Few-shot示例引导：用样例点亮AI

可视化演示

展示TCP/IP四层模型中数据的封装与解封装过程，切换模式查看发送端封装、接收端解封装和完整通信流程。

基本概念与定义：Few-shot示例引导是什么

新来的徒弟第一次被要求写“菜品说明卡”，完全不知道怎么下笔——他不知道卡片该写食材还是写做法，更不知道写到什么程度算合格。老师傅没多解释，直接翻出三张写好的样品卡摆在他面前。徒弟扫了两眼，模仿着写出一张格式差不多的卡片。教大模型做新任务，用的正是这个动作：在提问前，先往提示词里放几条“输入→输出”的完整样例，让它照着样例的样子回答。这个技巧就是Few-shot示例引导。

所谓Few-shot，英文直译是“少量样本”。在提示词工程里，它指在prompt中嵌入少量输入输出对，让模型把样例当作参照系来回答新问题。与之相对的Zero-shot（零样本）只给文字指令、不给样例，相当于只告诉徒弟“写个卡片”却一张示范都不给；One-shot则只给一条样例。大模型的底层是一个“上下文预测器”：它会从你给出的所有文本里归纳模式，然后顺着这个模式继续生成。因此样例不只是格式示范，更是在悄悄规划“推理路径”——比如先判断情感，再给出标签。

用条件概率的语言来描述会更精确。设示例集为E，新输入为x，模型在“已看过示例”的前提下为每个候选输出y打分并选择最优：

由此可见，Few-shot不是让模型“背答案”，而是让模型在示例的坐标系里寻找与新输入最吻合的作答方式。这就像老师傅“以菜传艺”——不背菜谱、不看理论，只看几道成品，徒弟便心领神会。这条思路，是下面所有细节的总纲。

案例格式设计：让样例一看就懂

如果老师傅甩给徒弟的样品卡五花八门——第一张写食材，第二张写火候，第三张画了幅图——徒弟不但学不到东西，还会被整懵。示范要生效，前提是每张卡的“栏位”统一。Few-shot示例引导同理：格式混乱的样例，会让模型不知道该模仿什么。

一条合格的Few-shot样例应满足三项要求。第一，输入输出成对出现：每条样例必须完整展示“输入是什么、输出是什么”，缺一不可，模型才看得到映射关系。第二，字段命名清晰：在输入输出前分别加上“输入：”与“输出：”这类显式标记，明确文本边界。第三，分隔符唯一：示例与示例之间用固定分隔符（如单独一行的"---"）隔开，且这个分隔符绝不能混进业务文本里，否则模型会把分隔符当成内容。

可用一个三元组来概括一条样例的结构：

现实中，格式的威力常被低估。同一批任务，把示例里的标签从“1/0“改成”正面/负面“，输出准确率就可能明显波动。因为模型在模仿的不仅是答案，还有答案的”长相”。就像徒弟不仅学菜的味道，还会模仿摆盘风格——你示范的卡片长什么样，他交上来的卡就长什么样。

示例选择策略：挑出最合适的示范

同样是教川菜，老师傅不会拿“开水白菜”当第一道示范菜——那是国宴功夫菜，徒弟看完只会怀疑人生。他会挑“宫保鸡丁”这类家常经典：用料常见、步骤典型，练完一通百通。给AI选示例，道理一模一样：示例的质量与针对性，决定了模型的模仿上限。

示例选择有三条核心原则。第一，代表性优先：示例要覆盖任务中出现频率最高的输入模式，让模型看几条就能覆盖大多数真实请求。第二，多样性覆盖：常见变体都要有代表，比如长短句、口语化表达、带特殊符号的文本，避免模型只见树木不见森林。第三，相似度匹配：工程实践中，通常先把所有候选示例做向量化（embedding），再计算每条示例与新输入的语义相似度，挑出最接近的几条。“相似”的示例为什么会更好？因为模型在处理新输入时，会优先从上下文中寻找结构相近的模式——相似的句子结构，对应的推理路径也更容易被“唤醒”。

数学上，相似度可以用向量的余弦值来度量：

选好示例，等于给模型配了一位“懂行的师父”。示例贴合任务，模型的模仿就像站在巨人的肩膀上起步；示例牛头不对马嘴，再强的模型也会被带偏到沟里去。

示例数量控制：几条示例最优

示范菜该看几道？看0道，徒弟全靠悟性，十有八九翻车；看1道，方向有了但变化不会；看3到5道，常见套路基本覆盖；看20道，徒弟眼花缭乱，而且菜都放凉了——时间成本和token成本全在涨。Few-shot的k值选择，本质就是在“引导充分”和“成本可控”之间取平衡。

经验规律大致如下：k=0是零样本基线，先把最朴素的指令效果测出来；k=1（One-shot）的跃升往往最大，模型第一次获得了“模板感”；k=2到5是最常用的区间，大多数分类、抽取任务到这个范围已趋于饱和；k超过10后，收益趋近于零，反而可能因为混入不相关样例而引入噪声。另外每一条示例都要占用上下文窗口，挤占模型处理新输入时的注意力预算。所以最佳实践是：从1条开始逐条增加，观察到效果不再变化就停止。

这可以用边际收益来表达。设Acc(n)表示注入n条示例后的准确率，则第n条示例的边际收益为：

教学从来不是菜越多越好。师傅讲透三道菜，徒弟能举一反三；囫囵吞枣看二十道，反而消化不良。给你的prompt配上“够用”的样例数量，既省token，又稳效果。

示例顺序影响：排列顺序的讲究

同样三堂示范课，先讲基础再讲技巧，和先讲技巧再补基础，徒弟的吸收效果完全不同——开头定基调，结尾留印象。大模型读提示词也有类似的“位置偏好”：它分配给提示词不同位置的注意力并不均匀。

学界对这种现象通常归纳为两类效应。一是首因效应：位于提示词开头的示例会被模型当作“全局框架”，定义整个任务的输出结构——比如开头样例输出是JSON，模型会倾向认为整个任务都要输出JSON。二是近因效应：离新输入最近的末尾样例，最容易被模型“即时模仿”，尤其影响回答的措辞与细节风格。中间位置的示例影响力相对弱一些。这给我们的设计启示很直接：把格式最规范的样例放在开头，把风格最接近理想答案的样例放在末尾，需要强调的业务约束也放在首尾。

若用简化的权重公式描述位置影响力：

当然，真实注意力机制比这复杂得多，但“位置影响输出”这一点已被反复证实。聪明的师傅会把话术编排成“开场重点、中场过渡、结尾点睛”。排列示例时，也请用同样的心法。

示例质量调试：清扫低质量示例

老师傅最怕的事，是自己教错了。如果示范卡上白纸黑字写着“盐50克”，徒弟照做，整锅菜全废——坏样例的污染力，比好样例的引导力更凶猛。模型对示例几乎是“盲从”的：你给它什么，它就模仿什么，哪怕那条示例本身是错的。

低质量示例主要有三类问题。一是标签错误：输入输出对本身不匹配，比如把“服务太差”标成“好评”；二是一致性缺失：两条相似输入的示例给出的标签互相矛盾，模型会无所适从；三是格式噪声：分隔符混乱、字段缺失或有多余字符，干扰模型对“干净格式”的提取。因此Few-shot调试的第一步不是调参数，而是“查样例”。

正确的调试顺序是：先清空示例测Zero-shot基线，确认要不要用Few-shot；然后逐条替换或删减示例做A/B对比，把“带偏”模型的元凶样例揪出来；最后统一所有示例的格式、术语和标注口径。可以把示例集合的质量理解为“正确率”与“噪声”的加减博弈：

每次调Few-shot效果不佳，先别急着怪模型。回头检查你递给它的每一道“示范菜”——是不是有一道菜里，偷偷放错了盐。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""Few-shot 示例引导 demo: 用 Jaccard 相似度选示例 + 模拟模型输出"""import re TASK_DESC = "请将下面的用户留言分类为: 好评、差评、中性。" CANDIDATES = [    ("这家餐厅的菜很好吃，服务也热情", "好评"),    ("等了四十分钟才上菜，太失望了", "差评"),    ("味道还行，价格有点贵", "中性"),    ("快递小哥送货速度很快，点赞", "好评"),    ("商品质量一般，不推荐", "差评"),    ("外观不错，功能中规中矩", "中性"),    ("客服解决问题很耐心，满意", "好评"),    ("噪音太大，严重影响使用", "差评"),    ("性价比还可以，没惊喜也没失望", "中性"),] TEST_EXAMPLES = [    ("外卖包装很用心，味道也好", "好评"),    ("屏幕用了几天就花了，质量堪忧", "差评"),    ("颜值在线，但续航一般", "中性"),]  def jaccard_sim(text_a, text_b):    """用字符 bigram 集合的 Jaccard 相似度模拟文本相似度"""    def bigrams(s):        s = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', s)        return set(s[i:i+2] for i in range(max(len(s)-1, 1)))    a, b = bigrams(text_a), bigrams(text_b)    if not a or not b:        return 0.0    return len(a & b) / len(a | b)  def build_prompt(desc, examples, query):    """把示例拼进 prompt, 这是 Few-shot 引导的核心"""    lines = [desc]    if examples:        lines.append("示例:")        for i, (inp, out) in enumerate(examples, 1):            lines.append(f"输入: {inp}")            lines.append(f"输出: {out}")            if i < len(examples):                lines.append("---")    lines.append(f"输入: {query}")    lines.append("输出:")    return "\n".join(lines)  def select_examples(pool, query, k=3):    """按相似度选出与 query 最相关的 k 条, 最相似的放在末尾"""    scored = [(jaccard_sim(query, inp), inp, out) for inp, out in pool]    scored.sort(key=lambda t: t[0], reverse=True)    top = scored[:k]    top.reverse()    return [(inp, out) for _, inp, out in top]  def simulate_model(prompt, examples):    """模拟模型: 有示例时按最近示例的标签输出, 无示例时猜中性"""    if not examples:        return "中性"    return examples[-1][1]  def evaluate(pool, test_set, k):    total = len(test_set)    hit = 0    for query, truth in test_set:        if k == 0:            pred = "中性"            prompt = build_prompt(TASK_DESC, [], query)        else:            ex = select_examples(pool, query, k)            prompt = build_prompt(TASK_DESC, ex, query)            pred = simulate_model(prompt, ex)        print("查询:", query)        print(prompt)        print("预测:", pred, "| 真实:", truth)        print("=" * 40)        if pred == truth:            hit += 1    return hit / total  if __name__ == "__main__":    print("Zero-shot 效果:")    acc0 = evaluate(CANDIDATES, TEST_EXAMPLES, 0)    print("Zero-shot 准确率:", acc0)     print("Few-shot (k=2) 效果:")    acc2 = evaluate(CANDIDATES, TEST_EXAMPLES, 2)    print("Few-shot 准确率:", acc2)     print("Few-shot (k=4) 效果:")    acc4 = evaluate(CANDIDATES, TEST_EXAMPLES, 4)    print("Few-shot 准确率:", acc4)

1. def jaccard_sim(text_a, text_b):用字符对（bigram）集合计算两段中文文本的相似度，作为“语义相近”的简化模拟。
2. def build_prompt(desc, examples, query):把任务描述、若干条输入输出样例和新输入拼成一个完整提示词，这就是Few-shot的核心动作。
3. scored.sort(key=lambda t: t[0], reverse=True)将候选示例按与查询的相似度从高到低排序，模拟向量检索选出最贴近的样例。
4. top.reverse()把最相似的示例挪到数组末尾，让它在提示词中紧挨着新输入，对应“近因效应”的工程实践。
5. return examples[-1][1]模拟模型“照着最末尾一条样例的标签作答”，直观体现示例对输出的引导作用。
6. acc0 = evaluate(CANDIDATES, TEST_EXAMPLES, 0)评估零样本基线，没有示例时模型只能默认猜“中性”。
7. acc2 = evaluate(CANDIDATES, TEST_EXAMPLES, 2)加入两条精选示例后，准确率提升，验证“样例即引导”。

常见误区

面试题