few-shot prompt有五种构建方法：一、选代表性输入-输出对，覆盖核心模式；二、按难度梯度排序示例，典型在前、复杂在后；三、显式标注约束条件，如字数、术语禁用等；四、嵌入领域关键词，保持术语一致；五、动态调整难度，从直译到逻辑整合。
☞☞☞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☜☜☜
如果您希望 Gemini 在特定任务上表现更准确，仅靠自然语言指令可能不够充分。提供少量高质量示例能显著提升其输出质量。以下是几种可立即实施的 Few-shot Prompt 构建方法：
一、选择具有代表性的输入-输出对
示例需覆盖任务核心模式，避免边缘或歧义情况，确保模型快速捕捉映射关系。每个示例应清晰展示输入格式与期望输出之间的逻辑一致性。
1、确定目标任务类型，例如“将中文口语表达转为正式书面语”。
2、收集3–5条真实场景中的典型口语句子，如“这事儿咱得赶紧弄完”。
3、为每条口语句撰写唯一、规范、无歧义的书面表达，如“此事需尽快完成”。
4、验证所有示例在术语使用、语气强度和句式结构上保持风格统一。
二、控制示例顺序与位置
模型对靠前示例的关注度更高，因此应将最典型、最无歧义的案例置于开头，复杂或边界案例后置，以建立稳定认知锚点。
1、将结构最清晰、规则最明确的示例放在Few-shot Prompt最前端。
2、中间插入一条含常见干扰项的示例，如包含方言词汇或省略主语的句子。
3、末尾放置一条需多步推理的示例，例如涉及时间逻辑或因果嵌套的表达。
4、确保全部示例之间不出现矛盾性标注或冲突性改写标准。
三、显式标注任务约束条件
在示例之外添加简短指令说明，明确限制输出长度、术语范围、禁止行为等，防止模型自由发挥偏离预期。
1、在示例块上方单独添加一行指令，如“请严格保持原意，不增删事实，字数控制在20字以内”。
2、对每个示例的输出部分，在末尾用括号注明关键约束，如“（不使用‘咱们’‘这儿’等人称/方位口语词）”。
3、若任务涉及格式要求，如“必须以分号分隔三个要点”，则在首条示例输出中直接体现该格式。
4、避免在约束说明中使用模糊表述，例如“尽量简洁”应改为“不超过15个汉字”。
四、注入领域关键词与术语表
在示例中自然嵌入目标领域的高频术语和固定搭配，引导模型识别并复用专业表达体系，而非依赖通用语料推测。
1、提取该领域3–5个不可替换的核心术语，如法律场景中的“要约撤回”“缔约过失”。
2、确保每条示例至少包含一个核心术语，并在输入和输出中保持术语形态一致。
3、在第二条示例中叠加两个术语组合使用，如“要约撤回须在受要约人发出承诺前到达”。
4、避免在示例中解释术语含义，仅作正确上下文呈现，维持few-shot的简洁性。
五、动态调整示例难度梯度
从基础映射逐步过渡到隐含规则识别，使模型在保持高准确率的同时扩展泛化能力，适应未见变体。
1、第一条示例采用字面直译型任务，如将“挺好的”改为“较为理想”。
2、第二条引入否定转换，如“不太清楚”→“尚缺乏明确依据”。
3、第三条加入程度副词重构，如“稍微有点问题”→“存在一定程度的瑕疵”。
4、第四条测试跨句逻辑整合，如将两句口语合并为一句符合公文语体的单句。
