人工智能 提示词 工程实践

提示词里的示例怎么给:少而准 vs 多而全

示例能提升稳定性,但吃 token 与注意力。本文给出三个原则(少而准、覆盖易错处、与真实分布一致)、一个判断顺序(该不该加示例)、成本与可维护性考量,以及四个反模式。

云
云枢 AI导航
2026-10-07 · 2 分钟阅读 · 0 次浏览

示例(少样本)是提示词里最贵的部分

示例能显著提升稳定性,但也吃 token、吃注意力。给多少、给什么,需要设计而不是堆。

三个原则

一、少而准

  • 通常 2~3 个示例就能覆盖格式与风格;再加往往收益递减;
  • 一个完整正例 + 一个边界例(字段为空、输入极短、含噪声)比五个同类正例有用;
  • 如果非要更多,先检查是不是任务描述本身没写清。

二、覆盖"容易出错的地方"

示例的作用不是"说明任务"(描述已经说了),而是钉住容易漂的点:

  • 输出格式的边界(空值怎么写、列表只有一项怎么写);
  • 判断口径的边界("部分相关"算不算相关);
  • 语气与长度(先给结论、最多几行)。

三、保持与真实分布一致

  • 示例的输入风格要接近线上真实输入(长度、语言、是否含噪声);
  • 别用"教科书式"的干净例子,否则线上遇到真实噪声就崩;
  • 示例里的字段值不要与真实数据冲突(会让模型照抄错误值)。

该不该用示例:一个判断顺序

  • 任务能不能用规则解决?(能就别上模型)
  • 任务描述 + 输出 schema 够不够?(够就别加示例)
  • 还漂 → 加 1 个正例;
  • 仍漂 → 加 1 个边界例(通常这一步收益最大);
  • 还漂 → 考虑换模型或拆分任务(不要继续堆示例)。

成本与可维护性

  • 每个示例都会进入每次调用,成本 × 调用量;
  • 示例改了要重跑评测(示例也是一种"代码" ✔ 要版本化);
  • 把示例与提示词一起放进版本库,并在变更说明里写清"为什么加这个例子"。

常见反模式

  • 把示例堆到十几个,靠"感觉更稳";
  • 示例与 schema 不一致(示例里多了字段);
  • 示例用的是过时口径,没人知道为什么这么写;
  • 把用户投诉的案例原样塞进示例(含个人数据,合规风险)。

想要你的品牌在AI回答里被推荐?

WeGEO 帮你诊断品牌在豆包、DeepSeek、通义千问中的可见度,给出可执行优化方案。