Prompt 进阶技巧

说明

少样本示例（Few-Shot）是在提示词中加入几个输入输出样例，让模型理解目标和风格。没有示例时，模型只能靠任务描述猜测；有示例后，格式和评判标准更容易对齐。思维链（Chain of Thought）则要求模型先列出推理步骤再给结论，能减少直接猜答案带来的错误。

Few-Shot 在提示词中加入少量输入输出示例，用可观察样例说明目标格式和判分方式。要求模型列出中间推理有时能帮助多步任务，但效果依赖模型与任务，且不应把未核验的推理文字当成事实依据。

综合来看，可以按角色、任务、上下文、约束、示例、格式几个要素组合写出完整提示。要素越明确，输出越可控。对生产环境而言，还应加入测试用例，持续验证提示调整后的效果。

边界与误区

• Few-Shot 示例需要给多少个： 没有固定数量，通常 2 到 5 个有代表性的示例就足够。关键不是数量多，而是覆盖任务的主要变体、展示边界情况，并且格式与期望输出一致。过多示例还会增加 Token 成本。

• 思维链适合所有任务吗： 不适合。简单任务直接回答即可，强制分步反而增加延迟和 Token。思维链对数学推理、多条件分析、复杂决策等任务帮助较大，适合在需要明确中间逻辑时使用。

• 任务拆解后还需要注意什么： 要注意子任务之间的依赖关系和数据传递。先明确总目标，再确定各步骤输入输出，并在每步单独测试。若某一步失败，要回传错误信息让模型修正，而不是把所有步骤放在一个提示里硬做。