【提示词6要素之05示例】给AI一个样本，它还你一个惊喜-平芜编程栈

提示词工程6要素深度拆解系列 · 第5篇
本文要点：Few-shot的底层逻辑 + 正面/负面示例的战术 + 示例选择的三项原则

一、从「说不清楚」到「一看就懂」

假设你要让AI帮你写产品卖点文案。

不给示例：

「帮我写3条蓝牙耳机的卖点文案。」

AI输出：「音质出色，佩戴舒适，续航持久。」——废话，每款蓝牙耳机都这么说。

给一个示例：

「帮我写3条蓝牙耳机的卖点文案。
参考风格：
“地铁上隔壁大哥外放抖音，你默默戴上耳机，世界安静了。不是降噪有多强，是你终于有权利选择自己的声音环境。”」

AI输出：「开会时老板第10次改需求，你不动声色地双击耳机切到音乐模式。"好的张总，我马上改。"嘴角的弧度耳机看不见，但你的心跳它听得见。」——有场景、有情绪、有记忆点。

一句话说清楚了角色、任务、格式、背景，为什么输出质量还是上不去？因为你没给「锚」。

示例就是那个锚。它告诉AI：「我要的，差不多就是这个感觉。」

二、示例：提示词的「校准仪」

在6要素体系中，示例（Examples）扮演的是校准角色：

要素	作用
角色 + 任务 + 背景	划定AI的「思考范围」
格式	约定AI的「输出结构」
示例	校准AI的「输出风格和质量标准」

前面四个要素告诉你「在什么范围内、用什么结构」。但同样的范围、同样的结构，风格可以千差万别。

正式的 vs 口语的。数据驱动的 vs 故事驱动的。严谨的 vs 松弛的。

你没法用文字精确描述「我要的风格是既专业又不端着」「要幽默但不能轻浮」「要深刻但不能说教」——但一个30字的例子就是最好的定义。

2.1 Few-shot的底层逻辑

从技术角度看，Few-shot prompting的原理是上下文学习。你给AI的几个示例，本质上是在它的上下文窗口中建立了一个「临时微调」环境。

不需要重新训练模型，不需要调整参数——几个精心挑选的示例，就能让模型在本次对话中，输出质量逼近专门训练的模型。

这也是为什么示例是「成本最低的提效手段」：不需要技术门槛，不需要额外工具，只需要你会挑例子。

三、示例的三层进阶：从0到Few-shot

3.1 Zero-shot（零示例）：赌AI的理解力

「写一段产品介绍，突出'环保'卖点。」

这是零示例。只靠语言指令，不提供参考。AI会基于它对「产品介绍」和「环保卖点」的统计理解来输出——结果可能是平均水平。

适用场景：简单的、对质量要求不高、你对输出没有强烈偏好的任务。

3.2 One-shot（单示例）：给一个基准线

「写一段产品介绍，突出'环保'卖点。 参考示例（瑜伽垫产品）： '这张瑜伽垫的原材料，去年还是海里的6个塑料瓶。 我们没打算拯救地球，只是觉得——你的下犬式，不该踩在 地球的伤口上。' 」

给了一个示例后，AI会提取示例中的关键模式：

用具体数字创造冲击感（「6个塑料瓶」）
谦逊姿态替代说教（「没打算拯救地球」）
产品特性与使用场景情感关联（「下犬式 → 地球伤口」）
语言风格：简练、有张力、不煽情

然后把这些模式「套」到你的产品上。

One-shot就够了吗？对于大部分风格校准场景，一个高质量示例足够了。

3.3 Few-shot（多示例）：给一个「模式区间」

但有些场景需要多示例。比如你要的不是「一种风格」，而是「风格的范围」。

「写一段产品介绍，突出'环保'卖点。 示例A（数据震撼型）： '这张瑜伽垫的原材料，去年还是海里的6个塑料瓶。' 示例B（生活叙事型）： '女儿问我为什么选这个瑜伽垫。我说因为妈妈想让你 长大的时候，海里还有海豚。她似懂非懂地点了点头。' 示例C（极简直击型）： '塑料瓶 → 瑜伽垫。不复杂。' 」

三个示例确立了三种不同的表达策略——数据震撼、情感叙事、极简直击。AI现在知道「风格区间」的边界在哪里，可以在区间内灵活选择。

什么时候用多个示例？当你希望AI输出的多样性和创造性时。一个示例是精准打击，多个示例是划定战场。

四、不要把「负面示例」浪费了

大多数人只给正面示例：「就要这种！」却忽略了负面示例的强大力量：「不要这种！」

看看加上负面示例后效果多强：

「写一段产品介绍，突出'环保'卖点。 ✅ 好的示例： '这张瑜伽垫的原材料，去年还是海里的6个塑料瓶。' ❌ 不好的示例： '我们采用环保材料制作瑜伽垫，致力于为地球可持续发展 贡献力量。绿色生活，从一张瑜伽垫开始。' —— 请不要写这种：空话连篇、说教口吻、没有具体信息。 」

正面示例告诉AI「向这个方向走」，负面示例告诉AI「这个方向是悬崖」——两者结合，AI的路径就非常清晰了。

一个黄金组合：1个正面示例 + 1个负面示例 + 1句话解释为什么好/不好。这个组合的效果，超过3个正面示例。

五、示例选择的三项原则

示例不是随便挑的。好的示例和坏的示例之间，可能是3倍的效果差距。

原则一：示例和任务必须「同构」

❌ 任务：写招聘JD | 示例：一篇小红书种草笔记
这种情况下格式、受众、语言风格完全不同，AI会混乱。

✅ 任务：写招聘JD | 示例：另一个岗位的优秀JD
这种情况下结构、语言、信息密度一致，AI能有效迁移。

「同构」的意思是：示例和你的目标任务，在输出类型、受众、目的、格式上保持高度一致。

原则二：示例必须「够好」但不能「完美」

❌ 给一个完美的、无法企及的示例。
这种情况下，AI要么望而却步（输出质量反而下降），要么强行模仿（变得不自然）。

✅ 给一个「好但不完美」的示例。
这样AI有改进空间，有发挥余地。

一个实用标准：你的示例应该是你自己写不出来的「别人写的」，而不是你永远写不出来的「天才写的」。

原则三：示例必须「自解释」

❌ 给一个例子但不解释为什么它好。
这种时候AI只能靠模式匹配，可能学到表面的特征而忽略核心逻辑。

✅ 给例子 + 1-2句话解释关键特征。

示例： "地铁上隔壁大哥外放抖音，你默默戴上耳机，世界安静了。" 为什么好： ① 有具体场景（地铁+外放抖音）——读者立即共鸣 ② 产品使用是场景的一部分（戴上耳机）——不突兀 ③ 情绪落点在产品价值（选择权）——升华但不煽情

给你的示例加上「为什么好」的解释，AI学到的是方法论，不只是风格。

六、示例的五大战术用法

战术一：「风格锚定」

一个示例定义一种风格。

「用以下风格写一段关于'早起'的感悟：」 示例： 「跑步最难的不是第5公里，是穿上跑鞋走到门口那30秒。」 —— 用具体动作替代抽象道理，用数字制造节奏。

战术二：「结构模板」

一个示例定义一种结构。

「按以下结构分析每个竞品：」 示例（以Notion为例）： ## Notion - 一句话定位：All-in-one 工作空间 - 核心用户：个人知识管理者和中小团队 - 杀手功能：Block编辑器 + 数据库视图 - 明显短板：性能、离线体验、企业权限管理 - 我们的机会：（此处针对不同竞品给出不同机会点）

战术三：「质量分档」

用正面+负面示例建立质量阶梯。

「按以下三个等级输出创意方案：」 🥇 A档（我自己都没想到的）： 示例：「把蓝牙耳机包装成'通勤族的第25小时'——早高峰地铁上，别人在刷短视频，你在听完一集播客。」 🥈 B档（合格的，可以直接用的）： 示例：「通勤耳机，降噪强，续航久，性价比高。」 🥉 C档（凑数的，不要给我）： 示例：「好音质，好降噪，好续航，三好耳机。」

这个战术的精妙之处：你不需要描述每个档次的标准——示例本身就是标准。

战术四：「错误规避」

用负面示例划清雷区。

「请避免以下写法：」 ❌ 「在当今这个快节奏的时代……」 —— 万能开头，但万人都用 ❌ 「众所周知……」 —— 既然是众所周知的，你写它干嘛 ❌ 「改变了XX行业」 —— 除非你有具体证据，否则就是吹牛 ❌ 用「赋能」「闭环」「抓手」等词 —— 除非你知道它们的确切含义

这比笼统地说「不要写空话」有效100倍。

战术五：「渐进式示例」

先给简单示例，再给复杂示例。

「先看这个简单的例子，理解基础模式： 输入：夏天 输出：夏天是冰西瓜切开的声音，是风扇摇头的咯吱声， 是奶奶摇蒲扇的沙沙声。 再看这个复杂的例子，理解进阶技巧： 输入：通勤 输出：通勤不是距离，是两种身份的切换间隙。 早上的车厢里，每个人都在从「自己」变成「员工」； 傍晚的车厢里，每个人都在从「员工」变回「自己」。 那45分钟，是城市给我们唯一的「中间态」。 」

渐进式示例让AI逐层理解你的期望，特别适合「风格」这种难以言传的东西。

七、示例不是万能的：三个注意事项

注意一：示例会「锁死」AI的创造力

给了示例后，AI倾向于在示例的框架内打转。如果你想要突破性创意，有时Zero-shot反而更好。

判断标准：你需要的是「安全的高质量」还是「可能有惊喜的突破」？前者用示例，后者不用。

注意二：示例太多 = 没有示例

超过3个示例，边际收益急剧下降。4-5个示例可能比2-3个效果更差，因为AI的注意力被稀释了。

黄金数字：1个正面示例 + 1个反面示例 = 性价比最高。

注意三：错误示例会造成系统性偏见

如果你给的示例都包含某种不经意的偏见（如性别刻板印象），AI会放大这种偏见。检查示例中的隐含假设。

八、本篇小结

要点	一句话总结
示例的本质	给AI一个「锚」，校准输出风格和质量
Zero/One/Few	零示例靠运气、单示例定风格、多示例划区间
负面示例	和正面示例同等重要——告诉AI「哪里是悬崖」
示例三原则	同构、够好但不完美、自解释
五大战术	风格锚定、结构模板、质量分档、错误规避、渐进式
一句话心法	说不清楚的，给一个例子就全说清楚了