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
Raas1002 小时前
MAI Gateway(魔芋企业级AI网关)技术揭秘:AI网关支持哪些模型?从原理到落地
大数据·人工智能·网关·gateway·mai gateway·企业级产品
豪气的程序猿5 小时前
电商图片工作流怎么选?Lingko AI 对比折叠键盘主图与详情页
人工智能
小刘快学习5 小时前
把 AI 账单拆到部门:企业 AI 网关的精准分账思路
人工智能
米小虾5 小时前
你让监控模型读的思维链,可能是攻击者写好的剧本
人工智能
deepseek235 小时前
Iris 开源搜索智能体拆解:35B 与 397B 中文仅差 0.3 分,上下文管理胜过堆参数
人工智能·ai agent·开源模型
ai小陈5 小时前
CUDA Stream实战:让数据传输与GPU计算真正重叠
人工智能·深度学习·ai·pdf·云计算·gpu算力
residual_fan5 小时前
【学术论文】航空发动机故障诊断智能体:基于持续对比强化学习的动态优化方法
人工智能·算法·数据挖掘·数据分析
东风破_6 小时前
从 RAG 到 Agentic RAG:第二步,把复杂问题拆开再检索
人工智能
dehuisun6 小时前
第07篇:RAG+Agent 部署架构、资源评估与私有化方案
人工智能
米小虾6 小时前
拆给 8 个子智能体,只拿回 2.3 倍信息:多智能体分解的产出守恒律
人工智能·agent