01-Zero-Shot Prompting

版本	内容	时间
V1	新建	2026年03月24日16:33:44

简介

Zero-Shot Prompting：零样本提示法，不给模型任何示例，只靠一句指令，让模型直接完成任务。

一句话总结：不用教、不用举例，直接让 AI 干活。

和其他的提示方式的区别：

1. Zero-Shot（零样本）

   不给例子，直接下指令。

2. Few-Shot（少样本）

   给 1～3 个例子，再让 AI 照着做。

工作原理

大模型在训练时已经学过海量知识，包括：

• 语言理解
• 分类
• 推理
• 翻译
• 总结
• 代码

所以不用再教它，只要说清楚任务，它就能直接做。

当零样本提示（zero-shot）不起作用时，建议在提示词中提供示范或示例，这就形成了少样本提示（few-shot prompting）。

案例

案例 1：情感判断

Prompt：

判断下面这句话的情绪是积极、消极还是中性。
今天心情特别好。

模型输出：

这句话的情绪是积极

案例 2：翻译

Prompt：

把下面句子翻译成英文：
我正在学习 AI 提示词工程。

模型输出：

I am learning AI prompt engineering.

案例 3：文本分类

Prompt：

把下面文本分类为：科技、娱乐、体育，只输出类别。
国足在比赛中以 2 比 1 战胜对手。

模型输出：

体育

案例 4：逻辑推理

Prompt：

请推理：
所有的猫都有尾巴。
咪咪是一只猫。
请问咪咪有尾巴吗？

模型输出：

根据您提供的前提进行逻辑推理：
大前提：所有的猫都有尾巴。
小前提：咪咪是一只猫。
结论：既然咪咪属于“猫”这个群体，而该群体的所有成员都具备“有尾巴”的特征，那么咪咪必然也有尾巴。
答案：是的，咪咪有尾巴。

案例 5: 代码生成

Prompt：

写一个 go 函数，计算两个数的和。

模型输出：

package main

import "fmt"

// Add 计算两个整数的和
func Add(a, b int) int {
	return a + b
}

func main() {
	result := Add(3, 5)
	fmt.Println("3 + 5 =", result) // 输出: 3 + 5 = 8
}