📢 本文是 「108张AI知识卡片·大模型通关手册」 系列第 3 篇。同样的 ChatGPT,别人写出爆款文案,你却得到一堆废话?问题不在模型,在你的 Prompt。这篇用 4 张图把 context / 零样本 / 少样本 / 思维链四个段位讲清楚——每个知识点都配了可交互卡片,点开就能边看边玩 👇

目录


TL;DR 太长不看

30 秒版:怕太长?先记这 4 条,建立框架,细节往下翻。

  • 📌 Context 上下文:给 AI 充分背景,信息越多答得越准——别让它"盲人摸象"。
  • ✍️ 零样本:不给例子,直接说要什么,适合简单任务。
  • 🎨 少样本:给 2-3 个范例让 AI"照猫画虎",适合格式化输出、创意写作。
  • 🧠 思维链 CoT:加一句"请一步步思考",AI 自动拆解推理——最便宜的"智商升级"。

一句话:Prompt 写得好,AI 是超级助手;写得差,就是个人工智障


一、Context 上下文:别让 AI 盲人摸象

在这里插入图片描述

通俗类比:给新同事布置任务前,你总得先介绍下项目背景、目标、风格要求吧?给 AI 也一样——上下文越充分,AI 的回答越精准,否则它只能"盲人摸象"瞎猜。

关键认知

  • 上下文 ≠ 对话历史:这里说的 context 是你这次提问里给的背景信息(角色、任务、受众、格式、约束),不是聊天记忆。
  • 万能结构角色 + 任务 + 背景 + 受众 + 格式要求——这五要素给齐,输出质量立刻上一个台阶。
  • AI 没有"默认背景":你脑子里默认的东西(公司名、产品名、文风),AI 一个都不知道,必须说清楚。

二、零样本提示:直接说要什么

在这里插入图片描述

通俗类比:不给例子,直接告诉 AI 你要什么。比如"把这句话翻译成英文"——任务足够明确,AI 靠预训练的知识就能搞定。

适合什么场景

  • 简单明确任务:翻译、改错、总结、分类。
  • 指令越清晰越好:任务动词明确(“翻译”“总结成3点”“找出所有名词”),别留歧义。
  • 边界:涉及特定格式、特定文风、复杂推理时,零样本容易翻车——这时候轮到少样本上场。

三、少样本提示:给范例照猫画虎

在这里插入图片描述

通俗类比:给设计师看 2-3 张参考图,他立刻知道你要的风格——少样本就是给 AI 几个"输入→输出"范例,让它照着做。

怎么用

  • 格式:范例 + 新输入,让 AI 按范例的模式输出。
  • 范例数量:2-3 个通常够,太多反而引入偏差、还费 Token。
  • 适合场景:格式化输出(JSON、表格)、特定文风模仿、分类、创意写作。

⚠️ 范例要选有代表性的,别给单个例子带偏模型——少样本是"照猫画虎",给错猫就画错虎。


四、思维链 CoT:最便宜的智商升级

在这里插入图片描述

通俗类比:让 AI 别急着给答案,先"一步步想清楚"再答——就像让一个聪明但毛躁的学生在草稿纸上列过程再写答案,正确率蹭蹭涨。

怎么用

  • 零成本:指令末尾加一句"请一步步思考"或"Let’s think step by step",推理类任务正确率显著提升。
  • 适合场景:数学题、逻辑推理、多步规划、复杂判断——正面效果最明显。
  • 本质:让模型把中间推理过程"显式输出",降低一步到位的出错率。

五、四种技巧怎么选:段位对照表

它们不是非此即彼,而是分层递进,按任务复杂度往上加:

技巧 何时用 万能句式 难度
Context 永远要给 “我是…要做…给…看,要求…”
零样本 简单明确任务 “把X翻译成Y”“总结成3点”
少样本 要特定格式/文风 “范例1…范例2…现在做:…” ⭐⭐
思维链 推理/多步任务 在任意指令后加"请一步步思考" ⭐⭐

实战组合:复杂任务往往是 Context + 少样本 + 思维链 三件套一起上——背景给足、范例摆好、再让它一步步推理,输出质量天花板就稳了。

六、可动手:4 个 Prompt 模板直接套

别只看概念,下面 4 个模板能直接抄到自己的工作流里用。以"写周报"为例:

# ① Context 模板(万能五要素)
你是【角色】,请【任务】,背景是【背景】,给【受众】看,要求【格式/约束】。

# ② 零样本模板(简单任务)
请把下面这段会议纪要总结成 3 条要点,每条不超过 30 字:
【会议纪要】

# ③ 少样本模板(要统一格式/文风)
请按下面的格式输出产品卖点:
输入:蓝牙耳机 → 输出:✅ 无线自由 / ✅ 续航 20h / ✅ 降噪
输入:机械键盘 → 输出:✅ 手感扎实 / ✅ 寿命千万次 / ✅ 可编程
输入:【你的产品】 → 输出:

# ④ 思维链模板(推理任务,关键就一句)
下面这道逻辑题,请先一步步分析推理,再给最终答案:
【题目】

💡 经验:先从 ①+② 起,效果不够再叠 ③,遇到推理题再加 ④——别一上来就四件套全开,费 Token 还容易乱。


写到最后:这个系列打算怎么更

这是系列第 3 篇,后面还会按"RAG → Agent → 微调部署 → 评测 → 安全 → 工程化"的顺序一篇篇往下走。每篇都是一张卡讲透一个概念,配上能点开玩的交互演示,再给可以抄走的代码或模板。整套 22 篇,读完你会拥有一张别人没法轻易塞给你的大模型知识地图。

写这种图文 + 交互长文挺费劲——每张卡要不要讲到位、模板能不能直接套、表格是不是真能"抄作业",每处都得磨。所以如果你读下来觉得真有用、不想下次又翻半天找不到

  • 👍 点个赞,让我知道这种"图文+交互+模板"的写法值得继续做下去;
  • 收藏起来,这 4 个 Prompt 段位是天天用得上的工具,回来翻的概率比你想的高;
  • 💬 关注一下,下一篇"AI 的创造力开关:Temperature·Top P·Top K 采样参数"会尽快更上,关注了就不会错过。

如果这篇哪里没讲清楚、或者你想看的概念系列里还没排上,评论区直接说,我会一条条回,也按大家最想看的优先排期。


系列导航 & 持续更新

📚 下一篇预告:AI 的创造力开关|Temperature·Top P·Top K 一键搞懂——采样参数怎么调,写代码和写诗差在哪


如果这篇对你有帮助,点个👍收藏,4 个 Prompt 段位是天天用得上的工具,回来翻的概率比你想的高。有问题欢迎评论区交流,我会逐条回复。

在这里插入图片描述在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

Logo

欢迎加入DeepSeek 技术社区。在这里,你可以找到志同道合的朋友,共同探索AI技术的奥秘。

更多推荐