Zero-shot 和 Few-shot 是 Prompt 中常见的两种任务示范方式。Zero-shot 不给示例，直接让模型完成任务；Few-shot 给少量示例，让模型模仿模式。

1. Zero-shot

Zero-shot 适合模型已经熟悉、任务简单、格式要求不复杂的场景。

请判断下面评论的情绪是“正向、负向、中性”之一。

评论：这个功能很好用，速度也快。

优点：

• Prompt 简洁。
• Token 成本低。
• 适合通用任务。

缺点：

• 输出格式可能不稳定。
• 对领域口径和细微规则理解不够。

2. Few-shot

Few-shot 通过示例告诉模型任务模式。

请判断评论情绪，只输出：正向、负向、中性。

示例：
评论：页面打不开，等了很久。
情绪：负向

评论：还行，暂时没发现问题。
情绪：中性

评论：这次更新明显更流畅了。
情绪：正向

现在判断：
评论：客服回复很快，问题解决了。
情绪：

Few-shot 的优势是能显著提升格式和口径稳定性。

3. 选择建议

场景	推荐
简单通用任务	Zero-shot
输出格式严格	Few-shot
领域口径特殊	Few-shot
低成本高并发	优先 Zero-shot，再压缩示例
复杂多步骤任务	Few-shot 或分阶段 Prompt

4. 示例设计原则

1. 示例要和真实输入相似。
2. 示例覆盖边界情况。
3. 示例输出格式必须完全一致。
4. 不要给错误或互相矛盾的示例。
5. 示例数量够用即可，过多会增加成本和干扰。

5. 常见错误

错误	后果
示例格式不统一	模型输出格式混乱
示例与任务无关	模型学到错误模式
只给简单示例	边界情况容易失败
示例太多	Token 成本高，重点不清

6. 大模型应用中的实践

在生产系统中，Few-shot 示例可以作为 Prompt 模板的一部分，但要注意版本管理。Prompt 改动后应跑评估集，防止示例调整导致其他场景退化。

Prompt 模板
  -> 示例版本
  -> 评估集回归
  -> 发布
  -> 线上反馈

7. Tips 快问快答

Q：Few-shot 示例越多越好吗？

A：不是。示例要覆盖关键模式和边界，数量过多会增加成本并可能干扰模型。

Q：示例可以包含错误答案吗？

A：通常不建议，除非任务是让模型识别错误，并且明确标注了错误原因。

Q：Few-shot 能替代微调吗？

A：小规模格式和口径控制可以先用 Few-shot；大量稳定重复任务且成本敏感时，才考虑微调或专门模型。