有效示例的核心是精准匹配任务三要素：目标、输入格式与理想输出，覆盖典型及边界情况，结构一致且按推理路径排序，避开混用指令、动态值和隐含规则三大陷阱。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在 Prompt 中加入有效示例，核心是让模型快速理解任务形式、输出风格和边界约束——不是堆数量，而是选对例子、摆对位置、写清逻辑。
选什么例子？紧扣任务三要素
一个好示例必须同时体现：任务目标（你要它做什么）、输入格式（你给它什么）、理想输出（你期待它怎么回）。避免模糊、歧义或超纲的样本。
- 任务目标明确：比如做情感分类，示例中不能只写“好评”，而要写“情感极性：正面”；如果是改写，就标注“改写要求：更正式，不改变原意”
- 覆盖典型与边界情况：选1–2个常见输入 + 1个易错/有歧义的输入（如含否定、多义词、口语缩写），帮助模型识别判断依据
- 输出结构一致且可复现：所有示例用相同字段名、标点、换行方式。例如统一用 JSON 格式，就每个都严格 {“label”: “…”, “reason”: “…”, …}，不混用键名或省略字段
怎么排顺序？从易到准，不从简到繁
顺序不是按长度或难度递增，而是按“模型推理路径”排列：先给最能揭示规则逻辑的示例，再补典型，最后放需谨慎判断的。
- 第一个示例最好带简短说明（非强制，但推荐），比如：“注意：时间表达需统一转为‘YYYY-MM-DD’格式，忽略原文中的‘上周’‘明天’等相对表述”
- 中间示例展示常规处理，保持干净无干扰信息
- 最后一个示例可设“陷阱”——比如含干扰符号、嵌套结构或隐含条件，但你的输出必须正确应对，让模型学到审题意识
写示例时，避开三个隐形坑
很多示例失效，不是因为内容错，而是表达埋了雷：
- 混用角色指令：别在示例里夹带“请回答”“不要解释”这类指令。示例只呈现“输入→输出”本身，指令统一放在 Prompt 开头
- 输出含不可控成分：避免示例中出现随机数、当前日期、用户未提供的ID等动态值。模型会模仿“生成随机性”，导致结果不稳定
- 隐含未声明的规则：比如所有示例都把英文单词首字母大写，但 Prompt 没提这条要求，模型可能误判这是硬约束，反而在其他场景错误套用
模板结构建议：清晰分段，不挤不空
一个稳健的 few-shot Prompt 可按此骨架组织（用空行而非符号分隔）：
- 第一段：1–2 行任务定义（用自然语言说清目标+关键约束）
- 第二段：2–4 个示例（每对输入/输出之间空一行，输入以“Input:”开头，输出以“Output:”开头，保持对齐）
- 第三段：1 行真实请求（以“Input:”起始，后面紧跟待处理内容）
不用加编号、不用引号包裹整个示例块，简洁即力量。
