说说你常用的 Prompt 技巧；few-shot 什么时候有效、什么时候反而有害？
谁在问：一面必问；2026 起常带「示例是否还有用」的反向追问
口语化问法
- 你平时写提示词有什么套路？说几个你真用过的。
- few-shot 你一般给几个例子？怎么定的？
- 现在模型这么强了，示例还有用吗？
考察意图
这题最容易答成一串名词罗列（角色扮演、few-shot、CoT、分隔符……），而面试官真正在看的是：
- 你知不知道 few-shot 传递的是什么——格式还是知识；
- 你有没有见过它起反作用，这是「用过」和「调过」的分界；
- 你的提示词改动有没有验证闭环，还是凭手感来回改。
参考答案
60 分答案（及格线）
常用的有：把稳定指令放 system、明确角色和任务边界、用分隔符区分指令与数据、指定输出格式、给少量示例、复杂任务拆步骤。
few-shot 在任务表述比较难说清、或者输出格式特殊时最有效——直接给几个例子比写三段说明更省事。示例太多会拉高成本，也可能让模型过拟合到示例的风格上。
90 分答案（有生产经验的回答）
先纠正一个常见误解：few-shot 主要传递的是「格式与任务边界」，不是「知识」。 它告诉模型「答案长什么样、什么算合格」，不是「怎么想才能想对」。把它当成廉价训练是根本性的误判。
由此推出它的双向效应：示例把模型的输出空间锚定到示例附近——收敛（格式统一、边界清晰）和收窄（探索空间被限制）是同一件事的两面。老模型默认输出太发散，收敛的收益远大于收窄的损失；新模型本身格式和判断力已经够好，天平就翻了过来。官方在自家实践里也走了这一步：给示例反而把新一代模型约束在了更窄的探索空间，于是从「给示例」转向「设计更有表达力的接口」——比如把状态定义成一个明确的枚举，枚举值本身就在提示用法，比三个示例更省更准。
我踩过的具体反作用有三类：示例污染（抽取任务里模型把示例中的公司名抄进了结果）、标签偏置（示例里某一类占多数，输出就偏向那一类，且最后一个示例影响最大）、覆盖诱导（遇到示例没覆盖的输入版式，模型硬套最接近的那个示例）。
所以我现在的做法是：从 0 个示例开始加，一次加一组、跑一次评测，涨不动就停；能用 schema 表达的格式约束整体迁到结构化输出里，示例只保留传递判断尺度的那两三个；并且优先用一个负例（这类输入要拒绝，因为……）代替三个正例。
追问链
few-shot 到底在教模型什么？知识还是格式？
期望主要是格式与任务边界 —— 输出结构、粒度、什么算合格、什么该拒绝；它几乎注入不了模型原本不具备的知识，模型不知道的事实，给再多示例也变不出来信号说「让模型学会这个任务」 → 停在直觉层；能分开「教它长什么样」和「教它怎么做对」 → 想过机制示例数量怎么定？顺序有影响吗？
期望数量靠消融定、不靠经验值：从 0 开始逐组加、每加一组跑一次评测，涨不动就停 —— 实践中常发现一半示例贡献为 0；顺序有影响，最后一个示例影响通常最大，该放最有代表性的，类别还要平衡否则带出标签偏置信号说「一般给 3~5 个」且没有下文 → 背的；说「做过消融，从 12 个砍到 3 个评测没掉」 → 调过的你见过 few-shot 起反作用的情况吗？
期望至少举一类具体的：示例污染（抽取任务里把示例中的公司名抄进结果）/ 标签偏置（某一类占多数就偏向那一类）/ 覆盖诱导（没覆盖的版式硬套最接近的示例）/ 干扰推理模型的内部推理。加分是说清怎么发现的 —— 评测掉了，还是线上冒出了示例里的内容信号本题最强的分水岭：举不出任何反例 → 基本可判定没在生产环境里调过提示词官方从「给示例」转向「设计接口」，你怎么理解这个说法？
期望示例是用具体样本暗示规则，接口是把规则直接编码进结构本身：与其给三个示例演示状态怎么填，不如定义成pending/in_progress/completed枚举 —— 枚举值本身就在告诉模型用法，还顺便被约束解码硬保证，既省 token 又不引入示例的收窄与污染信号能把「接口设计」落到枚举、字段命名、参数表达力上 → 真理解了；只复述「要设计好工具」 → 听过没消化接手的提示词有 20 个 few-shot、占 8000 token 且每次都带，要求成本砍一半不降质
期望① 先别砍，先看缓存命中率：这 8000 token 若命中良好，边际成本只有原价的十分之一 → ② 拆一遍输入/输出/工具结果，大头在输出侧就砍错了 → ③ 真要砍先做消融，一次去一组，大概率一半贡献为 0 → ④ 格式类示例迁到结构化输出由 schema 硬保证 → ⑤ 只留传递判断尺度的 2~3 个放前缀末尾 → ⑥ 查示例污染，有的话砍掉反而提质信号第一句是「先看缓存命中率和成本构成」 → 优秀；「按比例删到 10 个」 → 既没验证也没搞清钱花在哪
评分要点
- 明确 few-shot 传递的是格式与边界，不是知识
- 能说清收敛与收窄的双向效应
- 至少举出一类具体的反作用，最好是自己踩的
- 示例数量用消融决定，而非固定经验值
- 知道顺序与类别平衡的影响
- 知道 2026 年的方向是「从给示例转向设计接口」
- 有评测闭环，提示词改动能被验证
- 降本时先看缓存命中与成本构成，再动示例