AI Agent / 系统课时

使用少样本示例

使用少样本示例

本课解决“规则已经写清楚,但模型输出仍然不稳定”的问题。你将学会用少量高质量示例展示输入与期望输出之间的映射,并通过正例、反例和边界样本固定分类标准、字段结构与表达方式。

学习目标

  • 判断何时需要少样本示例
  • 设计覆盖典型情况和边界情况的示例
  • 避免示例冲突、泄漏答案和格式漂移

少样本示例解决什么问题

自然语言规则常有解释空间。例如“将工单分为支付、账户和其他”看似明确,但“银行卡已扣款却没到账”究竟属于支付问题还是账户问题,模型可能每次给出不同答案。少样本示例通过展示真实输入和标准输出,把抽象规则变成可模仿的决策边界。

少样本并不是越多越好。可以从少数代表性样本起步,再根据留出的测试样本增删。示例优先覆盖最常混淆的业务边界。示例过多会挤占上下文,还可能让模型记住表面词语而不是任务规则。

示例的最小结构

每个示例至少包含输入和标准输出。分类任务要保持标签名称完全一致;抽取任务要保持字段、顺序和缺失值规则一致;格式化任务要让示例与最终输出使用同一种结构。

示例类型 主要作用 选择标准
典型正例 展示最常见的正确映射 语义明确、无额外干扰
边界样本 固定容易混淆的判断规则 同时接近两个类别
反例 说明哪些输出不可接受 只在常见错误明确时使用

反例必须同时给出错误原因或正确版本,否则模型可能把错误模式也当作可模仿内容。对简单任务,不必强行加入反例。

主示例:稳定工单分类与 JSON 输出

下面的提示词使用两个典型示例和一个边界示例,并要求最终只输出固定 JSON。示例中的类别名称、字段名和缺失值规则保持完全一致。

text
任务:将用户工单分类为 PAYMENT、ACCOUNT 或 OTHER。

规则:
- 涉及扣款、退款、支付失败、到账状态时,分类为 PAYMENT
- 涉及登录、密码、账号冻结、身份验证时,分类为 ACCOUNT
- 同时涉及支付和账户时,若主要诉求是恢复访问,选 ACCOUNT;若主要诉求是核对或退回款项,选 PAYMENT
- 其他问题分类为 OTHER
- 只输出 JSON,不解释

示例 1
输入:支付时提示余额不足
输出:{"category":"PAYMENT"}

示例 2
输入:忘记登录密码,无法进入账户
输出:{"category":"ACCOUNT"}

示例 3
输入:现在登不进账号,最急的是查清银行卡已扣款但订单未支付的原因
输出:{"category":"PAYMENT"}

现在分类:
输入:修改收货地址后页面没有保存

预期结果

json
{"category":"OTHER"}

这个示例稳定了两个关键点:一是工单同时涉及登录和扣款时,要根据主要诉求选择类别,二是输出必须只有一个固定字段。实际接入接口时,还应在程序侧校验 JSON 和枚举值,不能只依赖提示词保证格式。

如何选择高质量示例

示例应覆盖“决策依据”,而不是只覆盖不同措辞。若多个示例都包含“支付失败”这一明显关键词,它们提供的信息几乎相同。更有价值的组合是一个直接支付失败、一个退款未到账、一个扣款成功但订单状态异常。

示例顺序也会影响结果。建议先放规则清晰的典型样本,再放边界样本,最后给当前输入。所有示例都应来自同一任务定义,不能在前两个示例中输出 JSON,第三个示例突然改成自然语言标签。

常见错误与边界

第一类错误是示例与规则冲突。例如规则规定缺失字段使用 null,示例却使用空字符串,模型会在两种格式之间摇摆。第二类错误是把验收样本或近乎相同的改写放进提示词,导致结果偏高。可以留出一条与示例方向相反的测试:“曾有一笔付款,但现在只希望恢复登录”应为 ACCOUNT。测试时保持模型和其他配置一致,分别比较无示例与有示例两组表现。

还要避免只凭关键词构造示例。分类标准若依赖业务语义,就应加入没有明显关键词但仍能体现类别边界的样本。对于输入类型很多的任务,应优先补充最常误判的场景,而不是机械增加示例数量。

本课总结

  • 少样本示例用于把抽象规则转换成稳定的输入输出映射
  • 示例应优先覆盖典型情况、混淆边界和固定格式
  • 示例之间必须保持标签、字段和缺失值规则一致

下一课预告

下一课将继续处理提示词与上下文设计,学习如何控制上下文长度、保留关键信息,并减少无关历史内容对 Agent 判断的干扰。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

使用少样本示例

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通