Zero-shot and Few-shot Prompting
一句话结论
先跑零样本基线，需要时再加少量多样化示例，并逐次评测增量收益。
本页结构（可跳转）
示例是提示词里最贵的部分，也是最容易被滥用的部分。
适用边界
「少样本有害」的结论来自推理模型上的默认用法，示例本身并非无用，改写示例形态后仍可获益。
零样本提示以指令完成任务，成本最低；少样本提示通过若干输入输出示例约束格式、语气与歧义消解。
| 类别 | 场景 / 条件（总结） | 具体做法（细节） |
|---|---|---|
| 该用 | 需要固定输出格式、语气或消解边界歧义时 | 用三到五个多样化示例，并包在显式标签内。 |
| 该用 | 零样本基线在评测集上不达标时 | 才引入示例，并逐次评测其增量收益。 |
| 不该用 | 把示例当知识注入手段 | 需要外部事实时应走检索，而不是把资料塞成示例。 |
| 不该用 | 在推理模型上默认叠加示例 | 增加示例可能持续降准，须以评测集为准。 |
# 三档对比：零样本 / 三个示例 / 十个示例
# 逐档记录：评测集通过率、输入 token、输出的格式违规次数
for shots in 0 3 10; do
echo "== shots=$shots =="
for i in $(seq 1 5); do
curl -s "$API_ENDPOINT" -H 'content-type: application/json' \
-d "$(build_payload $shots)" > "out-$shots-$i.json"
check_contract "out-$shots-$i.json" # 自写的小校验器：格式是否合契约
done
done预期观察：示例从 0 到 3 通常带来格式与语气的明显改善；从 3 到 10 的收益通常趋零，在推理模型上甚至可能转为负收益。读数是「通过率 / token / 格式违规」三列，而不是「看起来更像我想要的」。
示例筛选表：每个候选示例填三列
示例 | 它消除的是哪种歧义（格式 / 语气 / 边界判定） | 若删掉它，评测集上哪一类失败会回归
判据：说不出第二列的示例一律删掉——示例的职责是消歧，不是展示知识。
不得用示例替代检索：需要外部事实时，把资料塞成示例既不可靠又推高常驻成本。预期观察：读者能把示例从「越多越好」改造成「每个都对应一类歧义」，并敢于删掉一半。
主张在推理模型上，增加示例会持续降低准确率（即使示例本身是最优的），且少样本 CoT 常常不如直接回答——这是「先零样本、必要时才加示例」的直接依据。
分级paper
来源S-0038 https://arxiv.org/abs/2509.23196
原文展开原文关键句 原文截断
Recent reasoning LLMs (RLMs) ... adding more exemplars consistently degrades accuracy, even when demonstrations are optimal.
主张一手口径仍然主张使用示例，但明确反对把一长串边界案例塞进提示——即「少而准」而非「多而全」。
分级official
来源S-0004 https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
原文展开原文关键句
However, teams will often stuff a laundry list of edge cases into a prompt... We do not recommend this.
术语零样本提示 Zero-shot Prompting
界定不提供示例、仅以指令完成任务的方式；现行厂商口径主张先试零样本，必要时再引入示例。
相关节点—
术语少样本提示 Few-shot Prompting
界定在提示中给出若干输入输出示例以约束格式、语气与歧义消解；现行口径为少量、多样、结构化，并反对穷举边界案例。
相关节点—
在 交互全景图 中定位本节点。