加示例能提升稳定性，因为示例为模型提供明确参照系，使其模仿样本的节奏、用词、段落与信息密度，而非依赖通用语料分布。
☞☞☞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☜☜☜
你需要让腾讯元宝根据一句话提示词扩写出结构完整、逻辑连贯、风格可控的长文本，但发现每次输出差异大、跑题或空泛——这是因为单句提示缺乏锚点，模型无法锁定语义边界和表达范式。
为什么加示例能提升稳定性
示例相当于给模型划出“参照系”：它不是靠猜测你想要什么风格，而是直接模仿你提供的样本节奏、用词密度、段落长度和信息颗粒度。没有示例时，模型默认启用通用语料分布；加入1～2个高质量示例后，生成结果会显著收敛到你示范的表达轨道上。
这一步操作起来很简单，直接把你想模仿的句子或段落粘贴进去就行。
加示例的三种实操方式
方法一：在提示词末尾追加“请参考以下示例风格”+1个典型句
适用场景：对语气、节奏有明确偏好，比如要写小红书体、银行话术或论文摘要。例如输入：“请为‘学生党平价防晒不闷痘’写3条小红书文案，要求口语化、带情绪符号、每条含1个具体产品名和1个身体部位反馈。请参考以下示例风格：‘谁懂啊！！涂完脸像糊了层保鲜膜…直到试了露卡菲娅小蓝管，下颌线居然没泛油光！’”
方法二：用“【示例】→【你的任务】”结构强制对齐
第一步：先写一个【示例】，必须是你亲手打磨过的、真正满意的一句话输出；
第二步：换行写“【你的任务】”，后面接原始需求句；
第三步：确保【示例】与【你的任务】在主题、角色、对象三者完全一致，否则模型会混淆参照维度。
方法三：提供正反双示例，框定安全区与禁区
只给正面示例时，模型可能过度泛化；加入一句“不要这样写”的反例，能有效压缩错误空间。例如：“【示例】‘这台咖啡机3秒出萃，我早上多睡了7分钟，老板还没发现我迟到了’；【反例】‘该设备具备高效萃取功能’；【你的任务】请为‘宿舍可用迷你电煮锅’写2条同类风格文案。”【反例必须是真实生成过的问题句，不能虚构】
关键细节处理
示例必须紧贴原始提示词的主题词，不能跨类迁移。比如你要扩写“乡村振兴中非遗活化路径”，就绝不能拿“新能源汽车电池回收技术”的示例来凑数——模型会优先匹配表层词汇相似性，导致输出偏移至产业技术语境。
示例长度控制在15～35字之间最有效。太短（如“很好用！”）缺乏结构信息；太长（如80字描述句）会让模型陷入细节模仿而忽略主干逻辑。
如果首次加示例后仍不稳定，立刻复制当前整段提示词（含示例），在元宝中追加指令：“请分析这段提示词中【示例】所体现的3个语言特征，并严格遵循这三点重写。”
