少样本示例与思维链：让模型按你的方式思考

两个改变输出质量的杠杆

如果说结构化设计是 Prompt 的骨架，少样本示例（Few-shot）和思维链（Chain-of-Thought，CoT）就是两个最有效的“增益杠杆”。它们共同回答一个问题：如何让模型不只是“答对”，而是“按你的方式答”。

少样本示例：用例子代替描述

当你很难用语言精确描述“什么是好的输出”时，直接给模型看几个例子往往比写一堆规则有效。心理学上人也是这样学习的——示范比说明书更有力。

示例设计的四条原则

1. 代表性优先：示例要覆盖真实分布，包括边界 case。做评论分类，至少要有一个“正负混合”的例子，否则模型遇到混合情感会摇摆。
2. 一致性：所有示例的格式、风格、长度必须一致。模型会模仿示例之间共有的模式，也会模仿它们偶然共有的噪音。
3. 数量适度：通常 2-5 个足够。堆 20 个示例不仅增加成本，还可能让模型过拟合到示例的表面特征。
4. 包含反例：对容易做错的场景，放一个“错误倾向 → 正确处理”的示例，比正面示例更能纠正偏差。

评论：「物流很快，但商品和图片不符。」
情感：负面
理由：核心不满（货不对板）权重高于物流体验。

评论：「商品不错，就是贵了点。」
情感：正面
理由：整体认可，价格是次要保留意见。

上面第二个示例就是在教模型取舍规则——这种隐性规则用文字很难写清，用示例传递最自然。

产品决策提示：Few-shot 示例是产品经验的沉淀载体。客服场景中沉淀的“疑难工单标准处理示例”，既是 Prompt 的一部分，也是团队知识库。安排专人维护示例集，是 AI 产品运营的隐性工作。

思维链：让模型先想再答

对需要推理的任务（数学、多条件判断、归因分析），直接要结论会显著增加错误率。思维链的做法是要求模型先写出推理过程，再给最终答案：

请按以下步骤分析：
1. 列出用户的诉求点
2. 对照政策判断每条是否满足
3. 综合以上给出结论，并说明主要依据

为什么有效（产品视角的理解）

模型生成每个 token 时都以之前所有 token 为条件。先写推理过程等于让模型把中间结论“写进草稿纸”，后续答案就能引用这些中间结果，而不是在一步之内完成全部跳跃。这和人类“打草稿”的价值类似。

何时用、何时不用

场景	是否用 CoT	原因
多条件规则判断（退款审核）	用	中间步骤可被规则校验，错误可定位
数学计算、日期推算	用	模型单步计算能力弱
情感分类、简单抽取	不用	任务无需推理，白白增加延迟和成本
面向用户展示的过程	谨慎	推理过程可能暴露敏感判断依据，需包装或隐藏

成本账

CoT 会让输出 token 数成倍增加，而输出 token 是输入的数倍价格，且直接决定用户等待时长。

产品决策提示：对延迟敏感的功能（输入联想、实时推荐），默认不用 CoT；对后台任务（批量审核、报告生成），CoT 的质量收益远大于成本。让“是否展示推理过程”成为可配置的产品开关，而不是写死的实现细节。

组合拳：示例 + 推理

最强组合是带推理过程的少样本示例——每个示例都包含“输入 → 推理 → 结论”完整链路，模型会同时模仿你的判断过程和判断结果。审批助手、风控解释类产品几乎都依赖这个组合。

注意一个反直觉的现象：如果只在测试时加一句 “let’s think step by step”，效果不稳定；而在示例中示范推理，效果稳定得多。要让规则“长在示例里”。

本节要点

• Few-shot 用例子传递难以言传的判断规则，示例要精选 2-5 个、格式一致、覆盖边界 case，并包含反例。
• 思维链通过“先推理后结论”显著提升判断类任务的准确率，本质是给模型一张可回溯的草稿纸。
• 是否用 CoT 是成本与质量的权衡：前台延迟敏感场景慎用，后台批处理场景大胆用，最好做成产品开关。
• “带推理过程的示例”是最强组合，让规则长在示例里比临时加一句提示更稳定。
• 示例集是需要持续运营的产品资产，应由专人对齐真实场景分布并定期更新。