少样本提示
Few-shot prompting
学到 会用 就够：能亲手用起来
你可能会说
“我发现 AI 对“数字治理”和“数字产业”经常分错，给它几个已判断的例子，应该怎样选才有帮助？”
少样本提示是在说明之外提供若干输入与理想输出，让模型参照格式或判别边界处理新材料；示例会影响结果，但通常不更新模型参数。
使用 AI
科研里的例子
各选一段数字政务、数字企业补贴和两者混合的文本，给出编码及理由，再让模型处理没在示例中出现的段落。
示例可以示范什么叫合格摘要、怎样标注变量，或何时应拒绝过度推断。只给典型正例容易掩盖边界，最好加入容易混淆的反例与无法判断的情形。示例顺序、措辞和代表性都可能影响模型，所以应把演示集与检验集分开。模型照搬你的标法，并不说明类别本身合理；错误示例还可能把偏差稳定地传下去。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
判断
亲手检查一次
换一批未演示的材料做检验，并检查模型是否只在模仿措辞；不要把用于提示的示例再次算作独立测试成绩。
它做不到的
少样本提示与小样本微调不同；在聊天里展示答案，一般只是当前上下文里的学习，并非永久训练了一个模型。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- OpenAI — Prompt engineering2026-11-06 核对
- Wei et al. — Chain-of-Thought Prompting2026-11-06 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。