【心法篇】如何写好 Prompt：Few-shots 技巧深度解析

什么是 Few-shots？
Few-shots 指在机器学习模型训练中，仅使用极少量（通常为 1-3 个）的标注样本来提升模型性能。其核心目标是通过少量样本让模型快速掌握任务特性，进而在新数据上表现优异。对于生成式大模型，这一技巧在写 Prompt 时也同样适用。

通过提供 1-3 个输入→输出的具体示例，Few-shots 技巧可以显著提高大模型生成结果的质量。这种方法可以帮助模型“学习”任务的格式、语气和内容期望，从而输出更符合需求的结果。

Few-shots 的原理是什么？
人类的认知依赖意义的理解，而 LLM（大语言模型）的运作依赖概率分布。在生成过程中，模型依据已提供的上下文确定下一个最可能的 Token。Few-shots 技巧通过“样本引导”，提供清晰的上下文模板，让模型更易预测正确答案。

---

如何使用 Few-shots？

在设计 Prompt 时，可以在结构化提示中加入一个专门的 Examples 区块，示范期望的输入与输出格式。以下是示例对比：

初始 Prompt（无 Few-shots）

[SYS]:  
你是一个优秀的翻译人员。你的任务是将汉字翻译成英文和日语，日语部分包括汉字和假名。不需要提供任何额外解释。  

输入: 邻居  
输出:  
Neighbor (English)  
隣人 (にんじん/Ninjin) (Japanese)