提示工程：少样本提示（Few-shot Prompting）

少样本提示（Few-shot Prompting）是一种利用大语言模型从少量示例样本中学习并处理任务的方法。它的核心思想是利用大语言模型的上下文学习能力，通过在提示中增加“示例样本”来启发大语言模型达到举一反三的效果。这种方法避免了重新训练或者微调模型，是一种非常经济的做法。

让我们看看下面这个纠正错别字的例子。

# 任务描述
请对以下每一行文本纠错，找出其中的错别字，并按照“输出格式”输出。

# 待纠错文本
熊猫打滚，可爱又玩皮
熊猫血，珍贵无敝
熊猫国宝，人见人哀

# 输出格式
原始文本行（错字→对字）

# 输出结果
->

输出结果：

熊猫打滚，可爱又调皮 → 玩皮
熊猫血，珍贵无比 → 无敝
熊猫国宝，人见人爱 → 哀

我们可以看到，大语言模型并没有真正理解任务要求，它只是根据自己的常识和偏好给出了答案。为了进一步提升效果，我们可以在提示中提供一个具体的输出示例，让大语言模型根据示例学习这种处理任务的模式，示例如下：

# 任务描述
请对以下每一行文本纠错，找出其中的错别字，并按照“输出格式”输出。

# 错别字
熊猫打滚，可爱又玩皮
熊猫血，珍贵无敝
熊猫国宝，人见人哀

# 输出格式
原始文本行（错字→对字）

# 输出示例
熊猫眼，黑白分名（名→明）
...

# 输出结果
->

输出结果：

熊猫打滚，可爱又玩皮（玩→顽）
熊猫血，珍贵无敝（敝→比）
熊猫国宝，人见人哀（哀→爱）

可以看到，大语言模型仅仅通过这一个示例学就会了任务处理模式并输出了正确的结果。

当然，有时候仅通过一个示例可能还不够，需要持续地给大语言模型提供更多的示例才能达到更好的效果。在接下来的这个例子中。我们想让大语言模型根据一个动物的名称，输出它的表情符号、喜欢的食物的表情符号，以及居住区域的旗帜符号，提示如下：