提示技术系列（二）——少样本

什么是提示技术？

        提示技术是实现提示工程目标的具体技术手段，是提示工程中的“工具库”。

什么又是提示工程？

        提示工程是指通过设计、优化和迭代输入到大语言模型（LLM）的提示（Prompt），系统性提升模型输出质量（如相关性、准确性、可控性）的实践领域。它是一个覆盖全流程的方法论，包括：

• 明确目标任务（如生成教学内容、问答、翻译）；
• 设计提示结构（如指令、上下文、示例）；
• 选择模型与参数（如温度、top_p）；
• 验证与迭代（根据输出调整提示）。

其核心是“通过工程化方法控制大语言模型（LLM）的行为”。

---

概念

        少样本提示，是一种通过提供少量示例（通常1-5个）引导大语言模型（LLM）完成新任务的技术。也就是在零样本提示的基础上，加上引导性示例，我们想要LLM回复的内容更加准确，风格更像我们要的等。

零样本与少样本的定义与原理对比

维度	零样本提示	少样本提示
定义	完全不提供目标任务的输入-输出示例，仅通过自然语言指令引导模型完成任务。	提供少量（通常1-5个）目标任务的输入-输出示例，通过示例示范引导模型学习任务模式。
核心原理	依赖模型预训练阶段积累的通用知识（如语言理解、常识推理），直接建立“输入描述→输出目标”的语义关联。	通过示例提取任务的具体模式（如格式、逻辑、术语），将模型的“通用能力”适配到目标任务的具体要求。
知识来源	模型内置的预训练知识（如大规模文本语料中的统计规律）。	示例提供的领域知识或任务逻辑（如法律术语、代码语法等领域专业知识或术语、教学结构）。

零样本提示与少样本提示的本质区别在于：是否依赖示例引导：

•   零样本依赖模型预训练的通用知识，适合通用、动态的任务，但受限于模型知识边界；
•   少样本通过示例注入领域知识或任务逻辑，适合专业、复杂的任务，