举例提示词怎么设计？教AI按格式举例

举例提示词，行话叫few-shot，就是往指令里塞几个「标准答案」，让AI照着格式出活。我的判断很直接：对格式类任务，示例比任何形容词都管用，三个好示例顶一页文字说明。这套做法也是官方推荐的基本手段，OpenAI的提示词工程指南里专门有一节讲怎么给示例。

2026年8月，我拿一个真实小任务做了组对比：把50条乱糟糟的客服留言，整理成固定三字段的工单（类型、紧急度、处理方式）。同一份指令，只换示例数量，1个、3个、5个各跑10次。结果比我想的清楚得多。

举例提示词给几个示例才稳？1个、3个、5个的实测

3个示例是性价比拐点：1个示例格式全对率约六成，3个能到九成，5个不再涨。取值覆盖比数量要紧。展开讲讲这组数据。

只给1个示例时，10次里有6次格式全对，剩下4次总在「紧急度」上漏填，或者自创一个示例里根本没有的字段叫「优先级」。加到3个，10次里9次全对。加到5个，还是9次，每次多花约700个token，正确率一格没涨。

错的位置更有意思。1个示例组的翻车，错法五花八门；3个示例组剩下的那1次失败，错法几乎一样——留言写「周五前不解决就去投诉」，示例里紧急度只有「高/低」两档，AI只能随机猜一档。示例覆盖不到的取值，模型就是靠猜。

老实讲，这组实验改了我写指令的习惯。以前我堆5个示例图个心安，现在默认给3个，省下的位置留给取值覆盖。

示例里埋的边界情况，AI会照单全收

示例里出现过的异常处理，AI会直接学走，还会过度泛化到没见过的输入上。埋边界示例是把双刃剑。这是我整场实验里最意外的发现。

我在3个示例里故意埋了一条异常输入：留言只有一张笑哭表情，对应输出写成「类型：其他，处理：转人工」。没埋这条之前，遇到表情包留言，10次里有7次被脑补成「咨询」，AI还编一条像模像样的回复。埋了之后，10次里8次正确走「转人工」。

过度泛化才叫有意思。埋了纯表情这条异常示例之后，我把一条全英文留言丢进去——它跟「其他」八竿子打不着，AI照样判成「其他，转人工」。也就是说，它学到的不是「表情包转人工」，而是「长得不像前面示例的都归其他」。这次歪打正着，换个子任务就未必是这个方向。

别不信，这招反过来用也成立。你希望AI对拿不准的输入保守处理，就在示例里给一条「拿不准」的标准答案；你不希望它偷懒，就一条都别埋，把兜底规则写进指令。

示例格式是怎么把输出带歪的

示例里的语气词和没覆盖的取值，都会原样复制进输出。示例即规则，脏示例产脏输出。两处翻车记录在案。

第一处：示例的三条回复开头，我都顺手写了「亲，」。跑完20条整理结果，18条开头带「亲，」，其中好几条面对愤怒投诉显得格外轻佻。删掉「亲」字重跑，全部干净。挺离谱的。道理却不复杂——模型没有幽默感判断，只有模式复制。

第二处更隐蔽。示例里紧急度只出现过「高」和「低」，真实留言里有明显的中间档，比如「不急，这周内就行」。AI从不输出「中」，全部硬塞进「低」。我盯着结果看了半天才发现：不是模型蠢，真不是。是示例把取值空间写窄了。修法两条：示例覆盖全部合法取值；覆盖不到的，就在指令里明写枚举。卡格式的其他手段，我之前写过一篇让AI不跑格式的约束技巧，可以配合着用。

话说回来，示例带歪输出也不全是坏事。调性类任务，我反而故意用带语气词的示例，比写十行「语气要亲切」管用。

一条能直接抄的带示例成稿指令

成稿指令的骨架是：任务一行、字段枚举一行、3个覆盖正常与异常的示例、输入占位。照抄改字段就能用。

下面这条就是我在工单任务里定稿的版本，把引号里的内容换成你的任务：

你是客服工单整理员。把留言整理成一行JSON，字段只有三个：类型（咨询|投诉|其他）、紧急度（高|中|低）、处理（直接回复|转人工）。取值必须从枚举里选，拿不准一律填「其他」，禁止自创字段，禁止编造留言里没有的内容。
示例1：留言「怎么开发票」→ {"类型":"咨询","紧急度":"低","处理":"直接回复"}
示例2：留言「再不处理我就投诉到12315！」→ {"类型":"投诉","紧急度":"高","处理":"直接回复"}
示例3：留言「[表情包]」→ {"类型":"其他","紧急度":"低","处理":"转人工"}
待整理留言：「把留言原样贴进来」

三个示例各有分工：示例1铺正常路径，示例2钉住「高」档的判断标准，示例3兜住异常输入。想让例子本身更接地气、不飘在半空，可以再看看这篇让AI给出的例子能落地。我个人觉得，示例的分工想清楚了，一条指令基本就成了。

回到开头那组数字：1个示例六成，3个示例九成，差距不在措辞，在示例挑得准不准。举例提示词写砸的人，问题十有八九出在示例本身——口头禅没删、取值没覆盖、异常没兜底。下次写指令，先花两分钟挑示例，比反复改要求省事得多。

常见问题

示例用中文写还是英文写？

跟任务输出语言保持一致最稳。我试过中文任务配英文示例，字段名时不时蹦出英文。如果模型对英文指令理解更好，可以指令用英文、示例用目标语言，两种写法各跑一遍再定。

示例能直接从历史真实数据里挑吗？

能，而且比手写的更贴近真实分布。挑之前做两件事：删掉手机号、姓名这类隐私信息；把语气词和口头禅清干净，不然就复现了前文「亲，」的翻车。

给了示例，AI会不会只会模仿、不会变通？

格式类任务里这是优点，不是缺点。要防的是内容层面的照抄——示例话题尽量跟真实输入错开，让AI学的只有格式，不是素材。

上下文放不下5个示例怎么办？

按前文实测，5个本来也不比3个更稳。放不下就砍，优先保留覆盖异常输入的那条，它对稳定率的贡献最大。

延伸阅读

想补齐指令结构的基本功，可以看这篇chatgpt提示词三件套。