把一个好答案「教」给 AI：用类比示例让复杂任务一次做对

为什么你写的提示词总差一口气

你有没有过这种经历：把任务描述得清清楚楚，AI 却只给你一个"正确但没用"的泛泛回答。问题往往不在模型，而在你没给它"参照物"。人学新东西靠例子，AI 也一样——给它一个你已经满意的答案当模板，它照着结构套，成功率比纯文字要求高得多。这招叫"类比示例（few-shot）提示法"。

核心思路：用"旧答案"教它"新任务"

不要只说"帮我写一份周报"，而是先贴一段你认可的历史周报，再让它按这个骨架去写新的。AI 会悄悄提取其中的结构、语气、颗粒度，然后复用。它的本质是：把你的隐性标准，翻译成模型能学习的显性样本。

可直接复制的提示词模板

把下面这段复制到对话框，替换括号里的内容即可：

• 下面是一份我满意的【旧任务】产出样例：（粘贴一段你认可的历史结果）
• 请先只总结这份样例的：结构顺序、篇幅比例、语气、信息颗粒度，用 4 条要点列出。
• 确认后，我将给你一个同类型的【新任务】，请你严格沿用上述 4 条特征来完成，不要自行增减风格。

等它回完 4 条特征，你再发新任务。这一步"先对齐再产出"，能把跑偏的概率压到最低。

一个真实场景

我需要把每天的 client 反馈整理成给老板的简报。之前直接说"写个简报"，它总爱加废话和结论。后来我贴了上周那份老板点过赞的简报，让它先提炼特征：① 先结论后细节；② 只用数据不抒情；③ 三段封顶；④ 末尾给一个行动建议。之后每次新反馈丢进去，产出的简报几乎不用改。

效果与边界

这类提示词最擅长"有标准、难描述"的任务：周报、文案、代码注释风格、客服话术。它省掉了你反复纠错的时间。但要注意：样例质量决定上限，若你贴的本身就烂，它只会"精准地"继承烂。所以挑样例时，宁可选一份真正代表你标准的，也不要随手塞一段。

下次觉得 AI 答得飘，别急着换模型，先问自己：我给它"参考答案"了吗？