Claude学院

Claude Few-shot 示例怎么用？3 步提升回答准确率

Few-shot（少样本）的用法很简单：在提示词里给 Claude 提供几组「示范输入 → 期望输出」的例子，模型会照着这些例子的格式、口径和风格来回答你真正的问题。对于分类、信息抽取、固定格式改写这类任务，加上 3-5 组好示例，往往比反复修改文字描述更能稳定提升准确率。下面按「准备示例 → 规范结构 → 调用验证」三步走，并给出可直接运行的代码。

第一步：准备 2-5 组高质量示例

Few-shot 的效果几乎全部取决于示例质量，而不是数量。一般 2-5 组就够，盲目堆到十几组只会拉高 Token 成本、稀释重点。挑选示例时把握三个原则：

  • 覆盖典型与边界：既要有最常见的情况，也要放 1-2 个容易出错的边界样本（比如「中性情绪」「信息缺失」这类容易被误判的输入）。
  • 输出格式完全一致：如果你要 JSON，每个示例的输出都必须是合法且字段顺序相同的 JSON；模型会严格模仿你示例里的格式细节，包括键名、引号、是否有多余文字。
  • 正确且无歧义：示例里出现一次错误标注，模型就可能把这个错误当成规则学走。

举个情感分类的例子，准备三组示例：「这家店服务太差了→负面」「物流很快，包装也好→正面」「就是个普通的杯子→中性」。这三组同时教会了模型标签集合、判断口径和输出粒度。如果你刚接触提示词，建议先读 Claude 提示词怎么写？2026 最新新手到进阶完整教程 打好基础。

第二步：用 XML 标签规范示例结构

Claude 对 XML 标签的边界识别非常敏感，把每组示例用统一的标签包起来，能让模型清楚区分「这是示范」和「这是真正的问题」，避免把示例内容当成要处理的数据。推荐的结构是用一个外层标签包裹所有示例，内部每组示例再用输入/输出标签分隔：

<examples>
  <example>
    <input>这家店服务太差了</input>
    <output>负面</output>
  </example>
  <example>
    <input>物流很快，包装也好</input>
    <output>正面</output>
  </example>
  <example>
    <input>就是个普通的杯子</input>
    <output>中性</output>
  </example>
</examples>

请仿照上面的示例，对下面这条评论给出标签（只输出标签词，不要解释）：
<input>价格偏高，但质量确实不错</input>

这里有两个细节：一是标签命名要前后一致，不要一会儿写 <input> 一会儿写 <query>；二是真正的问题最好也复用相同的标签，让模型「接着写 output」即可。XML 标签的更多用法见 Claude 提示词 XML 标签用法详解：5 个实战示例。如果你想要现成可改的模板，可以参考 20 个高质量 Claude 提示词模板（可直接复制使用）。

第三步：通过 Messages API 调用并验证

把示例放进提示词后，要么作为 system 系统提示词的一部分，要么直接写在 messages 数组的 user 消息里。下面是 Python（anthropic 官方 SDK）的完整可运行示例：

from anthropic import Anthropic

client = Anthropic()  # 自动读取环境变量 ANTHROPIC_API_KEY

prompt = """<examples>
  <example><input>这家店服务太差了</input><output>负面</output></example>
  <example><input>物流很快，包装也好</input><output>正面</output></example>
  <example><input>就是个普通的杯子</input><output>中性</output></example>
</examples>

请仿照示例，对下面评论只输出标签词：
<input>价格偏高，但质量确实不错</input>"""

resp = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=16,
    temperature=0,
    messages=[{"role": "user", "content": prompt}],
)
print(resp.content[0].text)  # 期望输出：正面 或 中性

分类、抽取这类追求稳定的任务，把 temperature 设为 0，让输出尽量确定；max_tokens 按输出长度设小一点（标签任务给 16 就够），既省钱又能防止模型啰嗦。Node.js（@anthropic-ai/sdk）写法等价：

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic();

const resp = await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 16,
  temperature: 0,
  messages: [{ role: "user", content: prompt }],
});
console.log(resp.content[0].text);

调用接口是 Messages API（POST /v1/messages，鉴权头为 x-api-key 加 anthropic-version）。还没跑通第一个请求的话，可以照着 Claude API Python 示例代码：10 分钟跑通第一个程序 操作；想了解全部请求参数则看 Claude Messages API 全部参数说明（含代码示例）。

进阶：用「预填充」锁死输出格式

如果你要的输出是严格 JSON，除了给示例，还可以在 messages 末尾追加一条 assistant 消息做预填充（prefill），比如把 content 设为 {，模型就会从这个左花括号继续写，几乎不会再蹦出多余的客套话。这一招和 Few-shot 配合使用，是把格式稳定到生产可用的关键技巧。

模型与场景对照

任务类型推荐示例数建议模型关键参数
固定标签分类3-5 组Claude Haiku 4.5temperature=0，max_tokens 小
结构化抽取（JSON）2-4 组Claude Sonnet 4.6配合 assistant 预填充
复杂改写/风格迁移2-3 组Claude Opus 4.8示例需体现风格细节

简单高频的分类任务用 Haiku 4.5 性价比最高，需要更强理解力的复杂改写再上 Opus 4.8。具体怎么权衡可参考 Claude 模型怎么选？Opus / Sonnet / Haiku 选型指南。示例会占用输入 Token，量大时建议结合 Claude API 怎么省钱？5 个降低 Token 成本的方法 里的 Prompt Caching 把固定示例缓存起来。

常见问题

Few-shot 和思维链（CoT）能一起用吗？

可以，而且对推理类任务效果更好。做法是在每个示例的 output 里不仅给最终答案，还把推理步骤写出来，模型就会模仿「先推理、再给结论」的模式。具体写法见 Claude 思维链（CoT）提示词写法：让推理更准确。

加了示例还是不按格式输出怎么办？

先检查三点：示例输出格式是否完全统一、真正的问题是否复用了相同标签、是否被 max_tokens 截断。再不行就加 assistant 预填充强制开头。更系统的排查思路见 Claude 提示词不生效？8 个常见原因和修复方法。

示例放 system 里还是 user 里更好？

两种都行。如果示例是这个任务的固定规则、每次请求都一样，放 system 更清晰，也更容易配合缓存；如果示例需要随输入动态变化，放在 user 消息里更灵活。多轮对话场景下要注意上下文管理，可参考 Claude API 多轮对话怎么实现？上下文管理详解。

← 提示词工程