假设你开了一家烘焙小店，请新来的店员帮忙写新品文案。你说：「要活泼一点，有点小俏皮，但别太浮夸，要有我们店的感觉。」店员写了三版，你都觉得「差点意思」，可又说不出到底差在哪。
后来你干脆翻出以前反响最好的两条文案给他看：「照这个感觉写。」第二天，他交上来的文案一下就对味了。
和 AI 合作也是一样。很多时候，给例子比讲道理管用得多。这一节讲的就是这个技巧：少样本提示。
什么是少样本提示
先认识三个说法：
- 零样本：不给例子，只描述任务。比如「把这句话翻译成英文」。
- 单样本：给一个例子。
- 少样本：给几个例子，让 AI 从中找出规律，再照着做。
为什么例子这么有效？回想第一节说的：AI 是根据前文推断「接下来最可能写什么」。当你给出几组「输入→输出」的示范，它最可能的下一步，就是用同样的模式处理你的新输入。语气、长度、句式结构这些「只可意会」的东西，它特别擅长从例子里捕捉。
这个能力在大模型的发展史上很重要：2020 年介绍 GPT-3 的那篇论文，标题就叫《Language Models are Few-Shot Learners》，意思是「语言模型是少样本学习者」。模型不需要为某项任务专门训练，只要在提示里看到几个例子，就能学着完成新任务。
描述十句，不如示范两个
看一个具体例子。假设你想给店里的新品写一句推荐。
错误示范：
帮我给新品「海盐芝士曲奇」写一句推荐文案，风格要活泼俏皮、
有生活感、口语化、别太广告腔、长度适中、要有画面感。形容词堆了一串，但「活泼俏皮」在你心里和在 AI 心里，可能完全是两回事。
改进后：
请参考下面两条我们店以前的文案风格，为新品写一句推荐。
产品：抹茶麻薯
文案：咬下去会「拉丝」的那种快乐，今天也想被抹茶治愈一下。
产品：黑糖奶酥
文案：下午三点的嘴馋，交给一块会掉渣的黑糖奶酥。
产品：海盐芝士曲奇
文案：注意最后一行留了空，AI 会很自然地「接着填」。它能从两个例子里学到：只写一句话、口语化、带一个具体的口感细节、落在一个生活场景上——这些规律，你自己可能都没意识到，却被例子悄悄传达了。
少样本最适合哪些任务
| 任务类型 | 为什么适合给例子 | 生活中的例子 |
|---|---|---|
| 模仿风格 | 语气、调性很难用形容词说清 | 按店铺一贯风格写文案，按自己的口吻回消息 |
| 固定格式 | 示范一次胜过解释半天 | 把零散笔记整理成固定模板 |
| 分类打标签 | 让判断标准保持一致 | 把顾客留言分成表扬、投诉、咨询 |
| 信息提取 | 告诉它提取哪些内容、怎么写 | 从聊天记录里提取姓名、电话、地址 |
| 简单的通用任务 | 一般不需要，直接说就行 | 翻译一句话、解释一个概念 |
再看一个分类的例子。假如你每天要处理很多顾客留言：
错误示范：
帮我把下面的顾客留言分一下类。改进后：
请把顾客留言分成「表扬」「投诉」「咨询」三类之一，只输出类别。
留言：包装很用心，送朋友很有面子！
类别：表扬
留言：说好两天到货，今天第五天了还没发货。
类别：投诉
留言：这款蛋糕可以提前一天预订吗？
类别：咨询
留言：收到的饼干碎了一大半，太失望了。
类别：有了示范，AI 就知道该用哪几个类别名、只输出一个词，而不会给你写一段分析。哪怕一次处理上百条留言，结果的格式也是统一的，方便你直接统计。
信息提取也是同样的道理。顾客发来的收货信息常常七零八落，用一个例子把「想要的样子」示范出来就行：
错误示范：
帮我把这段聊天里的收货信息找出来。改进后：
请从聊天记录中提取收货信息，照下面的样子输出，没有的项写「无」。
聊天记录：麻烦寄到幸福路 8 号 3 单元，收件人陈晨，电话 138 0000 0000，周末家里没人。
提取结果：收件人：陈晨|电话：138 0000 0000|地址：幸福路 8 号 3 单元|备注：周末家里没人
聊天记录：（粘贴新的聊天记录）
提取结果：不管顾客怎么描述，输出都是同一个样子，可以直接复制到快递单上。
给例子的五个技巧
1. 两到五个通常就够。 只给一个例子，AI 容易死板地照着那一个模仿；给太多，又占篇幅，对普通任务帮助也不大。任务越复杂，可以适当多给几个。
2. 例子之间要有差异。 如果你给的三条文案都以「姐妹们」开头，AI 很可能也以「姐妹们」开头。想让它学到共同规律，就让例子在题材、句式上各不相同，只在你想保留的特征上保持一致。
3. 格式统一、界线清楚。 每个例子用同样的结构，比如「产品：…… 文案：……」或「输入：…… 输出：……」。整齐的格式，能让 AI 一眼看出规律。例子和真正要处理的内容之间，最好用一句话隔开，比如「以上是例子，下面是需要你处理的内容」，免得 AI 把例子也当成要处理的对象。
4. 说清楚学什么、不学什么。 加一句「只模仿语气和长度，不要照搬例子里的用词」，能有效避免它换汤不换药地抄例子。
5. 例子的质量就是上限。 例子里有错别字、有你不满意的地方，AI 也会一并学去。挑你最满意的作品当例子。
常见的三种翻车
- 照抄内容。 新文案和例子几乎一样，只换了个产品名。解决办法：强调「只学风格」，并换几个差异更大的例子。
- 例子偏科。 做分类时，给的例子全是表扬，AI 就容易把模棱两可的留言也判成表扬。解决办法：每个类别都给到例子，数量大致均衡。
- 例子和说明打架。 你说「每条不超过 20 字」，例子却写了 40 字，AI 往往会跟着例子走。解决办法：检查每个例子是否符合你写下的每一条要求。
小贴士：手头没有现成的例子怎么办？可以先让 AI 写 5 个版本，你挑出最满意的 2 个，再把它们作为例子放进下一次的提示词里。几轮下来，风格会越来越接近你想要的。
本节要点
- 少样本提示就是在提示词里放几个「输入→输出」的示范，让 AI 照着规律做。
- 风格、语气、格式这类难以描述的东西，给例子比堆形容词有效得多。
- 例子通常两到五个就够，在无关的地方要有差异，在想保留的特征上要一致。
- 写明「学什么、不学什么」，防止 AI 照抄例子的内容。
- 例子和文字说明要一致；两者打架时，AI 往往会跟着例子走。
