Few-shot 学习：用示例教会 AI

什么是 Few-shot Learning？

Few-shot 学习是通过提供少量示例（通常 2-5 个），让 AI 学会你期望的输出模式。

就像教小朋友：与其解释规则，不如给几个例子。

Few-shot 的优势

• •🎯 精准控制输出风格
• •📐 确保格式一致
• •🧠 传达隐含规则

零样本 vs 少样本 vs 多样本

| 类型 | 示例数量 | 适用场景 | |------|----------|----------| | Zero-shot | 0 | 简单、通用任务 | | One-shot | 1 | 格式明确的任务 | | Few-shot | 2-5 | 需要特定风格或规则 |

Few-shot 基本结构

任务说明

示例 1：
输入：xxx
输出：xxx

示例 2：
输入：xxx  
输出：xxx

现在请处理：
输入：[实际输入]
输出：

实战示例

情感分类任务

判断以下评论的情感倾向。

示例 1：
评论：这个产品太棒了，强烈推荐！
情感：正面

示例 2：
评论：包装破损，客服态度差
情感：负面

示例 3：
评论：一般般，没什么特别的
情感：中性

请判断：
评论：快递很快，但产品质量一般
情感：

文案改写任务

将正式表达改写为口语化文案。

示例 1：
正式：本产品采用先进技术
口语：用的都是黑科技

示例 2：
正式：建议您尽早购买
口语：手慢无，冲就完了

请改写：
正式：此优惠活动截止日期为本月底
口语：

Few-shot 最佳实践

1. 示例要有代表性

覆盖不同的情况：

✅ 包含简单和复杂的例子
✅ 包含正面和负面的例子
✅ 包含边界情况

2. 示例格式要一致

❌ 示例1用列表，示例2用段落
✅ 所有示例使用相同格式

3. 示例数量要适度

• •太少：模式不明显
• •太多：浪费 token，可能过拟合

一般 3-5 个示例最佳。

练习

为以下任务设计 Few-shot 提示词：

任务：将中文句子翻译成"程序员风格"

请设计 3 个示例，然后翻译： "今天天气真好"

小结

• •Few-shot 是最强大的提示技术之一
• •用示例代替复杂的规则描述
• •示例要有代表性、格式一致
• •3-5 个示例通常足够

下一课我们将学习思维链技术。