给AI看不看示例，效果能差50%：零样本vs少样本全对比

同一个任务——"把用户评论分类为正面、负面或中性"。零样本做法：直接描述任务，让AI自由发挥。少样本做法：先给3个分类好的例子，再让AI分类新的。结果呢？少样本的准确率比零样本高了20-40%。这不是个小差距——这决定了你的AI系统是"基本能用"还是"稳定可靠"。

三种策略的核心区别

零样本写法：纯靠指令驱动

零样本提示词的关键是把任务描述得非常具体——因为没有示例参考，AI完全依赖指令文本来"猜测"你想要的输出格式和风格。

将以下用户评论分类为"正面"、"负面"或"中性"。分类标准：正面=表达了满意或推荐意愿，负面=表达了不满或投诉，中性=客观陈述或无情感倾向。只返回分类结果，不要解释。

评论：[用户评论文本]

少样本写法：示例锁死输出模式

少样本的核心是示例质量——每个示例的"输入→输出"映射必须一致且无歧义，否则AI会学到错误的模式。

将用户评论分类为正面、负面或中性。

示例：
评论：用了三天就坏了，太失望了 → 负面
评论：价格合理，发货快 → 正面
评论：黑色的那款已经下架了 → 中性

现在请分类这条评论：[用户评论文本]
只返回分类结果，不要解释。

快速决策：什么时候用哪种策略

决策树：任务有明确格式要求吗？→ 有就给1-3个示例。输出需要高度一致吗？→ 是就给3-5个示例。纯创意生成吗？→ 零样本就够了。分类/提取/格式转换吗？→ 至少给3个示例。

还有一个反直觉的发现：示例的质量比数量重要得多。两个好的示例（输入输出映射清晰、代表性强）碾压十个质量参差不齐的示例。花时间打磨示例比堆数量更有价值。

常见问题

给几个示例效果最好？

3-5个性价比最高。1个示例帮助有限，3个基本锁定模式，5个以上边际收益递减。如果3个示例还不够好，问题出在示例质量上。

什么时候不需要给示例？

简单任务和创意任务不需要示例。翻译、摘要、问答这类零样本就够了。判断标准：有明确格式要求就给示例，纯内容创作不给示例。

示例太长会不会占太多token？

会。优化方案：示例简洁化——只保留关键结构，去掉冗余。500字的"理想输出示例"压缩到100字骨架，效果差不多省80% token。