18.3 Few-shot 模板

引言：为什么 Few-shot 是提示词工程最重要的武器

Few-shot Prompting 的本质是：用示例塑造模型的行为模式。一个好的 Few-shot 能让普通模型表现接近"大厂级特化模型"。

18.3.1 Few-shot 模板类型

模板	适用场景
结构化输出	强制模型输出 JSON/表格/标准格式
风格模仿	锁定模型的写作风格
任务流程	SOP、工作流程自动生成
解释类	面向小白的 AI 系统
错误修复	编程助手或系统调试
稳定推理	不能"风格漂移"的系统
多模态	图像/音频/视频
反幻觉	遇到信息不足必须明确拒答
Agent	多 Agent、ReAct、工具调用

18.3.2 结构化输出示例

【示例】
用户输入：解释 CPU 的工作原理
输出：
{
  "summary": "CPU 是计算机的核心处理单元...",
  "steps": ["取指令", "解码", "执行", "写回"],
  "analogies": "CPU 就像公司的 CEO..."
}

本节小结

关键要点

1. Few-shot 用示例塑造模型的行为模式
2. 覆盖所有工程场景（写作、工具、Agent、多模态）
3. 可与 System Prompt、CoT、ReAct 无缝结合
4. 是构建高质量 AI 应用最关键的 Prompt 基础设施

Few-shot 模板是行为塑造基础，接下来我们将学习：ReAct 模板。