客户您好，对于产品出现划痕的情况，我们深表歉意。请您提供订单号和产品照片，我们会第一时间为您处理。根据售后政策，您可以选择：1. 直接退货退款；2. 免费更换新机。请问您想选择哪种处理方式？

请回复这位客户：
投诉：产品收到了，但是包装有点破损，不太满意
"""

# 优化后的回答：
"尊敬的客户您好，非常抱歉您收到的商品包装出现破损。作为注重产品体验的企业，这确实是我们的疏忽。为确保您的权益，我们建议：
1. 请您检查产品本身是否完好
2. 如有任何损坏，我们将立即安排换货
3. 同时补偿您30元无门槛优惠券

我们已经向物流部门反馈包装问题，将加强发货环节的质检。您的反馈对我们非常重要，感谢您帮助我们提高服务质量。"

主要提升效果

输出质量
- 零样本：简单、粗糙、缺乏细节
- 少样本：专业、完整、结构清晰
格式规范
- 零样本：格式随机，不够统一
- 少样本：格式统一，易于处理
内容丰富度
- 零样本：内容单薄，要点遗漏
- 少样本：内容充实，要点完整
语言表达
- 零样本：表达生硬，缺乏人情味
- 少样本：表达自然，更有温度
专业程度
- 零样本：内容通用，不够专业
- 少样本：行业特色，专业规范

通过这些对比，我们可以看到少样本提示能显著提升AI输出的质量，使其更符合实际业务需求。

继续探索 🚀

下一步

创建自己的示例库
实践不同场景
分享你的经验

记住：熟能生巧，多试多练！