给模型举例子：few-shot 的几个反直觉

先说结论

想让模型稳定输出某种东西，给两三个好例子，胜过写一段"请务必……"的叮嘱。 但 few-shot 有几个反直觉的地方，踩中了反而更糟。

反直觉一：例子不是越多越好

塞十个雷同的例子，不如两三个覆盖了不同情况的。多而重复的示例只是浪费上下文，还会让模型过度锚定在那一种模式上。

挑例子的标准不是"多"，是"撑开边界"：最典型的一个、最容易出错的一个、一个该返回空或拒答的。

反直觉二：模型会模仿你没想让它学的东西

这是最隐蔽的坑。模型不只学示例的"内容"，它把示例的所有特征一起学走——包括你自己都没意识到的：

• 示例答案恰好都很短 → 它学会"要短"，遇到该展开的也敷衍
• 示例输入恰好都是某一类 → 换一类输入它就泛化得很差
• 示例里有个无关的口头禅 → 它给你每条都带上

输出跑偏时，先别急着改指令，回去看你的例子里藏了什么共性。

反直觉三：反例比叮嘱有用

"注意处理特殊情况"是句废话，模型不知道特殊在哪。

给它一个具体的反例——“输入是这样时，正确做法是返回空”——比十句提醒都顶用。模型擅长模仿，不擅长揣摩你嘴里的"注意"。

反直觉四：格式用例子教，别用话描述

想要固定格式，与其描述"用两个换行分隔、标题加粗"，不如直接给一个排好版的例子。让它看，别让它听。（结构化输出同理：schema 加示例，永远比文字说明稳。）

收个尾

few-shot 的本质是"用样本定义你要什么"，而样本会忠实地把好的坏的一起传下去。所以真正该花时间的地方不是写提示，是挑例子——挑的时候多问自己一句：这几个例子凑在一起，到底在教模型什么？