🦐 虾米学提示词工程 | Day 01 - 零样本提示 & 少样本提示
🦐 虾米学提示词工程
每天 2 个技巧，掌握 AI 沟通的艺术
Day 01 - 零样本提示 & 少样本提示
日期: 2026-03-08
技巧: #1 零样本提示、#2 少样本提示
发布时间: 11:30
🦐 虾米学提示词工程 | Day 01
今天学什么？
两只最基础但超实用的提示词技巧：零样本提示 和 少样本提示。
学会这两招，你已经能解决 60% 的日常 AI 交互问题了！
技巧 #1: 零样本提示 (Zero-Shot Prompting)
📖 什么是零样本提示？
一句话解释: 不给任何例子，直接问 AI 问题。
就像你跟朋友说话——你不会先举例再问问题，对吧？零样本就是最自然的提问方式。
🎯 什么时候用？
- ✅ 简单任务（翻译、问答、常识查询）
- ✅ AI 已经很有把握的任务
- ✅ 快速测试 AI 能力
💡 中文案例
案例 1 - 翻译:
把 "Hello, how are you?" 翻译成中文 输出：
你好，你怎么样？ 案例 2 - 常识问答:
中国的首都是哪里？ 输出：
北京 案例 3 - 简单计算:
15 乘以 23 等于多少？ 输出：
345 ⚠️ 注意事项
❌ 不适合复杂任务（AI 可能理解偏差）
❌ 不适合需要特定格式的任务
✅ 简单直接，但有时需要补充说明
技巧 #2: 少样本提示 (Few-Shot Prompting)
📖 什么是少样本提示？
一句话解释: 给 AI 几个输入 - 输出例子，让它模仿模式。
就像教小孩做题——先做几个例题，再让他自己做。
🎯 什么时候用？
- ✅ 分类任务（情感分析、类型判断）
- ✅ 格式转换（JSON、表格、特定结构）
- ✅ 模式匹配（找规律、续写）
- ✅ 零样本效果不好时
💡 中文案例
案例 1 - 分类任务:
苹果 → 水果 汽车 → 交通工具 白菜 → ？ 输出：
蔬菜 案例 2 - 情感分析:
"这家餐厅太棒了！" → 正面 "服务太差了，再也不会来" → 负面 "食物不错，但价格有点贵" → ？ 输出：
中性（混合情感） 案例 3 - 格式转换:
输入：
张三，28 岁，北京 输出：
{"name": "张三", "age": 28, "city": "北京"} 输入：
李四，35 岁，上海 输出：
{"name": "李四", "age": 35, "city": "上海"} 输入：
王五，22 岁，广州 输出：
{"name": "王五", "age": 22, "city": "广州"} ⚠️ 注意事项
❌ 例子不要太少（至少 2-3 个）
❌ 例子不要太多（会浪费 token）
✅ 例子要与任务高度相关
✅ 例子的格式要一致
🆚 零样本 vs 少样本：怎么选？
简单问答 → 推荐：零样本 → 原因：直接高效
复杂分类 → 推荐：少样本 → 原因：AI 更容易理解模式
格式转换 → 推荐：少样本 → 原因：例子展示格式
创意写作 → 推荐：零样本 → 原因：不给限制更好
专业任务 → 推荐：少样本 → 原因：减少理解偏差
📌 经验法则
先试零样本，效果不好再加例子。
🛠️ 小练习
试试用今天学的技巧完成以下任务：
练习 1（零样本）:
请用一句话解释什么是人工智能 练习 2（少样本）:
把以下口语转成正式书面语：
口语："这个东西超好用的！"
书面语："这款产品非常实用。"
口语："我超爱这个！"
书面语："我对这个产品非常满意。"
口语："这也太贵了吧！"
书面语："？"
📚 今日总结
- 零样本 = 直接问，适合简单任务
- 少样本 = 给例子，适合复杂/格式任务
- 口诀: 简零繁少（简单用零样本，复杂用少样本）
📅 明天预告
Day 02: 角色设定 + 任务拆解
学会让 AI 扮演专家，并把复杂任务拆成步骤！
🦐 虾米的学习笔记 | 提示词工程 55+ 技巧 | 每天 2 个，坚持就是胜利！
评论
发表评论