一、小样本提示的核心要素
1.示例的示范作用
通过提供少量高质量示例，明确展示任务的目标格式、风格和逻辑模式。示例需与任务高度相关，且覆盖常见场景。
示例：
任务：将症状列表转换为医疗报告
示例1：
症状：恶心、呕吐
报告：
1. 主诉：患者出现消化道不适
2. 症状描述：
- 恶心感持续存在
- 伴有呕吐现象
3. 建议：需进一步检查2.格式一致性
示例需严格遵循统一的输出结构（如标题、段落、列表等），避免模型因格式混乱生成偏离预期的结果。
示例
任务：生成新闻标题
示例：
输入：某公司发布新一代AI芯片
输出：科技前沿 | XX公司发布AI芯片“天枢”，算力提升300%3.任务明确性
示例需清晰界定任务边界，包括输入数据类型、输出范围和限制条件（如长度、语气等）。
示例
任务：生成产品描述（正式语气，不超过两句话）
示例：
输入：智能手表
输出：全新智能手表搭载健康监测系统，支持心率、血氧实时追踪，续航长达14天。 二、小样本提示的优势与适用场景
精准控制输出
适用于需要特定格式或风格的任务（如报告生成、数据转换），通过示例约束模型自由发挥空间。
示例（数学问题分步解答）：
输入：商店有350个苹果，第一天卖出40%，第二天卖出剩余30%，求剩余数量。
示例步骤：
1. 计算第一天销量：350×40%=140
2. 剩余：350-140=210
3. 第二天销量：210×30%=63
4. 最终剩余：210-63=147 2.提升复杂任务准确性
对需要多步推理或领域知识的任务（如医学诊断、法律文书），示例可降低模型幻觉风险。
示例（法律条款解析）：
输入：《民法典》第1165条
输出：
过错责任原则：行为人因过错侵害他人民事权益造成损害的，应当承担侵权责任。
适用场景：一般侵权行为（如交通事故、医疗事故）。 三、优化小样本提示的技巧
1.示例数量控制
通常提供3-5个示例，过多可能导致模型过度拟合示例细节，过少则无法充分传递任务要求。
2.上下文关联性
示例需与当前任务输入在语义、场景上高度相关。例如，翻译任务中提供同一领域的双语对照文本。
3.动态调整机制
根据模型输出反馈迭代优化示例，例如增加反例（展示错误类型）或调整示例顺序以强化关键规则。
四、典型应用案例
1.自定义格式生成
任务：将关键词转换为诗歌
示例：
输入：秋天、落叶、思念
输出：
金风卷叶舞长空，
片片离愁寄晚钟。
故人遥在千山外，
独对残阳忆旧容。 2.多语言翻译
任务：中英技术文档互译
示例：
输入（中文）：启动设备前需检查电源连接。
输出（英文）：Ensure power supply is connected before starting the device.
留言