策略五：提供样例
- 适用人群：新手
- 难度：🌟
提供适用于所有样例的一般说明，比通过示例演示任务的排列更高效，但在某些情况下，提供样例可能更容易。例如，你打算让模型复制一种难以明确描述的响应风格。这被称为 "few-shot" 提示。
不理解，没关系，看下方的解读。
解读
提供样例，即 少样本（few-shot）提示，可以帮助我们得到格式更加稳定的内容，而不是让大模型随意发挥。
当我们向大模型提问时，提供样例能帮助我们获得更符合要求的答案。这里有几个原因：
- 更加清晰的方向：样例可以帮助我更准确地理解你的问题和需求。就像如果你告诉一个朋友你喜欢什么样的电影类型，他们就更容易推荐你可能喜欢的电影。
- 减少误解：同一句话，不同的理解方式，造成的结果差距很大。通过一个具体的例子，你可以减少大模型对你问题的误解，使得回答更接近你的期望。
- 期望的风格和格式：当你在询问关于写作风格的问题，给出一个文本样例可以让它更准确地把握你想要的风格。或者当你想要生成固定格式的内容时，提供一份样例，输出答案也会更符合要求。
案例
总结
本章我们结合 风格样例、输出格式样例、条件判断样例 进行了演示，提供样例给大模型提供了更明确的方向，让大模型能更准确、高效地提供我们想要的答案。
