提示词中的示例很重要:few-shot技巧让输出更稳定
关键提示
用少量输入和合格输出说明规则,优先选择最容易混淆的边界。示例是本轮提示的组成部分,效果要用没有出现在提示词里的样本复核。
要让AI把客服留言分入「物流」「售后」「其他」,给标签定义还不够。遇到「货到了但是颜色不对」,模型可能只看到「货到了」而判物流。Few-shot(少样本示例)可以展示这类边界该怎么分,并明确报告到底要哪些字段。
核心内容
◆ 零示例、单示例与少量示例
只提供规则是零示例。加一个合格的输入输出是单示例,适合解释格式。多个差异明显的示例能展示分类边界、优先级与未知项。与模型训练不同,这些示范随当前请求提供。
◆ 覆盖容易混淆的对比
选一条运输中未收到、一条签收后商品问题,再选一句信息不足的留言。当同一句提到多个对象时,明确按哪个动作或意图归类。
◆ 输入、输出与规则一致
逐个检查标签拼写、字段、格式和理由。如果规则说只能用三个标签,示例不能出现「退款咨询」这样的第四类。示例输出短一些,方便复查不相关的事实。
◆ 训练样本和验收样本分开
先用少样本调整提示词,再用未见样本检验。把示例原句重新输一次只能确认复制形态,无法判断是否学到了边界。
标准化实操流程
第一步|写基础规则
列类别及优先级,定义无法确定时使用其他或待补。
第二步|挑选三条有区分度的示例
用至少一条边界和一条资料不足的情况对照正常样例。
第三步|增加新输入与固定输出
单独标注本轮留言,让模型只输出类别和一句理由。
第四步|使用独立样本复测
分别统计标签错误、信息遗漏和格式失败。每次只修一个条件。
场景对照与验收
场景|版式反复跑偏 做法|给一条完整且短的合格格式 验收|核对每次字段顺序
场景|类别边界经常错 做法|加入两个措辞相似而标签不同的案例 验收|对边界例分别统计
场景|样例内容被照抄 做法|明确示例只演示结构和分类 验收|用不同商品与语境复测
实操示例
把客服留言正确分类
案例资料 分类只允许物流、售后、其他。未签收但需要查询进度归物流,签收后错发、破损归售后。没有足够信息归其他。
可复制提示词 输入:下单两天物流还没更新。 输出:物流|询问运输进度。 输入:昨天收到了,但颜色发错了。 输出:售后|签收后发现错发。 输入:这单有问题。 输出:其他|需要先问具体问题。 新输入:不是催快递,包裹我收到了,里面少了一件。请只返回类别|一句理由。
交付与核对 符合规则的输出为「售后|签收后发现少件」。进一步试「快递到了自提点但我还没拿到」及「收到货,发票在哪开」,首条偏物流,后一条按现有定义应进其他,不能因为出现「收到货」就机械归售后。
常见问题(FAQ)
问|一定要三条示例吗? 答|按任务决定。格式简单时一条即可,分类难时要覆盖关键边界。
问|把历史数据整份贴进去更稳吗? 答|过多样本会增加审核和读入成本。先挑代表样本,另存一份独立测试集。
问|输出始终一致吗? 答|仍可能波动,建议在相同设置下跑多条新数据,比较实际稳定性。
问|真实客户记录可用吗? 答|先按团队要求脱敏并选用获准的工具,演练优先用虚构记录。
延伸阅读
在助词网参考分类和摘要提示词时,可以把示例、标签定义、独立验证集一起存入模板卡。想比较不同采样设置下的稳定性,接着读《提示词温度与参数调优:普通人也能听懂的AI设置课》。
参考资料 OpenAI 提示词工程与 few-shot 示例 https://developers.openai.com/api/docs/guides/prompt-engineering
