为什么我的 AI 总是听不懂指令？Few-shot 提示技巧怎么用才有效？

直接给答案：Few-shot（少样本提示）就是给 AI 喂 2-5 个“问题+答案”的正确示范，让它通过模仿样本的格式和逻辑来输出，而不是指望用文字描述把规则讲清楚。

为什么你写的 Prompt 像在写作文却没效果

很多人写提示词习惯于用长篇累牍的形容词。比如：“请用专业、客观、简练且带有洞察力的口吻帮我分析这段话”。

离谱的是，AI 接收到这种指令后的反应通常是：它开始用一种极其尴尬的“AI 腔”去模仿所谓的专业。结果就是满篇的“综上所述”、“关键在于”，读起来像一份毫无灵魂的公文。

这就是因为你给了指令（Instruction），但没给样本（Example）。

AI 的本质是概率预测。当你给它三个具体的例子时，它不需要去理解什么叫“洞察力”，它只需要计算：在之前的三个样本里，输入 A 后面跟着的输出 B 呈现什么样的结构？于是它会直接复制这种模式。

这就是 Few-shot 的核心：用实例代替描述。

拿一个具体案例对比：零样本 vs 少样本

上周三我在处理一个极其琐碎的电商评价情感分析任务。要求是把用户的吐槽转化为结构化的 JSON 格式，包含【情绪值：-1到1】和【核心痛点】。

如果用 Zero-shot（零样本），我的指令是：
“分析以下评价，输出 JSON 格式，包含情绪值和痛点。”
结果：AI 经常在 JSON 里乱加解释文字，或者情绪值给得随机，完全没标准。

我试着改成 Few-shot，直接甩给它三个样本：

评价：物流太慢了，等了半个月才到，气死我了！
输出：{"sentiment": -0.8, "pain_point": "物流时效"}
---
评价：包装很精美，但是产品质量一般，塑料感强。
输出：{"sentiment": -0.2, "pain_point": "材质廉价"}
---
评价：太惊艳了，这个价格买到这种质量简直是捡到宝。
输出：{"sentiment": 0.9, "pain_point": "无"}
---
评价：[这里放入真实需要处理的文本]
输出：

实测结果：错误率直接从 30% 掉到了 2% 以下。它不仅学会了格式，甚至连情绪值的打分尺度都被我通过那三个样本给“校准”了。

Few-shot 容易踩的三个深坑

很多人试了 Few-shot 发现没用，大概率是掉进了这些坑里：

1. 样本数量过多导致干扰

别以为给 20 个例子就比 3 个好。实际上，对于 GPT-4 或 Claude 3.5 这种级别的模型，3-5 个高质量样本就足够了。样本太多会浪费 Token，甚至让模型在样本之间产生矛盾，导致输出变得混乱。

2. 样本分布不均匀

如果你想让 AI 分类“好/中/差”，但你给的 3 个样本全是“好”的，AI 会产生严重的偏见，倾向于把所有结果都判定为“好”。样本必须覆盖所有可能出现的情况。

3. 格式不统一

样本之间的分隔符必须清晰。我推荐用 --- 或者 ###。如果样本之间没有明显的界限，AI 可能会把第二个样本的输入误认为是第一个样本输出的一部分。

在 PromptCube 这种社区怎么进阶？

自己摸索 Few-shot 挺慢的，因为你不知道什么样的样本才是“高质量”的。

在 PromptCube 这种 AI 社区里，最值钱的其实不是那个最终的提示词，而是别人在调试过程中留下的样本库。你可以去提示词分享板块看看，那些真正能跑通复杂逻辑的 Prompt，绝大多数都采用了 Few-shot 结构。

通过观察高手怎么设计样本的“对比度”，你能快速学会如何通过微调样本来控制 AI 的语气和逻辑。比如，想让 AI 说话像个毒舌评论员，你不需要告诉它“请毒舌一点”，只需要给它三个充满讽刺意味的样本，它立马就能接住这个戏。

不同模型对 Few-shot 的响应差异

我简单做了一个对比，同样的 Few-shot 任务，不同模型在样本依赖度上的表现：

| 模型 | 样本依赖度 | 响应速度 | 逻辑遵循能力 | 备注 |
| :--- | :--- | :--- | :--- | :--- |
| GPT-3.5 | 极高 | 快 | 中 | 没有样本基本无法完成复杂格式 |
| GPT-4o | 中 | 中 | 极强 | 1-2 个样本即可快速对齐 |
| Claude 3.5 | 低 | 快 | 极强 | 对指令理解力强，但 Few-shot 能极大提升稳定性 |
| Llama 3 | 高 | 极快 | 中 | 极度依赖样本来维持输出格式 |

如果你在关注最新的模型迭代，可以通过行业动态了解各家模型在上下文窗口和 In-context Learning（上下文学习）上的优化。其实 Few-shot 就是 In-context Learning 的最简单实践。

一个可以直接套用的 Few-shot 模版

如果你现在有个任务搞不定，试着按这个结构重新写：

1. 角色定义：你是一个[具体职业/身份]。
2. 任务描述：你的目标是把[输入]转化为[输出]。
3. 样本区：
- 示例 1 输入 → 示例 1 输出
- 示例 2 输入 → 示例 2 输出
- 示例 3 输入 → 示例 3 输出
4. 执行指令：现在请处理以下内容：[实际输入] →

这种结构比任何华丽的形容词都管用。