Few-shot Prompt Engineering：示例驱动的高效 Prompt 设计

# Few-shot 学习示意代码
def build_few_shot_prompt(examples: list, test_input: str) -> str:
    """
    examples: [{"input": "...", "output": "..."}, ...]
    """
    prompt_parts = []
    
    for i, example in enumerate(examples):
        prompt_parts.append(f"输入 {i+1}: {example['input']}")
        prompt_parts.append(f"输出 {i+1}: {example['output']}")
        prompt_parts.append("")
    
    prompt_parts.append(f"输入 {len(examples)+1}: {test_input}")
    prompt_parts.append(f"输出 {len(examples)+1}: ")
    
    return "\n".join(prompt_parts)

# 示例：情感分类
examples = [
    {"input": "这部电影太精彩了！", "output": "正面"},
    {"input": "质量很差，不推荐购买。", "output": "负面"},
    {"input": "还可以吧，一般般。", "output": "中性"},
]

test_input = "服务态度非常好，下次还来！"
prompt = build_few_shot_prompt(examples, test_input)
print(prompt)

import numpy as np
from sentence_transformers import SentenceTransformer

def select_diverse_examples(candidates: list, n: int = 3):
    """
    基于嵌入相似度选择多样化的 Few-shot 示例
    """
    model = SentenceTransformer('all-MiniLM-L6-v2')
    
    texts = [c["input"] for c in candidates]
    embeddings = model.encode(texts)
    
    # 使用 k-means++ 初始化策略：选择彼此距离最远的样本
    selected_indices = []
    remaining = list(range(len(candidates)))
    
    # 第一个随机选
    first = np.random.choice(remaining)
    selected_indices.append(first)
    remaining.remove(first)
    
    # 后续选与已选距离最大的
    for _ in range(n - 1):
        distances = []
        for r in remaining:
            min_dist = min(np.linalg.norm(embeddings[r] - embeddings[s]) 
                         for s in selected_indices)
            distances.append(min_dist)
        
        best_idx = remaining[np.argmax(distances)]
        selected_indices.append(best_idx)
        remaining.remove(best_idx)
    
    return [candidates[i] for i in selected_indices]

实验数据（GSM8K 数学推理）：

示例数 | 准确率 | Token 消耗（avg）
0      | 58.2%  | 120 tokens
1      | 68.5%  | 280 tokens
3      | 74.1%  | 520 tokens
5      | 76.8%  | 760 tokens
8      | 77.3%  | 1100 tokens
16     | 77.5%  | 1900 tokens

关键发现：3-5 个示例性价比最高，再增加收益递减。

# ❌ 不规范的格式混搭
examples_bad = [
    {"input": "翻译：Hello → ", "output": "你好"},
    {"input": "请将 'Goodbye' 翻译成中文", "output": "再见"},
]

# ✅ 格式必须严格一致
examples_good = [
    {"input": "English: Hello\nChinese:", "output": "你好"},
    {"input": "English: Goodbye\nChinese:", "output": "再见"},
    {"input": "English: Thank you\nChinese:", "output": "谢谢"},
]

✅ 推荐格式 1（XML 标签）：
<example>
<input>电影评价：好看</input>
<output>positive</output>
</example>

✅ 推荐格式 2（结构化文本）：
## 输入
电影评价：好看
## 输出
positive

✅ 推荐格式 3（Markdown 表格）：
| 输入 | 输出 |
|------|------|
| 电影评价：好看 | positive |

system_prompt = """你是一个文本分类专家。请根据输入文本的情感倾向，输出"正面"、"负面"或"中性"。

分类规则：
1. 包含积极正面词汇 → 正面
2. 包含消极负面词汇 → 负面
3. 无明显倾向或中立 → 中性
4. 讽刺或反语 → 根据实际意图判断"""

few_shot_examples = """
输入: 这个产品质量很棒，性价比高
输出: 正面

输入: 垃圾产品，用三天就坏了
输出: 负面

输入: 普普通通，没什么特别之处
输出: 中性
"""

test_input = "这款手机拍照效果超出预期！"

full_prompt = f"{system_prompt}\n\n{few_shot_examples}\n\n输入: {test_input}\n输出:"

import chromadb
from chromadb.utils import embedding_functions

class DynamicFewShot:
    def __init__(self, example_db: list):
        self.client = chromadb.Client()
        self.collection = self.client.create_collection(
            name="examples",
            embedding_function=embedding_functions.DefaultEmbeddingFunction()
        )
        # 索引示例
        for i, ex in enumerate(example_db):
            self.collection.add(
                ids=[str(i)],
                documents=[ex["input"]],
                metadatas=[{"output": ex["output"]}]
            )
    
    def retrieve(self, query: str, n: int = 3) -> list:
        results = self.collection.query(
            query_texts=[query],
            n_results=n
        )
        examples = []
        for i, doc in enumerate(results['documents'][0]):
            examples.append({
                "input": doc,
                "output": results['metadatas'][0][i]['output']
            })
        return examples

# 使用示例
db = [
    {"input": "今天天气真好", "output": "positive"},
    {"input": "又下雨了，真烦", "output": "negative"},
    # ... 更多示例
]
dfs = DynamicFewShot(db)
relevant = dfs.retrieve("这家餐厅太难吃了", n=3)

def two_stage_few_shot(text: str, all_labels: list) -> str:
    """两阶段 Few-shot：先缩小标签范围，再精确分类"""
    
    # Stage 1: 标签精简
    stage1_prompt = f"""从以下标签中选出最可能相关的 5 个标签：
{', '.join(all_labels)}

文本: {text}
最相关的标签:"""
    
    # ... 获取模型输出的 5 个候选标签
    
    # Stage 2: 用候选标签相关的 Few-shot 示例精确分类
    candidate_labels = ["投诉", "咨询", "建议", "表扬", "售后"]  # 假设输出
    few_shot_examples = get_examples_for_labels(candidate_labels)
    
    final_prompt = f"{few_shot_examples}\n\n文本: {text}\n标签:"
    # ... 调用模型获取最终标签

# Code generation with few-shot
code_examples = """
输入: Python 函数，计算列表平均值
输出:
def average(lst):
    return sum(lst) / len(lst) if lst else 0

输入: Python 函数，将字符串反转
输出:
def reverse_string(s):
    return s[::-1]

输入: Python 函数，检查是否为回文
输出:
def is_palindrome(s):
    clean = ''.join(c.lower() for c in s if c.isalnum())
    return clean == clean[::-1]
"""

test_prompt = f"{code_examples}\n\n输入: Python 函数，合并两个字典\n输出:"

## 任务：从简历中抽取结构化信息

## 示例 1
文本: 张三，2018年毕业于清华大学计算机系，曾在字节跳动担任高级工程师3年。
输出:
- 姓名: 张三
- 毕业院校: 清华大学
- 毕业年份: 2018年
- 专业: 计算机系
- 最近公司: 字节跳动
- 职位: 高级工程师
- 工作年限: 3年

## 示例 2
文本: 李四，北京大学金融硕士，CFA持证人，目前就职于高盛。
输出:
- 姓名: 李四
- 毕业院校: 北京大学
- 学历: 硕士
- 专业: 金融
- 证书: CFA
- 最近公司: 高盛

## 目标文本
文本: {target_text}
输出: