前言

昨天結尾我們用了一個小技巧:與其抽象描述「不要有 AI 味」,不如直接給一個「反例 vs 正確寫法」的對照。今天要把這個技巧正式擴展成一套完整方法論——Few-shot Prompting(少樣本提示)。

這是整個第二階段裡,投資報酬率最高的技巧之一。很多時候,你花大量文字描述規則都達不到的效果,一個好範例就能直接搞定。

一、為什麼「給範例」比「說規則」更有效

先回到 AI 運作的本質——Day 2 提過,語言模型是靠「預測下一個最合理的字」在生成內容。當你只給文字規則(例如「語氣要正式、精簡」),AI 得先把這句抽象描述翻譯成具體的寫作行為,這中間的翻譯過程本身就存在誤差空間——你心裡的「正式」跟它猜測的「正式」,不一定是同一件事。

但當你給一個具體範例時,AI 不需要「翻譯」,它可以直接模仿——語氣、句子長度、用詞習慣、格式細節,全部一次到位地從範例裡學走。這就是為什麼實務上,給一份範例的效果,往往比寫十條規則描述還要精準。

這種「只給範例、不特別解釋規則」的技巧,叫做 Zero-shot(零範例) 的相反——當你完全不給範例,靠文字描述,叫 Zero-shot;給一到幾個範例,就叫 Few-shot。

二、Few-shot 該放在範本的哪個位置?

回顧 Day 3 的骨架/血肉架構,範例應該放在 System Prompt 裡,作為骨架的一部分——因為範例代表的是「這份報告該有的樣子」,是相對穩定、不會每次任務都變動的內容(除非你們部門的報告風格整個改版)。

放置方式通常長這樣:

以下是一份符合標準的週報範例,請參考其語氣、詳略程度與用詞習慣:

---
[貼上一份實際的優良範例,完整呈現]
---

請用相同風格,依照本次提供的資料,整理成新的週報。

三、範例要挑得「有代表性」,不是隨便挑一份

範例的品質,直接決定 Few-shot 技巧的效果。挑選範例時,建議注意幾件事:

1. 挑選真的符合 Day 5 品質檢查清單標準的報告,而不是隨便找一份舊檔案。如果範例本身格式不一致、語氣不夠精簡,AI 也會把這些缺點一併學走
2. 範例要涵蓋「常見情況」而非「特殊個案」,例如選一份事件數量中等、有結案也有未結案項目的週報,而不是選一份事件特別多或特別少的極端案例,避免 AI 誤以為「這種資料量才是常態」
3. 如果你的報告有「例外處理邏輯」(例如某週完全沒有事件時該怎麼寫),建議額外準備一個涵蓋這種情況的範例,這部分會在 Day 12 深入討論

四、一個範例夠嗎?什麼時候需要多個範例

一個範例通常足以校正語氣、風格、格式這類「整體感覺」的問題。但如果你的報告存在多種不同情境(例如:有事件的週 vs 完全沒事件的週、事件數量正常 vs 事件量暴增的週),建議提供兩到三個涵蓋不同情境的範例,讓 AI 學到的不只是「單一固定模板」,而是「面對不同情況時,該怎麼調整寫法的邏輯」。

但也要留意:範例不是越多越好。範例太多、太長,會佔用大量篇幅(這會直接關係到 Day 14 要談的 Token 限制問題),而且如果範例之間風格有些微不一致,反而會讓 AI 學到混亂的訊號。通常 1-3 個精選範例,效果就足夠好。

五、Few-shot 與昨天「禁用詞彙」技巧該怎麼搭配

昨天的「明確禁用某些詞彙、句型」,跟今天的「給範例模仿」,兩者不是二選一,而是互補關係:

• 範例負責教會 AI「正確的樣子長怎樣」(正面引導)
• 禁用清單負責防止 AI「掉回舊習慣」(負面攔截)

實務上建議兩者一起用:先放一份優良範例,再補一條簡短的禁用清單提醒。這樣即使某次 AI 因為輸入資料的特殊性而想要「發揮創意」,禁用清單也能把它拉回正軌。

六、今天的行動練習

從你們部門過去的報告裡,挑出一份你認為「最符合標準」的週報,對照 Day 5 的品質檢查清單,確認它真的達標(如果沒有完全達標,先手動修一下再拿來當範例)。把這份範例整理好,準備加入你的 System Prompt 裡,作為 Day 19 組裝完整範本時的核心素材之一。

小結

今天的核心觀念很簡單但很有力:與其花大量文字「描述」你想要的風格,不如直接「展示」一個好範例讓 AI 模仿。 這跟 Day 8 談的「結構化輸出用展示、不用描述」是同一套邏輯的延伸,只是這次不只展示格式骨架,連語氣、用詞這些更細膩的東西,也一併透過範例傳遞給 AI。

下一篇,我們要進入第二階段最後兩個關鍵的「防呆機制」——先談第一個:怎麼用限制句,對抗 AI 幻覺這個資安報告最不能容忍的問題。