少样本提示 Few-shot Prompting

在提示词里先给 AI 几个示例，让它照着示例的格式和标准输出

✗ 没用这个技巧

把这个句子分类为正面或负面：
这家餐厅的服务很棒。

模型输出不稳定：有时带一大段解释，有时只回"正面/负面"，有时自己发明第三种类别。

✓ 用了

把句子分类为正面或负面。

示例：
句子：这部电影太精彩了
分类：正面
句子：物流慢得离谱
分类：负面

现在请分类：
句子：这家餐厅的服务很棒
分类：

分类：正面（严格照抄示例格式，输出稳定可解析）

**少样本提示（Few-shot Prompting）**是在指令后面附上 2~5 个“输入 → 输出”示例，让模型从示例中模仿格式、口径和判断标准，而不是只靠文字指令去猜。

什么时候用：输出格式要求严格（要接程序解析）、分类标准微妙（文字说不清但一看例子就懂）、或模型总“自由发挥”的时候。反过来说，任务本身一目了然时不必加例子——白白占用上下文。

要点：① 示例要覆盖典型情况（最好包含边界案例）；② 示例格式 = 期望输出格式，一字不差；③ 示例数量 2~5 个通常足够，多了边际收益递减。

请按以下示例的格式完成任务（few-shot）：

输入：<示例输入 1>
输出：<示例输出 1>
输入：<示例输入 2>
输出：<示例输出 2>

现在处理：
输入：<真实输入>
输出：