少樣本提示（few-shot prompting）

少樣本提示的意思是：在請模型處理新案例之前，先給它看幾個已完成的範例。你可能貼上三則各自標好「正面」或「負面」的評論，接著放上第四則未標註的評論就停筆。模型讀出你範例中的模式並接續下去，用同樣的方式為新評論分類。你完全靠示範、在提示之內把任務教給它，而沒有動到它的權重。

範例承載著指令難以表達的訊息：精確的輸出格式、語氣、你在意的邊角情況、你想使用的標籤。兩三個好示範，往往勝過一長段規則。代價是長度，因為每個範例都會吃掉情境窗（context window）、也增加費用；而且品質比數量重要：令人困惑或不具代表性的範例，可能教出錯誤的模式。這種從提示內範例學習的能力稱為情境學習（in-context learning），而少樣本提示正是它最常見的形式。