Few-shot 示例与提示工程技巧

Few-shot Prompting

在提示词中直接给模型几组"输入→输出"示例，是最简单有效的对齐手段：

from langchain_core.prompts import FewShotChatMessagePromptTemplate

examples = [
    {"input": "开心", "output": "情绪：正面"},
    {"input": "服务器崩了，真烦", "output": "情绪：负面"},
    {"input": "今天周三", "output": "情绪：中性"},
]
example_prompt = ChatPromptTemplate.from_messages([
    ("human", "{input}"), ("ai", "{output}"),
])
few_shot = FewShotChatMessagePromptTemplate(
    example_prompt=example_prompt, examples=examples)

prompt = ChatPromptTemplate.from_messages([
    ("system", "判断用户输入的情绪倾向。"),
    few_shot,
    ("human", "{input}"),
])

常用提示工程模式

• 思维链（CoT）：加一句"请一步步思考"，推理类任务正确率明显提升；
• 结构化要求：给出输出 JSON 的字段模板，让模型照着填；
• 自我检查：要求模型先列出依据再下结论；
• 否定约束放最后：模型对提示词末尾内容更敏感。

示例选择策略

当示例库很大时，可按语义相似度动态挑选与当前输入最接近的 k 条示例（SemanticSimilarityExampleSelector），兼顾效果与 token 成本。