一、技巧一：给例子

要它做分类、做改写、做固定格式的输出，光说规则不够——给两三条例子，效果立刻不一样。 演示里做了一个分类任务：六条用户留言，分到咨询、投诉、建议三类。

零例子那行是纯关键词规则的成绩。 加上例子之后往上走，但中间有一段是平的——从三个例子加到六个，一个都没多分对。 平的那一段是本节的重点：例子数量加了，覆盖面没加。

二、为什么第三个例子是决定性的

从六个例子加到九个，准确率从 67% 跳到 100%。 原因很简单： 第三批例子里有三条正好覆盖了测试集里那三种说法——「修了三次还是没好」对「修三次都没好」、 「能不能上门服务」对「能不能上门取车」、「首保要带什么材料」对「首保要带啥」。 前六个例子里没有这样的对照，所以加了等于没加。

挑例子的时候要问：这三条是不是在说同一件事的三种说法？是的话，再加三条也没用。 反过来，三条各说一件事，比九条说同一件事有用得多。

三、技巧二：给边界

边界就是「不许干什么」和「只能来自什么」。上一节讲过它的重要性，这一节讲写法。 写法一，只来自某处。 「金额与时间只能来自资料原文。」这一句把编造的路堵死了。 写法二，超了就怎样。 「资料里没有的，回答『需要转人工』。 」不只说不能编，还说编不了的时候怎么办。

写法三，给一个默认值。 「拿不准时输出咨询。 」分类任务必须有这一句，否则遇到模糊的样本它会随机挑。 三种写法里第二种最容易被漏。 只说「不许编」不够，还得说「编不了时说什么」——不然它就在「编」和「沉默」之间反复， 而沉默对用户是最差的体验。

四、技巧三：给输出格式

输出格式要写到「下游能直接用」的程度。 要 JSON 就给一个骨架，别只说「输出 JSON」。字段名、嵌套、要不要代码块包裹，都得写。 要几句就写几句，还要说「不用列表」「不加序号」。不然它会给你排成条目。

要标注出处就写清标法：「句末用 [1][2] 标出依据的资料编号」。 只说「标注出处」，标法每次都不一样。 格式这一段的好处是错了立刻能发现——不用看内容对不对，看形状就知道。 所以它是提示词里最容易调的一段。

五、三个技巧的合用顺序

别一次全上。一次全上，出了问题不知道是哪一样起的作用。 第一步，四段写齐，跑一遍。 记下准确率。 第二步，加边界（兜底那句）。 再跑。这一步通常改善的是「硬答」问题，不是准确率。

第三步，加例子。 再跑。这一步改善的才是准确率。 第四步，把例子从三条加到九条，看还有没有提升。 没有就别加了——按第 6.1 节的账， 多加六条例子会让整份提示词长三成，注意力预算更紧。 四步走完，你手上有一份「每一项都验证过」的提示词。这比一次写一份完美的提示词快得多。

六、一个容易忽略的点：例子的标签必须对

演示里那九个例子的标签是我手写的，全对。真项目里这一步最容易出错。 一条标错的例子，比没有例子更糟。 因为它不只是没帮上忙，它还在教错。 所以准备例子的时候要两个人各标一遍，不一致的挑出来讨论。九条例子两个人标，二十分钟的事。

还有一条：例子里的说法要贴近真实用户。拿书面语当例子，用户说口语时它还是不会分。

七、动手 Demo：给例子：从零个到五个，准确率怎么走

九条标注好的留言当例子池，六条当测试集。 例子从零个加到每类三个，看准确率怎么走，再看中间那一段为什么是平的。

def rule_only(s):          # 零例子：只有两条关键词规则
    if u'差' in s or u'投诉' in s:
        return u'投诉'
    if u'建议' in s or u'希望' in s:
        return u'建议'
    return u'咨询'

def with_examples(s, ex):  # 有例子：在例子里找最像的一条，抄标签
    if not ex:
        return rule_only(s)
    hits = Q.retrieve(s, [t for t, _g in ex], top=1)
    if not hits:
        return rule_only(s)      # 一条都不像，退回规则
    for t, g in ex:
        if t == hits[0][1]:
            return g
    return rule_only(s)

实跑输出：

--------------------------------------------------------------------
给例子：从零个到五个，准确率怎么走
--------------------------------------------------------------------


  ① 例子数从 0 到 3，准确率
  --------------------------------------------------------------------

| 每类给几个例子 | 例子总数 | 分对 | 准确率 |
|---:|---:|---:|---:|
| 0 | 0 | 3 / 6 | 50% |
| 1 | 3 | 3 / 6 | 50% |
| 2 | 6 | 4 / 6 | 67% |
| 3 | 9 | 6 / 6 | 100% |

  零例子那行是纯关键词规则的成绩。
  加上例子之后一路往上，但中间有一段平的——那一段是「例子数量加了，覆盖面没加」。

  ② 只给一个例子时，错在哪
  --------------------------------------------------------------------
  「等两个小时都没人接待」应为 投诉，判成了 咨询
  「修三次都没好」应为 投诉，判成了 咨询
  「能不能上门取车」应为 建议，判成了 咨询
  错的三条有个共同点：例子里没有和它说法相近的句子。
  「等两个小时都没人接待」和一个例子「服务态度差」一个字都不重合，找邻居找不到，只能退回规则，
  规则又把它当咨询。

  ③ 第三个例子为什么是决定性的
  --------------------------------------------------------------------
  从两个例子加到三个例子，准确率跳了一大截。
  因为第三批例子覆盖到了「修了三次还是没好」「能不能上门服务」「首保要带什么材料」这三种说法。
  例子的价值不在数量，在覆盖几种说法。
  所以挑例子的时候要问：这三条是不是在说同一件事的三种说法？是的话，再加三条也没用。

  ④ 例子不是越多越好
  --------------------------------------------------------------------
  例子多了有两个代价：提示词变长（第 6.1 节那个注意力预算），以及 token 变贵。
  实操建议：每类三到五条，挑说法差别最大的那几条，不要挑最像的。
  还有一条容易忽略：例子的标签必须绝对正确。一条标错的例子，比没有例子更糟。
  ! 这个 Demo 用的是「找最像的邻居」当 few-shot 的替身，只能看字面重合。
  真模型能跨过同义，所以真机上的曲线会比这张表好看——这张表是下限，不是上限。
  但它测出来的方向是真的：例子的覆盖面，决定了模型对「说法差异」的容忍度。

①第一张表四行。零例子 3 / 6，每类一个 3 / 6，每类两个 4 / 6，每类三个 6 / 6。 ②第一行到第二行一个都没涨——加了三个例子，成绩没动。 那三个例子离测试句太远。 ③第三行涨了一个，第四行涨了两个。最后那三个例子正好覆盖了测试集的三种说法。 ④第二段把错的三条列出来了。它们的共同点：例子里没有和它说法相近的句子。 「等两个小时都没人接待」和一个例子「服务态度差」一个字都不重合。 ⑤这个 Demo 用的是「找最像的邻居」当替身，只能看字面重合。 真模型能跨过同义，所以真机上的曲线会比这张表好看——这张表是下限。

30 秒实验

1. 把你现在的提示词加三条例子（每种情况一条），跑一遍记分，再加三条，再记一次。
2. 检查你例子的标签，找一个人重标一遍，看有几条不一致。
3. 把「不许编」改成「不许编，编不了时说这句话」，再跑一遍那两个不能答的问题。

常见误区

1. 「例子越多越好。」前六个例子一个分都没涨。例子的价值在覆盖说法，不在数量。
2. 「只说不要编就够了。」不够。还得说「编不了时说什么」，不然它在编和沉默之间反复。
3. 「例子随便写几条。」标签必须绝对正确，说法要贴近真实用户。一条错例子比没例子更糟。

技巧都讲完了，最后一节落到平台上：提示词在扣子里有四个位置，每个位置该写什么、写错了会怎样。

• ☐ （本篇完，下一篇 6.4 扣子平台设置提示词案例）

相关笔记

• 提示词的分类和写作方法：四段式怎么写
• 提示词的工作原理：注意力预算与位置
• 39 AI训练师手册2 · 索引
• 🐦 扣子开发 AI Agent · 索引