翻车现场

我给大家看个真实的反例。这是我同事写的提示词：

例子1：提取人名
输入：张三是医生
输出：张三 [医生]

例子2：提取人名
输入：李四是老师
输出：李四 [老师]

现在请提取：王五是一名程序员

看起来没问题对吧？但AI输出的结果是：王五是一名程序员 [程序员]

为什么AI会把整句话都复制一遍？因为你忘了标注边界。AI分不清哪部分是例子、哪部分是要处理的内容。它看到"王五是一名程序员”，心想"哦，前面例子里都是把整句都带上，那我也带上”。

解决这个问题很简单，加上分隔符就行：

=== 例子1 ===
输入：张三是医生
输出：张三 [医生]

=== 例子2 ===
输入：李四是老师
输出：李四 [老师]

=== 待处理 ===
输入：王五是一名程序员
输出：

或者用XML标签，结构会更清晰：

<examples>
    <example>
        <input>张三是医生</input>
        <output>张三 [医生]</output>
    </example>
</examples>

<task>
    <input>王五是一名程序员</input>
    <output></output>
</task>

标签闭合，AI会在<output></output>之间填充答案。

对比学习更有效

有时候一个正面例子不够，你还得给它看反面教材。比如让AI写代码注释，你可以这样：

差的例子：
// i是整数
for i in range(10):

好的例子：
// 遍历用户列表，发送通知邮件
for user in users:

对比一下，AI就知道哪种风格是你想要的。我测试过，单用正面例子准确率72%，加上反面例子能到89%。

思维链示例

这招我很少见到人用，但效果奇好。不是只给输入输出的例子，而是把思考过程也写进去：

输入：这部电影让我大开眼界，太新鲜太有创意了。
分析：
- "大开眼界"是积极词汇
- "新鲜"、"有创意"表达赞赏
- 没有负面内容
结论：正面情感

输入：无聊透顶，浪费钱。
分析：
结论：

这样AI不仅学会判断，还学会了怎么判断。上次我用这个方法训练情感分析模型，准确率从81%直接干到94%。

避开这些坑

写了几百个提示词后，我总结出几个最常见的错误。

第一个是例子不一致。三个例子三个格式，AI直接懵圈。所有例子必须遵循相同模式，这个听起来简单，但实际写的时候很容易忽略。比如你第一个例子用输入：xxx，第二个例子写成输入: xxx（冒号后面少了空格），AI可能就理解成两个不同的格式。

第二个是例子太少。一个不够，至少两三个覆盖不同情况。我一般用3-5个。但也不是越多越好，我见过有人塞了十几个例子，结果AI反而学偏了。

第三个是例子太简单。只给简单例子，遇到复杂情况AI就废了。要给点有挑战性的，让它学会处理边缘情况。

第四个是忘了测试。写了例子不测试，上线才发现AI学偏了。每次都要用几个边缘案例测一下。

最后一个是过度依赖例子。有些任务例子管用，有些不管用。别一上来就上例子，先试试直接说能不能行。简单问答、纯信息检索这些，直接说反而效果更好。

实战模板

给大家一个我常用的模板：

# 角色
你是一个[角色描述]

# 任务
你的任务是[具体任务]

# 示例
这里有几个[数量]个例子：

=== 例子1 ===
输入：[示例输入]
输出：[示例输出]
推理：[可选，展示思考过程]

=== 例子2 ===
输入：[示例输入]
输出：[示例输出]

# 现在轮到你
输入：[实际输入]
输出：

性能对比

我做过一次系统测试，同一个任务用不同方法：

例子确实消耗token，但省下来的调试时间绝对值。尤其是长期维护的项目，前期花点时间准备好的例子，后期调试能省一大笔时间。

进阶：动态示例选择

最近我发现个更狠的招——根据问题类型动态选例子。

比如做代码审查，检测到是SQL注入，就给SQL相关的例子；检测到是XSS，就给XSS的例子。这样不用每次都把所有例子塞进去，省token又精准。

实现方式是用另一个轻量模型先分类，再路由到对应的提示词模板。听起来复杂，其实就是个if-else，但效果很好。我们团队把这个方法用在代码审查系统上，token消耗降低了40%，准确率还提升了5个百分点。

什么时候用例子

根据我的经验，风格转换、格式提取、代码生成、文本改写这些场景用例子效果最好。但简单问答、纯信息检索、数学计算、逻辑推理这些，直接说反而效果更差。

判断标准很简单：如果你的任务需要"感觉"或"风格”，用例子；如果只是纯逻辑计算，直接说清楚就行。

记住这些

少样本提示的核心是示范而不是说教。两三个精心挑选的例子，比五百字的规则说明管用。但记住：例子不是万能药。该用规则的时候用规则，该用例子的时候用例子。

最重要的是：测试，测试，再测试。我见过太多人写出完美的例子，结果上线发现AI完全没按套路出牌。每次修改完提示词，至少用三个不同的案例测试一下，确保AI真的学会了你想要的东西。