提示词工程03：Few-shot与Zero-shot对比
提示词工程03：Few-shot与Zero-shot对比
📖 系列导航
- 上一篇：提示词的基本结构
- 本篇：Few-shot与Zero-shot对比（你正在阅读）
- 下一篇：Chain-of-Thought思维链
- 系列：提示词工程从零到精通（共7篇）
上篇回顾
上一篇我们学习了提示词的四大结构：
- 角色设定：让AI扮演特定角色
- 任务描述：动词开头、具体明确
- 约束条件：说”要做什么”
- 示例引导：Few-shot技巧
本篇深入讲解 Few-shot 和 Zero-shot 的区别与应用。
什么是 Zero-shot？
Zero-shot（零样本学习）是指不给AI任何示例，直接让它完成任务。
特点
- 优点：简单快速，适合简单任务
- 缺点：复杂任务准确率低，输出不稳定
适用场景
✅ 适合 Zero-shot：
• 简单问答（"Python是什么？"）
• 通用任务（"翻译这句话"）
• 创意生成（"写一首关于春天的诗"）
• 常识推理（"太阳从哪边升起？"）
❌ 不适合 Zero-shot：
• 分类任务（需要明确分类标准）
• 格式要求严格（JSON、表格等）
• 领域特定（需要专业知识）
• 多步骤推理（容易遗漏）什么是 Few-shot？
Few-shot（少样本学习）是指给AI 2-5个示例，让它模仿你的期望输出。
核心原理
AI 通过示例”学习”你期望的模式：
- 输入格式是什么样
- 输出格式应该是什么样
- 有哪些边界情况需要处理
效果对比
何时使用 Few-shot？
判断标准
| 场景 | 推荐 | 原因 |
|---|---|---|
| 任务简单、通用 | Zero-shot | AI已有足够训练数据 |
| 需要特定输出格式 | Few-shot | 示例明确格式要求 |
| 分类/标注任务 | Few-shot | 示例定义分类边界 |
| 领域特定知识 | Few-shot | 示例传递领域规范 |
| 输出要一致性 | Few-shot | 示例约束输出风格 |
实战案例对比
案例1：情感分类
Zero-shot 失败：
提示词：
判断这句话的情感
AI回答：
请提供具体的句子，我才能判断情感。
（AI不知道输出格式）Few-shot 成功：
提示词：
判断这句话的情感：
示例：
"太棒了！" → 正面
"还行吧" → 中性
"太差了" → 负面
请判断："这家餐厅服务很好"
AI回答：
正面
（AI理解了输入输出格式）案例2：数据提取
Zero-shot 失败：
提示词：
从简历中提取关键信息
AI回答：
好的，请提供简历内容。
（格式不明确）Few-shot 成功：
提示词：
从简历中提取关键信息，输出JSON格式。
示例：
输入："张三，男，28岁，5年Python开发经验"
输出：{"name": "张三", "gender": "男", "age": 28, "experience": "5年Python开发"}
输入："李四，女，1995年出生，Java架构师"
输出：{"name": "李四", "gender": "女", "birth_year": 1995, "position": "Java架构师"}
请提取："王五，男，30岁，前端开发3年，熟悉React"
AI回答：
{"name": "王五", "gender": "男", "age": 30, "experience": "前端开发3年", "skills": ["React"]}案例3：代码转换
Zero-shot 不稳定：
提示词：
把Python代码转换成JavaScript
输入：x = [1, 2, 3]
AI回答（第一次）：
const x = [1, 2, 3];
AI回答（第二次）：
let x = Array.from([1, 2, 3]);
（输出不一致）Few-shot 稳定：
提示词：
把Python代码转换成JavaScript，使用const声明。
示例：
Python: x = [1, 2, 3]
JavaScript: const x = [1, 2, 3];
Python: name = "hello"
JavaScript: const name = "hello";
Python: nums = [i**2 for i in range(5)]
JavaScript: const nums = Array.from({length: 5}, (_, i) => i * i);
请转换：result = sum([1, 2, 3])
AI回答：
const result = [1, 2, 3].reduce((a, b) => a + b, 0);如何设计高质量示例？
示例设计的三大原则
根据 Anthropic 研究：
1. 多样性
示例要覆盖不同情况：
❌ 缺乏多样性：
"好" → 正面
"很好" → 正面
"超好" → 正面
✅ 有多样性：
"太棒了！" → 正面（强正面）
"还行吧" → 中性（中性）
"太差了" → 负面（强负面）
"一般般" → 中性（弱中性）
"超喜欢" → 正面（情感词）
"不建议" → 负面（隐含负面）2. 代表性
示例要反映真实数据分布：
真实场景：正面60%、中性30%、负面10%
✅ 示例分布：
正面：3个（60%）
中性：2个（30%）
负面：1个（10%）
（符合真实分布）3. 清晰性
示例格式要清晰一致：
✅ 使用 XML 标签（推荐）：
<examples>
<example>
<input>这家餐厅服务很好</input>
<output>正面</output>
</example>
</examples>
✅ 使用箭头格式（简洁）：
"太棒了" → 正面
❌ 混乱格式：
示例1：太棒了是正面
第二个：还行 → 中性Few-shot 进阶技巧
1. 边界示例
包含边界情况，提高AI处理能力：
任务：判断用户输入是否有效
示例：
"你好" → 有效
"hello" → 有效
"" → 无效（空字符串）
" " → 无效（只有空格）
"123" → 有效（数字也是输入）
"@@@" → 有效（特殊字符也是输入）
请判断：" hi "
AI回答：
有效（去除空格后为"hi"）2. 推理示例
包含推理过程：
任务：数学应用题
示例1：
问题："小明有5个苹果，给了小红2个"
推理：初始5个，给出2个，剩余 5 - 2 = 3
答案：3个
示例2：
问题："商店有10瓶水，卖了3瓶，又进货5瓶"
推理：初始10，卖出后 10 - 3 = 7，进货后 7 + 5 = 12
答案：12瓶
请解决："图书馆有100本书，借出30本，还回15本"3. 格式示例
明确输出格式：
任务：分析代码复杂度
示例：
代码：for i in range(n): for j in range(n): print(i+j)
分析：
{
"time_complexity": "O(n²)",
"space_complexity": "O(1)",
"explanation": "嵌套循环，外层n次，内层n次"
}
请分析：def fib(n): return fib(n-1) + fib(n-2) if n > 1 else n4. 错误示例
展示常见错误和正确做法：
任务：代码审查
示例：
代码：x = 1
问题：变量名太短，不清晰
建议：使用有意义的名称，如 user_count
代码：if a == True:
问题：冗余比较
建议：直接写 if a:
代码：result = []
for i in range(10):
result.append(i * 2)
问题：可以使用列表推导式
建议：result = [i * 2 for i in range(10)]实战练习
练习1：判断使用 Zero-shot 还是 Few-shot
以下任务哪些适合 Zero-shot，哪些需要 Few-shot？
- 把”Hello, World”翻译成中文
- 判断邮件是否为垃圾邮件
- 写一首关于夏天的诗
- 提取简历中的关键信息（JSON格式）
- 总结一篇文章的主旨
- 判断代码是否符合PEP8规范
- 生成一个随机故事
- 将口语转写成正式商务语言
练习2：设计 Few-shot 示例
为”代码风格检查”任务设计 Few-shot 示例：
任务：判断 Python 代码是否符合 PEP8 规范
要求：
• 设计 5 个示例
• 包含符合规范的代码
• 包含不符合规范的代码
• 包含边界情况
• 输出格式统一练习3：优化示例
以下示例有什么问题？如何改进？
示例：
x=1 → 符合规范
y=2 → 符合规范
z=3 → 符合规范
请判断：x=1+2问题分析：
- 示例只有”符合”情况，没有”不符合”的对比
- 示例过于简单，没有覆盖复杂情况
- 没有说明什么是”规范”
练习4：对比测试
用 Zero-shot 和 Few-shot 完成同一个任务，对比效果：
任务：将以下文本改写成正式商务语言
原句："这代码写得真烂，全是bug"
Zero-shot：
[你的答案]
Few-shot：
设计示例后再次测试：
[你的答案]练习5：创建完整 Few-shot 提示词
创建一个完整的 Few-shot 提示词，任务是将口语转写成正式语言：
要求：
1. 角色设定
2. 5个示例（不同场景）
3. 输出格式要求
4. 边界情况处理本篇要点
- Zero-shot：无示例，适合简单通用任务
- Few-shot：有示例，适合分类、格式化、领域特定任务
- 示例设计：多样性、代表性、清晰性
- 进阶技巧：边界示例、推理示例、格式示例、错误示例
- 实战应用：通过对比案例理解选择标准
下篇预告
下一篇我们将学习 Chain-of-Thought（思维链）：
- 什么是思维链？为什么它能提升复杂任务准确率？
- 如何在提示词中加入”思考过程”
- 思维链的适用场景和最佳实践
- 与 Few-shot 结合使用
💡 本系列文章
💬 评论区