这篇写给已经会用少样本示例提示、希望再进一步的读者。理解原理是关键：示例同时传达了格式、语气、详略程度和判断标准，这些很难完全用文字说清，模型擅长从示例中归纳模式。

示例的质量比数量更重要。AI 会模仿示例里的一切，包括你没注意到的细节，比如示例都以句号结尾、都提到价格，它就会在新输出里照做。所以挑示例时，要确认每个示例只在你希望它学习的方面保持一致，其余方面尽量有差异。

技巧 1：把“容易出错的边界情况”专门做成一个示例

把“容易出错的边界情况”专门做成一个示例，效果往往比加一条规则更好。建议先在一个小任务上试用，确认效果后再推广。

技巧 2：示例的顺序会影响结果

示例的顺序会影响结果，最常见的情况放在最后一个示例更稳妥。这能帮你更快定位问题出在哪个环节。

技巧 3：分类任务里每个类别至少给一个示例

分类任务里每个类别至少给一个示例，避免 AI 偏向某一类。做到这一点，结果的稳定性会明显提高。

技巧 4：可以让 AI 先根据你的描述写几个示例

可以让 AI 先根据你的描述写几个示例，你修改后再作为正式示例使用。这一条在团队协作中尤其有用。

技巧 5：对批量任务

对批量任务，先拿 10 条测试，统计错在哪里，再迭代示例。这一条在团队协作中尤其有用。

一个进阶场景

举个虚构的例子：一位编辑要给 50 篇稿件写一句话导语。只描述“简短、有吸引力”时，AI 写出的导语长短不一、风格飘忽；附上三条自己写过的导语作为示例后，新导语的长度和语气都稳定下来，编辑只需微调个别用词。

示例和新输入差异很大怎么办？ 说明示例只用于展示格式，并补充一个与新输入更接近的示例，避免 AI 生搬硬套。

一份进阶写法

下面的模板综合了以上技巧，可以按大学生等不同场景替换内容：

任务：判断用户留言属于哪一类，只输出类别名。
类别：咨询 / 投诉 / 建议 / 其他
示例 1
留言：你们周末几点关门？
类别：咨询
示例 2
留言：上次买的东西坏了，客服一直不回。
类别：投诉
示例 3
留言：希望能增加夜间配送。
类别：建议
现在请判断：
留言：[新留言]
类别：

进阶使用时仍要避免

  • ✗ 新输入的格式和示例不一致。 ✓ 新输入也按“输入：”的同样格式写，AI 才知道从哪里开始续写。
  • ✗ 示例太多导致提示词冗长。 ✓ 通常两三个高质量示例就够，问题出在哪类就补哪类。

可以组合的技能

  • 结构化输出：结构化输出是让 AI 按照固定的字段和格式返回结果，例如 JSON、表格或固定标题的清单。
  • 批量分类打标：批量分类打标是让 AI 按你定义的类别，给大量文本贴标签，例如把用户反馈分成功能建议、故障报告、价格抱怨，把邮件分成紧急、待办、仅供参考。

衡量是否真的进步

一个简单的标准：同类任务需要的修改轮次是否减少，结果是否更稳定。如果答案是肯定的，说明你的少样本提示已经进阶；如果没有，回到基础步骤检查哪里写得不够具体。

相关阅读