前面我們討論了提示詞的三大基本要素：角色、任務與格式，他們能幫助 AI 了解我是誰、我要做什麼、我該怎麼輸出。然而有時候你會發現，即使指令清晰，AI 的回應依然有可能不符合預期或表現普普。

這時候，我們可以考慮加入一個更進階的技巧：少量的範例提示詞，也就是 Few-shot Prompt

Few-shot 的核心概念非常直覺：與其長篇大論的告訴 AI 規則，不如直接做給它看。我們可以提供少量但精準的範例，引導 AI 學習我們期望的格式、風格與邏輯，讓它從模仿進化到舉一反三。

Few-shot Prompt 介紹

Few-shot Prompt 是指在指令中提供少量 (約 2 ~5 個 ) 的輸入 / 輸出範例，讓 AI 在執行新任務前可以學習模仿，進而產生風格與結構一致的輸出內容。這個概念來自於機器學習的少量樣本學習 (Few-shot Learning)，表示模型可以從少量的樣本中快速掌握任務規則。

他的基本結構為「任務說明 + 範例 1 + 範例 2 + ... + 新的任務指令」

以下是 Zero-shot (沒有範例) 和 Few-shot (少量範例) 的生成比對，同樣用 Gemini 2.5 pro 模型為例：

你可能會感受到 zero-shot 的版本比較生硬一點，而 few-shot 因為有提供少量範例，所以會理解到這個任務並非只要輸出條列式內容，而是要多創造出有情境的內容。

Few-shot 提示詞有效的原因

Few-shot 提示詞的原理，是利用大型語言模型最擅長的辨識和模仿能力，將範例餵給 AI 作為標準答案，從根本上解決指令模糊性的問題。

透過 Few-shot 範例， Ai 可以從中學到四件事情：

1. 輸出的格式：AI 可以直接了解我們期望的架構和格式
2. 語氣口吻：AI 可以拆解範例的語氣並學習模仿
3. 邏輯規律：他會學習輸出和輸入的對應關係，例如：將數據資料轉成一份商業洞察報告
4. 大方向：這些範例可以替 AI 的創意提供一個基準線與發想的方向

設計高品質的範例

AI 會將範例拆解學習，所以我們要提供好的範例給 AI，不然可能對 AI 沒有幫助，甚至會誤導你的輸出結果。

這篇文章著重介紹 Few-shot (少量範例)，也就是說，我會建議大家不要給 AI 太多的範例，因為提供 2 ~ 3 個精準的、好的範例，勝過提供 10 個普通的、不好的範例。

所以我們要做的第一件事情，就是確保提供給 AI 的範例是我們心中最棒的前三名。

再來，範例應該要多樣化，避免太過單一限制 AI 的發想，例如你提供了兩個範例：

• 範例 1：快速
• 範例 2：迅速

這兩個範例其實殊途同歸，因為「快速」和「迅速」都是在講同一件事情，所以嚴格來說只能算是一個範例。

我們再看看另外一個例子，這次我提供了三個範例：

• 範例 1：快速
• 範例 2：安全
• 範例 3：簡單

三個範例給出了三件事情：快速、安全、簡單，這對 AI 就是有效範例，因為他可以同時學習到這三件事情，並進行延伸創作。

我們提供的範例格式和邏輯也盡量要保持一致，第一個範例如果用條列式，第二個範例就盡量沿用條列式，不要突然變成段落 (除非你另有用途)，不然可能會讓 AI 感到困惑，不知道要參照哪一種輸出格式。

最後，範例可長可短，但理想的情況下，還是建議精簡化，只保留你想要讓 AI 學習的關鍵內容。

讓我們來整理一下前面提到的要點，要設計高品質的範例，總共有四個可以參考的步驟，條列如下：

1. 重品質，而不是重數量
2. 選有代表性跟多樣性的範例
3. 保持格式和邏輯一致
4. 無關的內容不要寫，只留最關鍵的內容

實際使用看看 Few-shot 提示詞

掌握 Few-shot 的技巧後，讓我們試著應用在不同的場景，看看輸出的品質有沒有提高吧！

內容創作

我們先試著請他模仿村上春樹的寫作風格，來描述一個武俠世界

請先模仿村上春樹的寫作風格，範例如下：

範例 1：「我在廚房煮義大利麵。水滾了，麵條下鍋的聲音像是時間的嘆息。我想起了三年前的那個雨天。」
範例 2：「貓咪在陽台上睡覺。午後的陽光透過玻璃，在牠毛茸茸的身體上畫出幾何圖案。這讓我想到了某本書裡的句子，但我想不起是哪一本。」

現在請描述：一個日常的武俠世界

我使用的模型是 Gemini 2.5 pro，以下是他的回應：

「我坐在茶館的角落擦拭著我的劍。店小二剛換上一壺新的粗茶，蒸氣像一縷沒有野心的魂魄，筆直地升起，然後消失。茶的味道很普通，帶著點塵土的氣息，喝起來像是某個被遺忘的午後。

我用一塊舊麻布，沿著劍刃緩慢地移動。劍身與布摩擦的聲音很乾燥，聽起來比蟬鳴還要寂寞。劍身上映照出我的臉，模糊得像水中的倒影。日復一日地練劍，運氣，我的右手拇指上長出了一層薄繭，觸感宛如一小片光滑的石頭。

這讓我想起師父曾說過的話。他說，上乘的劍客，能從風裡聽出敵人的呼吸。但我從風裡只聽見竹葉摩擦的聲音，那聲音讓我想起多年前在蜀中，某個客棧的女孩替我縫補衣裳的午後。她的縫線很工整，像一行一行工整的詩，但我想不起她的臉，也想不起那首詩的內容。

或許，所謂的「氣」，不過是某種更巨大的、關於遺忘的定律。我收劍入鞘，發出喀鏘一聲，短促而絕對。鄰桌的兩名江湖人停止了交談，朝我望來。我沒有理會，只是把那杯早已冷掉的茶，一飲而盡。」

重新表達

我想請 AI 協助我將一些艱澀的技術規格轉成一般使用者好理解的內容，以下是提示詞：

請將技術規格改寫成一般使用者容易理解的描述：

範例 1：
技術規格：8GB RAM, 256GB SSD
使用者描述：記憶體充足不卡頓，檔案存取快如閃電。

範例 2：
技術規格：IP68 防水等級
使用者描述：可在 2 公尺深水中正常使用 30 分鐘。

現在請處理：
技術規格：5000mAh 電池，18W 快充

這次我們改用 ChatGPT 5，他的回應如下：

「大容量電池，一整天使用不擔心沒電；搭配快充，充電幾十分鐘就能補回好幾小時的電力。」

數據分析

接下來這個是我蠻常用的，因為有時候會看 GA 報表想了解使用者瀏覽我網站的行為，以及後續可以優化的建議，所以可以提供 AI 一些範例，並請協助我進行分析，提示詞如下：

請將數據分析結果轉為商業建議：

範例 1：
數據：網站跳出率 60%，平均停留時間 2 分鐘。
建議：優化首頁設計，增加引導式內容，以提升用戶參與度。

範例 2：
數據：iOS 用戶轉換率 4.2%，Android 用戶轉換率 2.8%。
建議：針對 Android 用戶優化介面體驗，重點改善付款流程。

現在請分析：
數據：客服電話量增加 35%，顧客滿意度下降至 3.2/5 分。

ChatGPT 5 回應的建議為：

「強化客服資源配置，增加即時回覆管道（如線上客服或智能客服），並針對常見問題建立清晰的自助解決方案，以降低等待時間與客服壓力，同時提升顧客體驗。」

如何讓 Few-shot 更上一層樓

當我們熟悉前述的基礎應用後，可以嘗試結合更進階的技巧，讓你能更好控制 AI 的輸出

結合 CoT 思考鏈

我們在第一篇：什麼是提示詞 Prompt？為什麼他很重要？有簡單提到思考鏈 (CoT) 這個名詞，CoT 可以引導 AI 一步步思考，以便處理更複雜的邏輯推理。

所以我們可以將範例跟 CoT 結合，不僅僅是給出答案，更要示範如何一步步思考，以下是修改後的 Few-shot 範例：

範例 (深度分析)：
趨勢：遠距辦公 / 在家工作的需求增加
分析：疫情改變工作模式 → 企業數位轉型加速 → 雲端服務需求激增 → 資安重要性提升 → 新的管理挑戰出現

將錯誤範例也當成參考的一環

有時候除了提供優質範例外，也可以提供錯誤或避免這樣做的範例，告訴 AI 這些不要做

好的範例：「您好，關於專案進度，目前已完成 60%，預計下週五交付。」
避免這樣寫：「嗨！東西做得差不多了，大概下禮拜給你吧 ～」

小結

Few-shot 提示詞是讓我們對 AI 從下達指令變成引導的一個重要轉變，我們透過 Few-shot 將溝通的重點從抽象的文字描述，變成具體的範例展示，而我們使用 Few-shot 也是為了提高 AI 輸出的品質和一致性，並降低溝通的成本，所以我覺得學習或了解 Few-shot 的使用方式，是很有必要性的。

也希望這篇文章可以幫助到各位，有任何問題都歡迎留言告訴我。