Zero-shot 与 Few-shot：让例子教会模型边界

Zero-shot（零示例）是在请求里只写任务，不附已做好的样例；Few-shot（少量示例）则在同一次请求里放几组“输入 → 期望输出”。这里的 shot 指示例数，不是重新训练模型。就像给新同事看几张已分流的工单，帮助他理解公司的分类约定。

比如，客户留言“我要退货”，客服需要把这条求助归到退款类。我们在请求里给模型看一组示例：“我要退货 → refund（退款类）”，再让它判断新的留言“物流到哪里了”。接下来比较有示例和没有示例时，请求分别怎样写。Google 的提示工程教材介绍了提示工程与微调的区别。

1. 先固定分类任务与标签

把客户求助按内容归类，便于客服找到负责处理的人。程序用三个英文标签记录分类结果：refund 表示退款或退货，shipping 表示物流、发货或到货，unknown 表示还需要确认。客户同时提出两类问题时，按这里的分类规则记录为 unknown，再请客服询问清楚。

unknown 是有意保留的输出，不是系统故障。Agent 若后续自动调用退款工具，路由错一次就可能触发错误副作用；分类器只能建议队列，不能直接授权退款。先把标签契约和人工交接规则写清，再考虑是否需要例子。

2. Zero-shot 与 Few-shot 究竟改变了什么

Zero-shot：按下述规则给工单分类……
客户：到哪儿了？
标签：

Few-shot：按下述规则给工单分类……
客户：我要退货       标签：refund
客户：物流到哪里了   标签：shipping
客户：先别发货还要退 标签：unknown
客户：到哪儿了？
标签：

前者依赖规则文本和模型已有能力；后者额外展示输出格式、边界与冲突处理。根据 Google 的术语说明，少样本提示包含多个示例，代价是更长的 prompt。示例不是训练样本的同义词：这些例子属于本次请求的上下文。下一次请求继续使用时，把它们重新放进消息中。

给示例之前，先问三个问题：失败是因为标签定义含糊、输出格式含糊，还是任务知识缺失？标签含糊应修订规则；真实订单状态缺失要查系统；只有怎样套用既定规则仍不稳定，示例才可能有帮助。把“先别发货还要退”放进 Few-shot，是教冲突边界；把真实客户手机号放进去则是隐私泄漏。

3. 选择示例：覆盖边界，而非堆相似句

先放三条虚构短句，每条由输入和标签组成。退货、物流、冲突各有一条，比把同一句“我要退货”换十种说法更能展示规则边界。选择理由可以另记在自己的数据说明里。

三条例子分别处理退货、物流和双意图冲突。先逐条检查标签是否符合上面的规则；继续扩充时，记录例子的来源和顺序，因为顺序变化也可能影响模型回答。

4. 在 Windows 跟做：先验证示例集，再发模型

把 examples_lab.py、test_examples_lab.py 按下方代码逐个保存到同一个新文件夹。在资源管理器中打开该文件夹，地址栏输入 powershell，核对文件名后运行：

macOS：先在 Python 篇的学习文件夹中打开终端，执行 source .venv/bin/activate。再输入 cd ，把当前例子的文件夹拖入终端并回车，运行下面的命令。

保存为 examples_lab.py：

"""把分类规则、已标好答案的示例和新的客户留言组合成一份请求。"""
# refund：退款退货；shipping：物流发货；unknown：需要客服进一步确认。
LABELS = {"refund", "shipping", "unknown"}
RULES = ("把客户工单分到 refund、shipping、unknown。明确退款/退货给 refund；"
         "只询问物流/发货给 shipping；两种意图冲突或信息不足给 unknown。"
         "只输出一个标签，不执行退款或发货。")
EXAMPLES = [
    {"text": "我要退货", "label": "refund"},
    {"text": "物流到哪里了", "label": "shipping"},
    {"text": "先别发货还要退", "label": "unknown"},
]

def validate_examples(examples, query):
    if not isinstance(query, str) or not query.strip():
        raise ValueError("empty_query")
    seen = {query.strip()}
    for item in examples:
        if not isinstance(item, dict) or item.get("label") not in LABELS:
            raise ValueError("bad_label")
        value = item.get("text")
        if not isinstance(value, str) or not value.strip():
            raise ValueError("empty_example")
        key = value.strip()
        if key in seen:
            raise ValueError("duplicate_or_leak")
        seen.add(key)

def build_prompt(examples, query):
    # 先检查示例，再依次放入规则、示例问答和等待分类的新留言。
    validate_examples(examples, query)
    lines = [RULES]
    for item in examples:
        lines.append(f"客户：{item['text']}\n标签：{item['label']}")
    lines.append(f"客户：{query}\n标签：")
    return "\n\n".join(lines)

if __name__ == "__main__":
    query = "到哪儿了？"
    print("zero_shot_examples=0")
    print(build_prompt([], query))
    print("few_shot_examples=3")
    print(build_prompt(EXAMPLES, query))

# 核对Zero-shot 与 Few-shot的正常结果和错误分支；断言失败时会显示对应的测试。
import unittest
from examples_lab import EXAMPLES, build_prompt

class PromptTests(unittest.TestCase):
    def test_zero_and_few_shot(self):
        self.assertNotIn("我要退货", build_prompt([], "到哪儿了？"))
        self.assertIn("标签：unknown", build_prompt(EXAMPLES, "到哪儿了？"))

    def test_bad_label(self):
        with self.assertRaisesRegex(ValueError, "bad_label"):
            build_prompt([{"text": "你好", "label": "maybe"}], "到哪儿了？")

    def test_empty(self):
        with self.assertRaisesRegex(ValueError, "empty_query"):
            build_prompt([], " ")

    def test_duplicate_and_leak(self):
        with self.assertRaisesRegex(ValueError, "duplicate_or_leak"):
            build_prompt(EXAMPLES, "我要退货")
        with self.assertRaisesRegex(ValueError, "duplicate_or_leak"):
            build_prompt([EXAMPLES[0], EXAMPLES[0]], "到哪儿了？")

if __name__ == "__main__":
    unittest.main()

ls
python -B -X utf8 examples_lab.py
python -B -X utf8 -m unittest -v test_examples_lab.py

程序把标签契约、示例和待分类工单组成 prompt，并检查非法标签、重复输入和待分类输入混入示例。你会先看到 zero_shot_examples=0，再看到 few_shot_examples=3 和两份请求文本；build_prompt 返回的就是这些文本，预测标签是后续模型调用的任务。

def build_prompt(examples, query):
    validate_examples(examples, query)
    lines = [RULES]
    for item in examples:
        lines.append(f"客户：{item['text']}\n标签：{item['label']}")
    lines.append(f"客户：{query}\n标签：")
    return "\n\n".join(lines)

程序第一次调用已使用空列表运行零样本，你可以先核对那一段是否只有规则和当前工单；第二次调用使用三条示例。示例是已经带答案的参考工单，当前待分类工单单独放在请求末尾。若测试报 duplicate_or_leak，检查是不是复制了相同文本或把评测句放进示例；若报 bad_label，检查标签拼写；若找不到 Python，先按Python 环境篇检查命令。测试覆盖正常、非法标签、空输入、重复和泄漏边界。

再加一个合法边界例。新建 add_example.py，粘贴完整程序并运行 python -X utf8 add_example.py：

from examples_lab import EXAMPLES, build_prompt

examples = [dict(item) for item in EXAMPLES]
examples.append({"text": "在吗？", "label": "unknown"})
print(f"few_shot_examples={len(examples)}")
print(build_prompt(examples, "到哪儿了？"))

应先看到 few_shot_examples=4，请求里多出“在吗？ / unknown”。只把新增示例的 text 改为 到哪儿了？，再运行，应得到 ValueError: duplicate_or_leak：待分类问题已被放进答案示范，比较会失去意义。恢复“在吗？”后重跑。

5. 真正比较模型时，该怎样记录

实际比较前，把数据分为可进入 Prompt 的示例集、供改写定位的开发集、最后检查的测试集。测试句倒灌回示例再报告成绩，叫数据泄漏。真实用户资料先脱敏；来源和顺序随示例集保存，便于复现。

判断 Few-shot 是否值得增加 token 时，另取未用于挑例的工单，固定模型版本、系统指令、温度和输出校验器，对相同输入请求两份 Prompt。比较真实回答与期望标签，按 refund、shipping、unknown 分开看错分，再看延迟与 token 用量。这样能发现总正确率提高却冲突类退步的情况。

当前输出用于检查示例装配与标签规则；Few-shot对模型效果的提升，需要真实请求和同一组评测问题来比较。最新订单事实、权限和工具状态则由业务系统提供。下一篇 采样参数 讨论输出波动，之后 结构化输出 检查标签能否被程序安全接收。

自查与继续学习

Zero-shot＝指令与输入，无完成示例；Few-shot＝在上下文里增加少量输入/输出例子。先修清任务契约，再选覆盖边界的脱敏示例；示例集、开发集、测试集分开。离线 prompt 构建成功不等于模型准确。

自查：组成零示例和三示例请求；加入“在吗？”后观察示例数变为4；把当前问题混进示例，解释 duplicate_or_leak。费用、延迟和准确率等到真实模型对照时再记录。

进一步阅读：Google 提示工程教材介绍提示与微调；Google 机器学习术语表解释 zero/one/few-shot。