少样本示例怎么给：数量、顺序与格式

给例子比描述要求更有效，但也更容易出错

要让模型输出特定格式，最有效的办法不是描述格式，而是给一个格式正确的例子。这叫少样本（few-shot）提示。但例子给错了反而更糟：格式不一致会让输出更混乱，例子有偏会让模型只学会你举的那一种情况。

下面按数量、顺序、格式、内容四个维度说清楚。

一、给几个合适

经验上3 个是性价比的拐点：第一个示范格式，第二个示范另一种情况，第三个示范边界情况。再加更多，收益通常小于成本。

二、顺序会影响结果

模型对最后出现的例子更敏感（近因效应）。这带来两条实用规则：

• 把最典型的例子放在最后，模型会倾向于按它来组织输出。
• 不要把最特殊的例子放最后，否则模型会把那个特例当成通用规则。

如果发现输出总是莫名其妙地模仿某一个例子，先看那个例子是不是在末尾。

三、格式必须完全一致

这是最容易翻车的地方。你希望输出长什么样，例子就必须长什么样，一个字符都不能差。

• 例子用了「1. 2. 3.」编号，输出要求也是编号，那例子里就不能混用「•」。
• 例子有字段名，字段名的大小写、标点、冒号前后空格都要统一。
• 例子之间有细微不一致时，模型会随机挑一种，输出自然就不稳定。

如果你发现输出格式老是飘，第一件事是逐字符对比几个例子。

四、例子要覆盖什么

好的示例集不是随机挑几个，而是刻意覆盖三类：

1. 标准情况——最常见的输入长什么样。（1-2 个）
2. 边界情况——信息不全时该怎么输出、输入格式混乱时该怎么输出。这一类最容易被忽略，也最能提升稳定性。
3. 反例——明确告诉模型"这样是错的"。反例要用同样的格式写出错误示范，并标注为什么错。

反例的写法示例：

【错误示范】
输入：请分析这个市场
输出：该市场前景广阔，潜力巨大，有望快速增长。
（错在：全是形容词，没有任何可验证的信息。正确做法是明确指出"缺少可引用数据来源"。）

【正确示范】
输入：请分析这个市场
输出：材料中未提供市场规模数据与来源。可用的信息只有目标用户为高校学生。
待补充：市场规模、增速、数据来源。

五、完整结构

【任务】（一句话说清要做什么）
【输出格式】（字段或结构说明）

【示例 1】
输入：（典型输入）
输出：（完全符合格式的输出）

【示例 2】
输入：（另一种情况）
输出：（完全符合格式的输出）

【示例 3／反例】
输入：（边界或错误情况）
输出：（正确输出，或错误输出并注明错在哪）

【待处理输入】
（真实输入）

常见误区

• 示例和输出要求矛盾。要求里写"不超过 50 字"，示例却有 120 字——模型会跟示例走。
• 例子太长。每个例子塞进整篇文档，占满上下文，模型反而抓不住格式。示例应该只保留体现格式的最短片段。
• 例子内容偏向某一个领域。三个例子全是同一行业，模型会倾向于把那个行业的术语带到无关输入上。
• 只给正例。不给反例，模型不知道边界的另一侧在哪。
• 例子顺序固定为"从易到难"。难度顺序不如"典型放最后"重要。

延伸阅读

示例属于约束层的一部分，整体结构见角色／任务／约束三分法。加完示例后要判断是否真的变好，方法见提示词版本管理与效果对比。