少样本示例为何能提升输出质量?

少样本示例的价值，不在于“给模型更多内容”，而在于把抽象要求变成可观察的输出标准。仅说“语气亲切、简洁、有幽默感”，不同人对这些词的理解并不一致；给出一两段符合预期的样例，模型便能从措辞、句长、信息密度、段落组织和格式中推断出更具体的目标。

从机制上看，示例相当于一次“输入—输出映射”的演示。它让模型看到：面对这类任务，应当保留哪些信息、采用怎样的表达顺序、结果长什么样。比如要求写产品邮件时，示例不仅传达“轻松”的语气，也可能隐含了开头先吸引注意、卖点用短句呈现、避免冗长解释等规则。这些隐含规则往往比形容词更稳定。

示例解决的是“标准不完整”

许多提示词失败，并非任务描述太短，而是验收标准没有被说透。格式要求能限定输出外形，角色和受众能约束表达方向，但它们未必能定义“好”的具体边界。少样本示例补上的，正是这种边界：什么叫合适，什么又偏离了预期。

正向示例适合展示希望复制的结构与风格；反向示例则能说明需要避开的倾向。例如，给出喜欢的句子和不喜欢的句子，重点不是让模型机械复述，而是让它识别两者在语气、长度或表达方式上的差异。对于容易跑偏的创作任务，这种对照尤其有用。

示例不是越多越好

示例与任务越相似，作用越明显；若示例主题、受众或格式彼此矛盾，反而会让输出标准变得模糊。一个好的示例应当只承担必要的示范功能：展示目标形式，而不是塞入无关背景；体现关键约束，而不是覆盖所有可能情况。

还要警惕把示例误当成唯一答案。示例过于具体时，模型可能过度贴近原句，导致内容缺乏变化。更稳妥的做法是：先明确任务、受众、长度和格式，再用少量样例校准语气与结构。这样，示例负责定义“像什么”，指令负责说明“做什么”，输出才更容易既符合规范，又保留针对具体任务的适配性。