![配图待生成]
一句话总结
Zero-shot = 直接问，Few-shot = 给例子再问。例子越精准，答案越靠谱。
就像教小孩认字：Zero-shot是直接指着字问”这是什么”，Few-shot是先教几个字再问。
Zero-shot vs Few-shot
Zero-shot（零样本）
直接提问，不给任何示例：
`
将这段话翻译成英文：
今天天气很好
`
Few-shot（少样本）
先给示例，再提问：
`
输入：今天天气很好
输出：The weather is nice today.
输入：我喜欢编程
输出：I enjoy programming.
现在请翻译：这本书很有意思
`
效果对比
| 方法 | 优点 | 缺点 | 适用场景 |
|---|
|——|——|——|———-|
| Zero-shot | 简单快速 | 不够精确 | 简单任务 |
|---|---|---|---|
| Few-shot | 精确可控 | 需要设计示例 | 复杂任务 |
什么时候用Zero-shot？
适用场景
- 简单任务
`
总结这篇文章的要点
`
- 通用任务
`
翻译这段话成英文
`
- 创意任务
`
写一首关于春天的诗
`
Zero-shot的技巧
1. 明确指令
`
❌ 帮我翻译一下
✅ 将这段中文翻译成英文，保持专业术语
`
2. 提供上下文
`
❌ 分析一下数据
✅ 分析Q2销售数据，找出增长最快的3个产品
`
3. 指定格式
`
❌ 写个总结
✅ 用3个要点总结这篇文章，每个要点一句话
`
什么时候用Few-shot？
适用场景
- 格式转换
`
输入：苹果
输出：🍎 苹果 – 水果，红色，甜
输入：汽车
输出：🚗 汽车 – 交通工具，四轮，快速
现在请写：飞机
`
- 风格模仿
`
原文：今天天气很好
改写：阳光正好，微风不燥，正是出门的好时节
原文：这个产品很不错
改写：这款产品让我眼前一亮，忍不住想推荐给大家
现在请改写：这本书很有意思
`
- 分类任务
`
评论：这个手机太棒了！
情感：正面
评论：电池续航太差了
情感：负面
评论：屏幕显示效果一般
情感：中性
现在请分析：拍照功能很强大
`
- 数据提取
`
文本：张三，男，25岁，北京
输出：{“姓名”: “张三”, “性别”: “男”, “年龄”: 25, “城市”: “北京”}
文本：李四，女，30岁，上海
输出：{“姓名”: “李四”, “性别”: “女”, “年龄”: 30, “城市”: “上海”}
现在请提取：王五，男，28岁，广州
`
如何设计高质量的Few-shot示例？
原则1：示例要典型
`
❌ 不好的示例：
输入：a
输出：A
输入：b
输出：B
（太简单，没有代表性）
✅ 好的示例：
输入：hello world
输出：Hello World
输入：machine learning
输出：Machine Learning
（展示了首字母大写的规则）
`
原则2：示例要多样
`
❌ 不好的示例：
输入：苹果是水果
输出：苹果 – 水果
输入：香蕉是水果
输出：香蕉 – 水果
（都是水果，没有多样性）
✅ 好的示例：
输入：苹果是水果
输出：苹果 – 水果
输入：汽车是交通工具
输出：汽车 – 交通工具
输入：桌子是家具
输出：桌子 – 家具
（覆盖不同类别）
`
原则3：示例要简洁
`
❌ 不好的示例：
输入：今天天气非常好，阳光明媚，微风习习，正是出门散步的好时节
输出：The weather is very nice today, sunny and breezy, perfect for a walk
（太长，浪费token）
✅ 好的示例：
输入：今天天气很好
输出：The weather is nice today
（简洁明了）
`
原则4：示例要一致
`
❌ 不好的示例：
输入：苹果
输出：🍎 苹果 – 水果
输入：汽车
输出：汽车是交通工具
（格式不一致）
✅ 好的示例：
输入：苹果
输出：🍎 苹果 – 水果
输入：汽车
输出：🚗 汽车 – 交通工具
（格式一致）
`
原则5：示例数量适中
`
❌ 太少（1个）：
输入：苹果
输出：🍎 苹果 – 水果
现在请写：飞机
（可能不够清晰）
❌ 太多（10个）：
输入：苹果
输出：🍎 苹果 – 水果
输入：汽车
输出：🚗 汽车 – 交通工具
… 8个更多示例 …
现在请写：飞机
（浪费token）
✅ 适中（2-3个）：
输入：苹果
输出：🍎 苹果 – 水果
输入：汽车
输出：🚗 汽车 – 交通工具
现在请写：飞机
`
Few-shot的高级技巧
技巧1：带解释的示例
`
输入：今天天气很好
输出：阳光正好，微风不燥，正是出门的好时节
解释：使用了环境描写，增加了画面感
输入：这个产品很不错
输出：这款产品让我眼前一亮，忍不住想推荐给大家
解释：使用了个人感受，增加了说服力
现在请改写：这本书很有意思
`
技巧2：反面示例
`
✅ 好的示例：
输入：今天天气很好
输出：阳光正好，微风不燥
❌ 不好的示例：
输入：今天天气很好
输出：今天天气很好（没有改写）
现在请改写：这本书很有意思
`
技巧3：难度递增
`
简单示例：
输入：苹果
输出：🍎 苹果 – 水果
中等示例：
输入：红苹果
输出：🍎 红苹果 – 水果，红色
复杂示例：
输入：大红苹果
输出：🍎 大红苹果 – 水果，红色，大
现在请写：小青苹果
`
技巧4：边界示例
`
正常示例：
输入：苹果
输出：🍎 苹果 – 水果
边界示例：
输入：未知水果
输出：❓ 未知水果 – 无法分类
现在请写：火龙果
`
实战示例
示例1：情感分析
`
请分析以下评论的情感：
评论：这个手机太棒了！
情感：正面
理由：使用了积极词汇”太棒了”
评论：电池续航太差了
情感：负面
理由：使用了消极词汇”太差了”
评论：屏幕显示效果一般
情感：中性
理由：使用了中性词汇”一般”
现在请分析：拍照功能很强大
`
示例2：代码生成
`
请按照以下风格写Python函数：
输入：计算两个数的和
输出：
def add(a: int, b: int) -> int:
“””计算两个数的和”””
return a + b
输入：计算阶乘
输出：
def factorial(n: int) -> int:
“””计算n的阶乘”””
if n <= 1:
return 1
return n * factorial(n – 1)
现在请写：判断一个数是否是素数
`
示例3：文案改写
`
请按照以下风格改写：
原文：今天天气很好
改写：阳光正好，微风不燥，正是出门的好时节
风格：使用环境描写，增加画面感
原文：这个产品很不错
改写：这款产品让我眼前一亮，忍不住想推荐给大家
风格：使用个人感受，增加说服力
现在请改写：这本书很有意思
`
示例4：数据提取
`
请从以下文本中提取信息：
文本：张三，男，25岁，北京
输出：
{
“姓名”: “张三”,
“性别”: “男”,
“年龄”: 25,
“城市”: “北京”
}
文本：李四，女，30岁，上海
输出：
{
“姓名”: “李四”,
“性别”: “女”,
“年龄”: 30,
“城市”: “上海”
}
现在请提取：王五，男，28岁，广州
`
🚇 地铁深读：Few-shot的原理
为什么Few-shot有效？
- 模式识别：AI从示例中识别出模式
- 格式学习：AI学习输出的格式
- 风格模仿：AI模仿示例的风格
- 减少歧义：示例明确了期望
Few-shot vs Fine-tuning
| 方法 | 数据量 | 成本 | 效果 |
|---|
|——|——–|——|——|
| Few-shot | 2-3个示例 | 低 | 中等 |
|---|---|---|---|
| Fine-tuning | 1000+样本 | 高 | 高 |
什么时候Few-shot不够？
- 任务太复杂：需要更多知识
- 领域太专业：需要专业训练
- 格式太特殊：示例难以覆盖
今日小结
| 方法 | 原理 | 适用场景 |
|---|
|——|——|———-|
| Zero-shot | 直接提问 | 简单、通用任务 |
|---|---|---|
| Few-shot | 给示例再问 | 复杂、特定任务 |
一句话记住： Zero-shot = 直接问，Few-shot = 给例子再问。例子越精准，答案越靠谱。
下期预告
AI PRO·Prompt Day 5 结构化输出与格式控制：让AI输出你想要的格式
我们将深入解析如何控制AI的输出格式，包括JSON、Markdown、表格等。
*攀岩者 | 技术总监 | 19年IT全栈实战*
*每天分享AI学习笔记，陪你从零基础到AI达人*
发表回复