4.2　应用 few-shot 提示，提升输出一致性与质量

这一条考什么

考你能否用 few-shot 示例让输出稳定、可用：当详细指令仍然得到不一致的结果时，用 2–4 个有针对性的示例展示期望的格式和判断方式；用示例说明模糊情况该怎么处理并解释为何选 A 而不选看似合理的 B；用示例区分可接受模式与真问题以减少误报；以及在抽取任务中用示例覆盖多样的文档结构和非正式表达，降低幻觉与空字段。

核心概念

few-shot 是稳定格式和判断的最有效手段

指令再详细，模型对“标准格式”“合适粒度”的理解仍可能每次不同。few-shot 示例直接展示“输入长这样时，输出就该长这样”，比文字规则更具约束力。例如材料字段有时输出“cotton blend”、有时输出“Cotton/Polyester mix”、有时干脆漏掉，加 2–3 个完整的输入输出对展示标准化写法，一致性会明显提升；把 temperature 调成 0 或换更大的模型并不能解决“标准不明确”的问题。

示例要能演示模糊情况的推理

最有价值的示例不是简单情况，而是模糊情况，并且写出为什么这样选：

示例 1
用户请求：“帮我看看订单 8812 怎么还没到”
选择工具：get_shipping_status
理由：用户关心的是物流进度，不是订单内容或退款。虽然 lookup_order 也能返回订单信息，
但只有 get_shipping_status 提供承运商轨迹，能直接回答“为什么没到”。

示例 2
用户请求：“订单 8812 不想要了”
选择工具：lookup_order
理由：“不想要”可能是取消（未发货）或退货（已签收），先查订单状态再决定，
不能直接调用 process_refund。

同理，在代码审查中，可以用示例展示“分支级别的测试覆盖缺口”：函数有测试，但 except 分支从未被执行，应该怎样描述这一问题。

few-shot 促进泛化，而不是只匹配列举过的情况

写一份“所有不应标记的模式”的完整清单，模型只会机械比对清单；遇到清单之外的新写法仍会误报。示例则展示了判断的依据——为什么这个模式可接受、为什么那个是真问题——模型能把这种推理迁移到没见过的代码上。

示例：可接受
代码：user = repo.find(id) ?: return NotFound
判断：不报告。Elvis 早返回是本项目处理缺失值的约定，控制流清晰。

示例：真问题
代码：user = repo.find(id)!!
       sendEmail(user.email)
判断：报告（major）。find 可能返回 null，强制解包会在用户不存在时崩溃，且调用方未做前置检查。

指定输出格式：位置、问题、严重级别、修复建议

示例同时也是格式模板。每个示例都用相同结构输出，模型的输出就会对齐：

位置：src/orders/service.py:88
问题：在循环内对每个订单单独查询客户，导致 N+1 查询
严重级别：major
修复建议：循环前用 customer_ids 批量查询并构建字典

抽取任务：减少幻觉和空字段

抽取任务中，文档结构多样是空字段和幻觉的主因：

• 引用有时是正文内联（作者, 年份），有时集中在文末参考文献列表；
• 方法论有时有独立章节，有时散落在引言里；
• 菜谱里写“一小撮”“少许”“a splash”这类非正式计量。

只说“抽取引用和方法论”，模型遇到非常规结构时要么留空，要么编造。few-shot 示例覆盖这些结构，演示正确做法：

示例（方法论嵌在引言中）
原文片段：“……为此，我们在 2021–2023 年对 412 名护士进行了半结构化访谈……”
抽取：methodology = "半结构化访谈，412 名护士，2021–2023"

示例（非正式计量）
原文：“加一小撮盐”
抽取：{"ingredient": "盐", "quantity": null, "unit": null, "raw_text": "一小撮"}
说明：不把“一小撮”换算成具体克数，保留原文，数量置 null。

关键是示例要包含“信息确实不存在时如何表示”（null + 原文）以及“信息存在但位置不寻常时如何找到”，两者共同减少编造和遗漏。

正确做法与反模式

• 正确：为模糊场景写 2–4 个有针对性的示例，并写明为何选这个动作而非另一个看似合理的动作。反模式：只放简单、典型的示例，或一次塞几十个示例。
• 正确：示例统一展示“位置、问题、严重级别、修复建议”的输出格式。反模式：只用文字描述格式，期望模型每次都对齐。
• 正确：用对比示例区分可接受模式与真问题，让模型能泛化到新代码。反模式：写一份详尽的“不准标记”清单，或用关键词后处理过滤。
• 正确：用示例覆盖内联引用与参考文献、独立方法论章节与嵌入式描述等多种结构。反模式：失败时简单重试，或把必填字段改成可选、转人工处理。
• 正确：用示例展示非正式计量的正确处理方式。反模式：直接拿纠错数据去微调，或只加一个 enum 字段而不示范用法。

常见陷阱

• “temperature 设为 0 / 换更强模型”：解决的是随机性或能力，而问题在于标准不明确，few-shot 才对症。
• “遇到空字段就自动重试”：同样的提示重试同样的结构，大概率还是空。
• “正则后处理补抽取”：脆弱且覆盖不了多样表达，不如让模型通过示例学会识别。
• “写一份完整的不应标记模式规范”：无法泛化到未列举的新模式；题干出现“泛化到没见过的代码模式”时选 few-shot。
• “加约束：最多 10–20 条、每条一个”：硬性数量约束不解决“什么算明确提及”的判断问题，示例更有效。
• 注意边界：如果问题是“模型漏掉某类检查步骤”，有时明确要求它逐项列举（如列出所有分支再逐个核对）比加示例更直接；读题时分清是“判断/格式不一致”还是“流程缺步骤”。

实操练习

目标：在抽取任务中加入 few-shot 示例，比较加入前后对非正式计量和空字段的处理。

1. 准备 3 段菜谱文本，其中包含“一小撮”“适量”“a splash of”以及缺失计量的配料。
2. 先用零样本提示抽取，记录被编造数量的配料和空字段。
3. 加入 2–3 个 few-shot 示例（包含非正式计量和完全缺失计量的情况），再次运行。
4. 对比两次输出：是否还出现编造的克数？raw_text 是否保留？

import anthropic, json

client = anthropic.Anthropic()

FEW_SHOT = """把配料抽取为 JSON 数组，字段：ingredient, quantity, unit, raw_text。
信息不存在时用 null，绝不换算或猜测。

示例输入：加入 200 克面粉和一小撮盐
示例输出：[{"ingredient":"面粉","quantity":200,"unit":"克","raw_text":"200 克"},
          {"ingredient":"盐","quantity":null,"unit":null,"raw_text":"一小撮"}]

示例输入：淋上 a splash of 柠檬汁，最后撒葱花
示例输出：[{"ingredient":"柠檬汁","quantity":null,"unit":null,"raw_text":"a splash of"},
          {"ingredient":"葱花","quantity":null,"unit":null,"raw_text":null}]
"""

text = "取两个鸡蛋打散，加适量糖和少许香草精，倒入 150 毫升牛奶。"

for name, system in [("zero-shot", "把配料抽取为 JSON 数组，字段：ingredient, quantity, unit, raw_text。"),
                     ("few-shot", FEW_SHOT)]:
    msg = client.messages.create(
        model="claude-sonnet-4-5",
        max_tokens=600,
        system=system,
        messages=[{"role": "user", "content": f"输入：{text}\n只输出 JSON。"}],
    )
    print(f"===== {name} =====")
    print(msg.content[0].text)

检查结果：few-shot 版本中“适量糖”“少许香草精”的 quantity 应为 null 且 raw_text 保留原文，“两个鸡蛋”“150 毫升牛奶”被正确数值化；零样本版本可能出现“糖 10 克”之类的编造值。生产环境中可再结合 tool use 的 JSON Schema 保证结构合法。

自测清单

• 什么情况下 few-shot 比继续细化文字指令更有效？
• 为模糊场景写示例时，为什么要写出“为什么选它而不是另一个”的理由？
• few-shot 示例为何比“不允许标记的模式清单”更能泛化到新代码？
• 一个能统一审查输出格式的示例应包含哪四个要素？
• 抽取任务中，示例应覆盖哪些文档结构差异来减少空字段和幻觉？
• 遇到“一小撮”“少许”这类表达，示例应如何示范正确处理？