4.1 示例驱动提示（Example-Based Prompting）

引言：为什么"给示例"会让 AI 输出质量瞬间提升

你是否发现过以下现象：

• 同样的任务，加上一个示例，AI 就能"瞬间理解你的品味"
• 你给的示例越精确，AI 越能写出接近你心中目标的内容
• 如果你不给示例，AI 总爱给你"模板化""平淡无奇"的答案

这是因为：示例（Example）是最强的对齐方式之一，比定义风格、解释规则更直接、更有效。

对于任何大模型来说：示例 = 最明确的"期望输出"、最强的风格锚点、模型模仿能力的入口、降低幻觉减少跑题的重要机制。

4.1.1 示例驱动提示到底在"驱动"什么

示例驱动提示（Example-Based Prompting）本质上是：用少量示例，让模型学习你希望输出的格式、风格、逻辑。

驱动内容	说明
格式参考（Format Reference）	让模型知道输出是什么结构、有哪些部分
风格锚点（Style Anchor）	示例包含语气、词汇、风格、节奏、深度，模型会自动模仿
逻辑路径（Reasoning Path）	示例展示如何分析、如何拆解、如何表达
范围边界（Scope Constraints）	示例告诉模型什么在范围内、什么不在范围内

示例就像"告诉模型正确答案长什么样"。

4.1.2 为什么示例是小白最容易忽略但最强的提升方式

大部分小白只会写：

帮我写一个总结。

但专业提示词工程师会写：

请模仿下面示例的结构、风格和粒度。

【示例】
1. 核心观点：……
2. 支撑证据：……
3. 应用场景：……

【原文】
……

示例 = 直接告诉模型什么是"正确输出"。

4.1.3 示例的四大核心类型

类型	说明	用途
结构示例（Format Example）	告诉模型"输出长什么样"	总结、分析、报告、复盘
风格示例（Style Example）	告诉模型"用什么风格写"	文案、脚本、写作、营销
任务示例（Task Example）	展示"给定输入 → 输出是什么样"	分析、策略、访谈处理
反例示例（Negative Example）	告诉模型"不要怎么写"	控制输出质量、避免跑题

4.1.4 什么是"高质量示例"

一个好示例必须具备：

特征	说明
短（Short）	无需长篇大论，10-60 行即可
强结构（Structured）	模型能直接模仿结构
强风格（Stylized）	风格明显、可感知
强对齐（Aligned）	与你期望的输出一致
相关性高（Relevant）	必须与你的任务直接相关

4.1.5 示例的数量：1-3 个是最优区间

任务类型	示例数量
文案、脚本	1-2 个
结构化分析	2-3 个
逻辑性强任务	2-3 个
领域风格模仿	1 个强示例

工程师喜欢 2-shot 模式，最稳定。

4.1.6 示例的顺序与风格偏移

顺序影响： 模型对"最近的示例"更敏感（Recency Bias），把你最想模仿的示例放在最后。

风格偏移风险： 如果示例风格太强烈，会导致模型输出偏离任务预期。

解决方法：

• 示例只展示结构，不展示风格
• 使用两个示例抵消风格偏移
• 明确限制风格

4.1.7 高级技巧：示例 + 规则 + 限制

请模仿以下示例的结构，但不要模仿示例的风格。
风格请使用"专业分析报告风格"。

【示例】
1. 用户痛点：……
2. 影响范围：……
3. 解决方向：……

4.1.8 专业级"示例驱动提示"模板

你是一名 XXX 专家，请学习并模仿以下示例。

【示例】
（示例输出……）

【任务】
请根据下面的输入，使用与示例相同的结构与逻辑完成任务。

【输入】
……

4.1.9 实战案例：差提示 vs 示例驱动提示

差提示：

写一个 30 秒短视频脚本。

输出往往：平庸、不符合平台节奏、风格不一致。

好提示（示例驱动）：

请按照以下示例的风格与结构写一个 30 秒知识类短视频脚本。

【示例】
开头（吸引注意）：
"你知道吗？90% 的人都用错了 XXX。"

正文（3 个关键点）：
1. ……
2. ……
3. ……

结尾（行动号召）：
"关注我，带你每天学会一个知识点！"

【主题】
AI 如何帮助普通人提升学习效率？

结果：节奏正确、风格合适、结构清晰、可直接开拍。

本节小结

关键要点

1. 示例驱动提示是最强的对齐方式
2. 示例比规则更直接、比风格描述更有效
3. 高质量示例要短、结构强、风格明显
4. 最佳示例数量为 1-3 个
5. 示例顺序会影响模型的风格偏好
6. 注意"风格偏移"风险
7. 示例 + 限制 + 规则 = 最稳定的高质量输出

示例驱动提示是基础提示技巧的核心，接下来我们将学习：风格控制（Style Control）。