少样本提示（Few-Shot）：示例与适用场景

少样本提示的意思是，在给模型真正的输入之前，先给它看几个完整的任务示例，每个示例都由一个输入和你想要的答案组成。模型读出其中的模式，然后照着做下去。有些东西很难用语言说清楚：两个类别之间的界线在哪里、输出的确切形式、你们团队的写作口吻。用示例来确定这些，是最快的办法。

少样本提示的原理

Brown 等人 2020 年的论文《Language Models are Few-Shot Learners》表明，GPT-3 只需要提示词中的几个示范，就能学会一项新任务，无需重新训练。这叫作上下文学习：模型本身没有任何改变，示例只影响这一个提示词的回复。下一次，示例必须重新放进去。

名称取决于示例的数量。零样本提示没有示例，单样本提示有一个，少样本提示有好几个，通常是两个到几个之间。

零样本与少样本对比

下面两个标签页用同样的指令要求做同一件事。唯一的区别是，第二个标签页在真正的工单之前加了四个带标签的示例。

零样本少样本

EditCopy

把这条客服工单分类为 bug、billing、account 或 feature_request。 工单：我重置了密码，但新密码不能用，一直提示凭据无效。

Try it

Example replyReplies vary between models and runs.

类别：bug

用户重置了密码，但新密码在登录时被拒绝。这说明密码重置流程有问题，所以这很可能是认证系统中的一个 bug。

示例改变了两件事。第一是格式：零样本的回复加了一个加粗的标题和一段解释，而少样本的回复和示例保持一致，只给出一个词，脚本可以直接读取。第二是判断本身。把这条工单理解为“bug”是合理的，大多数人也会这么选。但这个团队把登录问题归到 account 下，第三个示例不用一句解释就说明了这一点。没有任何指令提到这条规则，是示例把它传达给了模型。

用几个示例

从两到五个开始。这对大多数格式和分类任务已经足够，还能让提示词保持简短。

• 一个示例能展示格式，但模型往往会模仿得过于贴近。如果唯一的示例是一段 30 字的价格调整总结，下一份总结可能也会写成 30 字，而且莫名其妙地围绕钱打转。
• 两三个不同的示例能让模型看出它们的共同点（模式）和不同点（细节）。
• 做分类时，每个标签至少放一个示例，再加上那些在没有示例时出错的边界情况。
• 超过几个之后，收益通常会变小，而每次请求都会变长，耗费 token 和时间。如果需要几十个示例才能做对，这个任务可能需要更清楚的指令，或者完全换一种方法。

挑选好的示例

模型会从示例的所有共同点中学习，而不只是你想教的那一点。

• 覆盖困难的情况。 简单的示例教不了多少东西。最有用的示例恰好落在边界上，比如上面那条登录工单。
• 让表面形式多样化。 混合长短不一的输入、不同的话题和不同的措辞。如果示例中所有的好评都很短，模型可能会把长度当作判断依据。
• 平衡各个标签，并打乱顺序。 模型往往会偏向示例中出现最多的标签，以及最后出现的那个标签。
• 检查每一个示例。 示例里的错误，就等于一条要求犯这个错误的指令。
• 使用真实的输入。 从你的真实数据中取出的示例，比编造的示例更贴近模型将要处理的内容。

保持格式完全一致

每个示例都应该使用相同的标签、分隔符和大小写，真正的输入也应该和示例的输入长得一模一样。在工单提示词中，每个示例都是先写“工单：”再写“标签：”，提示词最后以一个空着的“标签：”行结尾，这样接下来只有一种自然的写法。

示例较长时，用 <example> 标签这类清晰的标记把每个示例包起来，让模型能分清一个示例在哪里结束、下一个从哪里开始；见分隔符和 XML 标签。在 API 中，你也可以把示例作为对话中较早的轮次传入：一条用户消息放示例输入，接着一条助手消息放答案，每个示例重复一次。

少样本提示很适合做成可复用的提示词模板：指令和示例保持不变，只替换输入。下面的提示词会把一条提交信息改写成团队的风格。在输入框里填上你自己的提交信息，再关掉“示例”部分，看看风格有多少是靠示例传达的。

符合团队风格的提交信息

EditCopy

Fill in提交信息

PartsTaskExamplesInput

Task

把这条提交信息改写成我们团队的风格。只回复改写后的提交信息。

Examples

改写前：报表页加了个导出 csv 的功能 改写后：feat(reports): add CSV export 改写前：因为安全警告升级了 lodash 改写后：chore(deps): update lodash to fix security advisory 改写前：修复了购物车为空时崩溃的问题！！ 改写后：fix(cart): prevent crash when cart is empty 改写前：readme 里有错别字 改写后：docs(readme): fix typo

Input

改写前：让搜索框不区分大小写 改写后：

Try it

Example replyReplies vary between models and runs.

feat(search): make search box case-insensitive

所有规则都没有写出来：小写的类型、括号里的范围、祈使语气、结尾不加句号。示例展示了全部四条，回复也照着做了。关掉示例后，模型仍然会改进这条提交信息，但它只能猜一种风格，没有任何东西能让它的猜测和你的风格一致。

少样本示例不仅能演示答案，也能演示推理过程。思维链提示最初就是通过展示步骤的解题示例提出的。对于回答前会先在内部推理的模型，示例只放输入、答案和格式即可：写死的推理步骤可能会让它们偏离更好的路线，一些提供商也建议对这类模型先试试零样本。