C#调用 AI学习从0开始-第1阶段(基础与工具)-第3天FewShot少样本测试

1.什么是Few-Shot

Few-Shot也就是在提词中写的几个示例或者样本,让AI理解你想要得格式和输出风格,然后应用到新的输出上。

2.为什么需要Few-Shot

因为不给示例,直接让AI做,输出不稳定,AI可能理解偏差。

给出2-5个示例,输出格式会稳定,输出准确率高,同时也会消耗更多token。

核心公式:Few-shot Prompt = 任务描述 + 示例1 + 示例2 + ... + 实际输入

常见问题与解决

*****输出格式不一致,原因temperature太高,设temperature=0.1。

*****分类错误率高,原因示例不够典型,更换更典型得示例。

*****返回得不是Json,原因没有强制要求,可添加response_format参数,设置此参数后,输入必须带有json字样,否则调API报错。

*****响应太慢,原因样本太多,控制示例数量在3-5个。

核心代码示例:

csharp 复制代码
//2.少样本分类(给示例)
                
                    var examples = GetFewShotExamples(3);

                    var userPrompt = new StringBuilder();
                    userPrompt.AppendLine("将用户输入分类为:技术问题、产品反馈、闲聊。");
                    userPrompt.AppendLine("只输出分类名称,不要有其他内容。");
                    userPrompt.AppendLine();
                    userPrompt.AppendLine("示例:");
                    userPrompt.AppendLine(examples);
                    userPrompt.AppendLine();
                    userPrompt.AppendLine($"用户输入:说一下今天得天气 输出json格式");
                    userPrompt.AppendLine("分类:");

                    var messages = new[]
                    {
                        new { role = "user", content = userPrompt.ToString() }
                    };
                


                //1.零样本分类(不给示例)
                //{
                //    var messages = new[]
                //    {
                //    new { role = "system", content = "将用户输入分类为:技术问题、产品反馈、闲聊。只输出分类名称,不要有其他内容。" },
                //    new { role = "user", content = "今天下小雨" }  //用户输入
                //    };
                //}


var requestBody = new
            {
                model = "qwen-turbo",
                messages = messageIn,
                temperature = 0.1,  // 低温度让输出更稳定
                response_format = new { type = "json_object" }  //
            };

Few-Shot学习完成!

相关推荐
xiaozhazha_1 小时前
技术解析:如何通过AI视频会议系统,解决业务协同与CRM间的“数据管道”问题
人工智能
思麟呀1 小时前
在C++基础上理解CSharp-1
开发语言·c++·c#
2zcode1 小时前
基于深度学习的车辆品牌与类型智能识别系统设计与实现
人工智能·深度学习·智能交通
小小尚@1 小时前
AI 加持!Adobe Acrobat DC 2026 解锁 PDF 高效办公新体验
人工智能·pdf
NOCSAH1 小时前
统好 AI:AI 赋能生产制造,扎实推进智改数转
人工智能·制造
Soari1 小时前
终结 AI 乱跑(Harness Engineering):深度拆解 ralph-orchestrator,构建确定性的多智能体生命周期编排流
人工智能·生命周期管理·harnesseng·多智能体编排
IT_陈寒1 小时前
被JavaScript的隐式类型转换坑到怀疑人生,记录这次离谱经历
前端·人工智能·后端
victory04311 小时前
从 2025-05 至 2026-05-15按时间顺序整理的“主线模型/技术报告”时间线
人工智能
广州灵眸科技有限公司1 小时前
瑞芯微(EASY EAI)RV1126B 模型部署API说明
linux·开发语言·网络·人工智能·深度学习·算法·yolo