零样本 prompt vs 少样本 prompt：1 篇讲清差距

一句话说清两大派别

零样本 prompt（Zero-shot）= 不给例子直接问；少样本 prompt（Few-shot）= 给 2-5 个例子再问。

这两个词是 AI 圈最高频的术语之一，听起来玄乎，其实就是「你愿不愿意花 30 秒给 AI 几个示范」的区别。两种方式没有谁绝对好，看场景。

读完这篇你会知道：两者本质差距、什么时候用哪个、各自的写法模板、以及一个 OpenAI 官方实测的对比例子。

用一个场景理解

假设你想让 AI 帮你给微信公众号文章起标题。

零样本 prompt 的写法

请帮我给一篇关于「AI 写周报」的公众号文章起 5 个标题。要吸引人、有数字、不超过 22 个字。

AI 大概率会给你一堆通用爆款标题：「3 分钟搞定周报，AI 帮你赢回周末」「我用 AI 写周报，效率提升 10 倍」……能看，但不一定贴合你的号的调性。

少样本 prompt 的写法

请帮我给一篇关于「AI 写周报」的公众号文章起 5 个标题。
风格参考（这是我之前阅读 10 万+ 的爆款标题）：

「用 AI 写周报的第 12 周，我领到了年终奖」
「不是周报难写，是你没用过这个 Prompt」
「老板看不出来：我用 AI 写了 3 个月周报」
要求：

5 个标题，每个不超过 22 字
模仿上面这种「带钩子 + 个人化场景」的风格
不要喊口号式标题

第二种生成的标题，几乎可以直接用——因为你「示范」了你心目中的好标题长什么样。

零样本和少样本的本质差距

简单说：少样本是用「多花点 prompt 字数」换「输出更精准」。

什么时候用零样本

下面这些场景，零样本已经够用，没必要硬塞例子。

1. 通用知识类任务

• 翻译、总结、定义解释、列出 10 个 XX
• AI 训练时见过 100 万次类似任务，零样本就能给到 80 分

2. 你不在乎格式细节

• 「帮我列 10 个夏天适合喝的饮品」
• 「给我讲讲量子计算的原理」

3. 探索性问题

• 「我想做副业，给我 5 个方向建议」
• 这种你也没有「对的答案」预期，给例子反而束缚 AI

零样本的写法模板：

你是 [角色]。
请完成以下任务：
[一句话说清要做什么]
要求：

[长度]
[风格]
[格式]

什么时候用少样本

下面这些场景，少样本能拉开 10 倍差距。

1. 风格 / 调性敏感的写作

• 写小红书爆款标题、抖音脚本、公众号开头
• 给 AI 3 条爆款示例，它能模仿出来；不给，它只会写「正确的废话」

2. 输出格式有严格要求

• 把客户反馈分类成「正面 / 负面 / 中性」
• 把杂乱文本提取成 JSON

示例就是「规则说明书」。少样本比纯文字描述格式快 5 倍。

3. 小众领域 / 公司内部场景

• 「按我们公司的 PRD 模板写一份」
• 「按我们项目的 commit message 规范帮我写」
• AI 不知道你公司的「土规矩」，给例子是最快教它的方式

4. 让 AI 模仿你个人风格

• 给 AI 看你之前写的 3 篇朋友圈，让它模仿你的语气写新的
• 比单纯说「用我的语气」管用 100 倍

少样本的写法模板：

你是 [角色]。
请完成以下任务：
[一句话说清要做什么]
参考示例（重要：请模仿这些示例的风格、结构、用词）：
示例 1：
输入：[输入 1]
输出：[输出 1]
示例 2：
输入：[输入 2]
输出：[输出 2]
示例 3：
输入：[输入 3]
输出：[输出 3]
现在请处理我的实际输入：
输入：[你的真实输入]

OpenAI 官方实测对比

OpenAI 在官方 Cookbook 的 meta prompting 文档里做过一组实验：用 100 篇 BBC 新闻测试新闻摘要任务。

零样本 prompt：

Summarize this news article: {article}

少样本 + 结构化 prompt（加了类别示例、关键词示例、情感分析示例后）：

输出在 4 个维度都明显提升：

• 新闻分类准确率：明显提升
• 关键词提取相关性：更贴合主题
• 情感分析：从单一标签升级到带理由的细分判断
• 整体丰富度：「more informative, better organized, and richer in content」

结论是：简单任务零样本够用，越复杂的任务少样本提升越大。

给少样本加示例的 3 个坑

少样本不是越多越好。试产期间踩过这些坑：

坑 1：示例和实际任务风格不一致

如果你给 AI 看的 3 个示例都是「严肃书面体」，结果让它写「轻松口语化」的内容，AI 会精分。示例要和你的目标风格高度一致。

坑 2：示例数量超过 5 个

主流模型 3-5 个示例就够了，继续加边际收益递减，还浪费 token。如果你有 10 个以上示例，考虑用Prompt 模板和变量的方式分多次调用。

坑 3：示例本身质量不行

少样本会放大示例的特征——包括缺点。给的示例一定要是「你眼里最好的版本」，不要随便扔几个凑数的。

进阶玩法：Few-shot + 思维链

最强的写法是把少样本和思维链 CoT结合起来。例子里不光给「输入 → 输出」，还给「输入 → 思考过程 → 输出」。

例如教 AI 判断用户评论的情感倾向：

你是一位评论分类专家。请按下面示例的思路，判断每条评论的情感倾向。
示例 1：
评论：「东西收到了，盒子被压扁了一个角，但内容没事」
思考：用户提到包装有问题（负面），但产品本身没事（中性），整体情绪偏向中性带轻微抱怨
分类：中性偏负面
示例 2：
评论：「物流速度感人，3 天就到了，客服回复也很及时」
思考：连续提到 2 个积极点（物流、客服），无任何负面词
分类：正面
示例 3：
评论：「产品本身还行，但商家承诺的赠品没给」
思考：产品评价中性，但「承诺没兑现」是明确不满
分类：负面
现在请分类这条：
评论：[粘贴你要分析的评论]

加了「思考」过程后，AI 判断准确率比纯输入输出示例又能高 10-20%。

怎么选？一张判断表

常见问题

Q1：少样本会不会让 AI「死记硬背」示例？

不会。AI 是从示例中提取「模式」（pattern），不是直接复制。所以你给的示例越多样、覆盖的边界情况越全，AI 学到的「规则」越准。

Q2：示例放在 prompt 开头还是结尾？

通常放在任务描述之后、实际输入之前。如果是长文档场景，可以参考长上下文 prompt 怎么写。

Q3：能不能让 AI 自己帮我生成示例？

可以。这就是Meta Prompting的玩法之一：先用零样本让 AI 给你 5 个候选示例，你挑 3 个好的，再放回 prompt 里做少样本。

Q4：零样本和少样本以外还有别的吗？

有，进阶的还有 chain-of-thought（思维链）、tree-of-thought（思维树）、ReAct 等。但 90% 日常场景，零样本和少样本两个工具足够。完整体系可以看Prompt 工程是什么。

下一步

现在你已经知道两大派别的差距了，建议你继续：

1. 怎么写 prompt？官方 5 大原则速记 — 把基础写法补齐
2. 思维链 CoT 是什么 — 进阶推理类技巧
3. Anthropic Prompt Library 中文版 — 现成的高质量示例，可以直接拿来做少样本

最后送你一句实用心法：「零样本试错，少样本定稿」——第一次用零样本快速看 AI 能输出什么水平，效果不行的，挑 3 个好结果做示例，立刻升级成少样本。