零样本提示：无需示例的智能对话

Header Image

本教程已经开源：https://github.com/learnagi/learnagi-course/blob/main/prompt-engineering/zero-shot.md

后面会持续更新可以关注 AGI01

本节概要

通过本节学习，你将学会：

理解零样本提示的工作原理和应用场景
掌握编写高质量提示词的核心技巧
学会在实际工作中灵活运用零样本提示
能够处理各类常见任务并持续优化效果

💡 重点内容：

零样本提示的基本原理
提示词编写的最佳实践
实战应用案例分析
效果优化和进阶技巧

什么是零样本提示？

想象你遇到一位博学多才的助手。他知识渊博，理解力强，最妙的是：你不需要给他看以前的工作案例，只要清晰地说明任务要求，他就能很好地完成工作。这就是零样本提示的核心理念。

核心特点

无需示例 - 直接利用模型已有知识
即时应用 - 快速上手各类任务
灵活通用 - 适应不同场景需求

工作原理

零样本提示就像是在和一个博学的助手对话：

📝 你描述任务 → 助手理解要求
🎯 设定规则 → 助手遵循规范
🔄 给出反馈 → 助手持续改进

实战应用：生活中的AI助手

1. 学习助手 📚

# 概念解释助手
prompt = """
请用通俗易懂的语言解释这个概念：
要求：
1. 使用生活中的例子
2. 分点列举重要信息
3. 难度适合高中生理解

概念：{你的课程概念}
"""

# 实际效果
输入：光合作用
输出：
• 简单来说，就像植物的"做饭"过程
• 原料：阳光（能量）+ 二氧化碳 + 水
• 成品：养分（糖分）+ 氧气
• 生活例子：就像太阳能充电器，把阳光能量转换成植物能用的能量

2. 写作助手 ✍️

# 文章润色助手
prompt = """
帮我改进以下文字：
要求：
1. 保持原意
2. 让表达更生动
3. 改正语法错误

原文：{你的文字}
"""

# 实际效果
输入：今天天气很好，我很开心
输出：和煦的阳光洒满大地，让我的心情也变得格外愉悦

3. 生活小帮手 🏠

# 食谱推荐助手
prompt = """
根据以下食材，推荐一道简单的菜：
要求：
1. 烹饪时间不超过30分钟
2. 只需要基础厨具
3. 列出详细步骤

现有食材：{你家的食材}
"""

# 实际效果
输入：鸡蛋、西红柿、葱花
输出：
推荐：西红柿炒鸡蛋
1. 准备时间：5分钟
2. 烹饪时间：10分钟
3. 详细步骤：...

4. 工作助手 💼

# 邮件优化助手
prompt = """
帮我修改这封邮件：
场景：工作邮件
要求：
1. 保持专业礼貌
2. 表达简洁清晰
3. 重点突出

原邮件：{你的邮件}
"""

# 实际例子
输入：老板，我明天要请假，下周来上班
输出：尊敬的XX经理：
      因个人原因，申请明天请假一天，将于下周一返岗工作...

5. 社交媒体助手 📱

# 社交文案优化
prompt = """
优化以下社交媒体内容：
要求：
1. 增加趣味性
2. 添加合适的表情符号
3. 控制在100字以内

原文案：{你的文案}
"""

# 实际例子
输入：今天去爬山了，风景很美
输出：🏃‍♂️征服山顶的感觉真好！
      大自然给了我最好的周末礼物 🎁
      蓝天、白云，还有满满的幸福感 ☁️

核心技巧：提升成功率

1. 任务分解法

将复杂任务拆分为简单步骤，逐步完成：

# ❌ 不好的做法
prompt = """
分析这篇文章并给出改进建议
"""

# ✅ 好的做法
prompt = """
第1步：提取文章主要论点
要求：
1. 列出中心论点
2. 提取关键论据
3. 标注重要数据

第2步：评估论证逻辑
检查：
1. 论据是否支持论点
2. 逻辑是否连贯
3. 举例是否恰当

第3步：给出改进建议
针对：
1. 论证结构
2. 数据支持
3. 表达方式
"""

2. 上下文增强法

添加背景信息，提升理解准确度：

# ❌ 不好的做法
prompt = "这个价格合理吗？"

# ✅ 好的做法
prompt = """
背景：高端智能手机市场分析
市场情况：
- 竞品价格区间：4000-8000元
- 目标用户：25-35岁中高收入群体
- 主要竞争对手：iPhone 15，华为Mate 60

产品信息：
- 处理器：最新旗舰芯片
- 屏幕：2K+高刷
- 电池：5000mAh
- 定价：5999元

请从以下维度分析定价合理性：
1. 竞争力分析
2. 目标用户支付意愿
3. 产品定位匹配度
"""

3. 约束优化法

通过设定具体约束提升输出质量：

# ❌ 不好的做法
prompt = "写一篇产品介绍"

# ✅ 好的做法
prompt = """
任务：撰写产品介绍文案
目标受众：25-35岁职场人士
文案要求：
1. 篇幅：300字以内
2. 结构：问题-解决方案-效果
3. 风格：专业但不晦涩

关键要素：
- 点明痛点（2-3个）
- 突出核心功能（3-5个）
- 强调独特优势（1-2个）
- 添加行动召唤

语言规范：
- 避免过度承诺
- 数据必须真实
- 用词积极向上
"""

进阶技巧：提升应用效果

1. 多轮对话策略

通过多轮对话优化结果：

# 第一轮：获取初步方案
prompt_1 = """
任务：设计产品功能方案
要求：列出核心功能点
"""

# 第二轮：优化和完善
prompt_2 = """
基于上述功能清单，请：
1. 评估实现难度（高/中/低）
2. 标注优先级（P0/P1/P2）
3. 补充技术依赖
"""

# 第三轮：制定执行计划
prompt_3 = """
结合难度和优先级，请：
1. 设计迭代计划
2. 制定时间节点
3. 识别潜在风险
"""

2. 模板库构建

建立个人或团队的模板库：

# 模板结构示例
templates = {
    "需求分析": {
        "prompt": """
        需求背景：{background}
        目标用户：{target_users}
        核心问题：{core_problems}
        
        请提供：
        1. 需求优先级分析
        2. 可行性评估
        3. 建议方案
        """,
        "使用场景": "产品需求讨论",
        "注意事项": "明确约束条件"
    },
    
    "代码优化": {
        "prompt": """
        代码评审要点：
        1. 性能优化空间
        2. 安全隐患
        3. 可维护性
        4. 扩展性考虑
        
        代码段：{code}
        """,
        "使用场景": "代码审查",
        "注意事项": "关注边界情况"
    }
}

3. 效果评估框架

建立系统的评估机制：

# 评估指标示例
metrics = {
    "准确性": {
        "评分标准": [
            "完全符合要求：5分",
            "基本符合要求：4分",
            "部分符合要求：3分",
            "较多偏差：2分",
            "完全不符合：1分"
        ],
        "权重": 0.4
    },
    "完整性": {
        "评分标准": [
            "覆盖所有要点：5分",
            "遗漏次要点：4分",
            "遗漏重要点：3分",
            "严重遗漏：2分",
            "基本未覆盖：1分"
        ],
        "权重": 0.3
    },
    "实用性": {
        "评分标准": [
            "直接可用：5分",
            "简单修改可用：4分",
            "需要调整：3分",
            "较难应用：2分",
            "无法使用：1分"
        ],
        "权重": 0.3
    }
}

# 评估流程
def evaluate_prompt(prompt_result):
    scores = {}
    for metric, details in metrics.items():
        # 评分逻辑
        score = get_score(prompt_result, details["评分标准"])
        weighted_score = score * details["权重"]
        scores[metric] = weighted_score
    
    return {
        "总分": sum(scores.values()),
        "分项得分": scores,
        "改进建议": generate_improvement_suggestions(scores)
    }

4. 持续优化策略

数据收集

记录成功/失败案例
收集用户反馈
追踪关键指标

定期复盘

分析失败原因
提炼成功经验
更新最佳实践

知识沉淀

维护问题库
更新模板库
分享实践心得

实战案例：智能客服系统

问题描述

背景：电商平台客服中心，每天处理大量客户问询
目标：提高响应速度，保证服务质量
挑战：问题类型多样，需要准确分类和处理

解决方案

# 客服问题分类助手
prompt = """
任务：客服问题智能分类
背景：电商平台客服中心

输入问题分类：
- 📦 物流相关（发货、运输、签收）
- 💰 退款相关（退货、换货、赔付）
- ❓ 产品咨询（规格、用法、参数）
- 🎯 售后支持（安装、维修、保修）

优先级定义：
- 紧急：2小时内处理
- 高级：当天处理
- 普通：3个工作日内处理

客户问题：{customer_question}
"""

# 实际效果
输入：我的快递显示已签收，但是我没收到
输出：
{
    "类型": "物流相关",
    "优先级": "紧急",
    "建议回复": "非常抱歉给您带来困扰，我们将立即联系快递核实情况...",
    "处理建议": "1. 核实快递轨迹 2. 联系快递员 3. 必要时启动赔付"
}

优化建议

定期更新问题类型库
收集用户反馈优化回复模板
建立问题处理的评估机制

小结

零样本提示就像是在教一个聪明的助手完成任务：

🎯 明确的指令带来好的结果
📝 具体的要求产生精确的输出
🔄 持续的优化提升使用效果

实践建议

从简单的任务开始
保持指令清晰具体
根据结果调整提示词
建立个人模板库

💡 提示：将好用的提示词保存下来，形成自己的模板库，这样可以在日后快速调用和优化。

练习任务

基础练习
- 为一篇博客文章写摘要
- 将专业文章改写成大众语言
- 生成一份简单的周报
进阶挑战
- 设计一个多步骤的任务处理流程
- 创建自己的提示词模板库
- 优化现有模板的效果