few-shot 例子质量参差,把输出拉下来了
给了模型 5 个例子,2 个很好、3 个一般,结果它往一般的那几个靠拢。质量方差为什么伤、怎么砍到 3-5 个一致的例子。
Prompt 写不对导致的输出问题:清晰度、结构、输出控制、行为修复,配 Before / After 示例。
AI 回答质量问题里大概 70% 是 Prompt 结构问题——不是模型问题。 本 Hub 按四个方向组织: (1) 清晰度问题——长 prompt 反而变差、相互矛盾的指令、Prompt 太泛、任务边界不清、一个 prompt 塞太多任务、长背景埋掉任务、情感词代替操作性指令; (2) 结构问题——没规定输出格式、没给示例 / 示例过多、只设角色不够、缺上下文分级、缺素材优先级、从别处复制来的 prompt 失败; (3) 输出控制问题——回答太泛、输出听着精致但不可执行、给清单不给执行结果、没说成功长什么样、评判标准模糊、AI 漏掉关键约束、模型按最后一句走、负向约束太虚、语气混乱、风格与格式冲突; (4) 行为修复问题——幻觉、补脑式填空、风格漂移、AI 重写了关键逻辑、轻改被大改、决策规则缺失、受众没定义、误触发拒答。 每篇都给"坏 Prompt → 好 Prompt"的对比示例和至少 5 个具体修复技巧,让你看完就能改自己的 Prompt。
给了模型 5 个例子,2 个很好、3 个一般,结果它往一般的那几个靠拢。质量方差为什么伤、怎么砍到 3-5 个一致的例子。
你让它按 schema 返 JSON。95% 合法,3% 在 JSON 外面包了散文,1% 漏字段,1% 类型错。描述 vs 强制,在 API 层修。
模型给的引用看起来像 Smith et al. 2019,但论文根本不存在;或者给的 URL 一点就 404。引用幻觉为什么发生、怎么彻底压住。
你用英文 prompt,结果它用中文回,或者中途切到西班牙文。语言漂移的确切根因,以及锁死输出语言的 system prompt + 重试套路,2026 年 6 月核实。
模型回复中途断掉、JSON 没闭合、代码块缺反引号。绝大多数是 token 上限。怎么估算、按 SDK 检测、怎么恢复。
你要 10 个想法,结果只给 3 个,或者凑齐 10 条但全是水。list-N 任务为什么 under-deliver,以及真正能拿到 N 条不同结果的 prompt 与 schema 修法。
2026 年了 prompt 还写着 2023,模型于是推荐 GPT-4、引用旧定价、提过时框架。最快修复:在运行时动态注入当前日期。附诊断表和怎么确认修好了。