在前幾天中，我們學會了如何透過「三要素公式」定義需求，並藉由「System Prompt」為 AI 建立資深工程師的思考框架。

然而，在串接後端 API、解析資料或生成制式物件時，很多開發者常遇到另一個難題：AI 的輸出格式飄忽不定。有時候它會好心附帶長篇解說，有時候命名規則又從駝峰式（camelCase）突然跳成蛇形（snake_case）。

如果我們希望 AI 「嚴格按照特定規格產出代碼，完全不走樣」，最有效的方法就是使用 Few-shot Prompting（少樣本提示法）。

一、什麼是 Few-shot Prompting？
在大型語言模型中，提問方式主要分為以下層次：

Zero-shot（零樣本提示）：只給任務描述，完全不提供任何示範案例。

缺點：模型依賴機率分佈隨機猜測你偏好的結構，格式容易失控。

One-shot（單樣本提示）：給予 1 個完整的「輸入與輸出對應範例」。

Few-shot（少樣本提示）：提供 2～3 個具代表性的「輸入 ➔ 輸出範例」，建立隱性規則。

優勢：模型會強烈模仿範例中的命名規則、型別對應、縮排、註解風格與錯誤處理邏輯，極少出現格式偏差。

二、實戰場景：自然語言欄位定義 ➔ 嚴格 Java Record DTO
在現代 Java（Java 17+）開發中，我們常用不可變的 record 來作為資料傳輸物件（DTO）。現在我們希望給 AI 一段隨意的中文資料庫欄位或需求描述，讓它精準轉換成符合 Spring Boot / Jackson 規範的 Record 結構。

1. 設計 Few-shot Prompt 結構
   我們在提示詞中提供兩個示範案例（Shot 1、Shot 2），最後才接上真正要處理的任務：

【Few-shot Prompt 範本】

請擔任資深 Java 開發者。根據給定的欄位描述，將其轉換為 Java 17 record 格式。

規則：

類別必須為 public record。

時間型別一律使用 java.time.LocalDateTime。

金額一律使用 java.math.BigDecimal。

加上 @JsonProperty 映射原始蛇形命名（snake_case）。

[範例 1]

輸入：使用者基本資料，包含 user_id (長整數), user_name (字串), registered_at (建立時間)。

輸出：

public record UserDto(  
    @JsonProperty("user_id") Long userId,  
    @JsonProperty("user_name") String userName,  
    @JsonProperty("registered_at") LocalDateTime registeredAt  
) {}

[範例 2]

輸入：商品交易項目，包含 item_id (長整數), price (單價金額), quantity (整數數量)。

輸出：

public record OrderItemDto(  
    @JsonProperty("item_id") Long itemId,  
    @JsonProperty("price") BigDecimal price,  
    @JsonProperty("quantity") Integer quantity  
) {}

[正式任務]

輸入：發票資訊，包含 invoice_no (字串發票號碼), total_amount (總金額), is_tax_included (是否含稅布林值), issued_at (開立時間)。

輸出：

2. AI 執行的生成結果
   因為有前兩個範例的引導，AI 完全不需要額外解說，直接精準輸出完全符合規範的 Java 代碼：

import com.fasterxml.jackson.annotation.JsonProperty;
import java.math.BigDecimal;
import java.time.LocalDateTime;

public record InvoiceDto(
    @JsonProperty("invoice_no") String invoiceNo,
    @JsonProperty("total_amount") BigDecimal totalAmount,
    @JsonProperty("is_tax_included") Boolean isTaxIncluded,
    @JsonProperty("issued_at") LocalDateTime issuedAt
) {}

可以看到：

型別一致性：金額被自動指定為 BigDecimal，時間對應為 LocalDateTime，沒有變成普通的 double 或 String。

命名規範：Java 欄位自動轉換成標準駝峰式（如 isTaxIncluded），同時完整保留 @JsonProperty 的原始名稱對應。

無多餘廢話：AI 完全依照 Few-shot 範例的格式，乾淨利落地交出程式碼區塊。

三、進階應用：用 Few-shot 約束「單元測試驗證模式」
除了 DTO 定義，Few-shot 在生成單元測試時更具殺傷力。

例如團隊內部有一套統一的 AAA 模式（Arrange, Act, Assert） 格式，或者習慣使用 AssertJ 語法：

只要在 Prompt 中先提供一個標準的 @Test 範例（標明 Arrange、Act、Assert 區塊）。

接著貼上目標方法，AI 就會完全套用相同的變數命名與斷言寫法，省去後續人工 Code Review 與排版的大量時間。

四、工程師實務建議
範例不在多，在於邊界覆蓋：通常 2 至 3 個範例 就能達到極高穩定度。過多範例反而消耗上下文視窗（Context Window）與 Token 額度。

範例要展示極端情況：例如示範一個「允許為空（Nullable）」的欄位如何處理，AI 在遇到類似情境時就會自動模仿。

消除雜訊輸出：在範例末尾直接留下 輸出： 或 Code:，利用生成補全的特性讓 AI 直接從代碼第一行開始接續，杜絕「好的，這是為您生成的...」等前綴廢話。

今日小結與預告
今天我們實踐了 Few-shot Prompting，掌握了如何透過示範樣板「鎖死」AI 的輸出型別與架構風格。到今天為止，我們已經完成了第一階段的「工具配置與提示詞核心功法」。