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
信马堂3 小时前
WorkBuddy 接入第三方模型 API 全流程:安装与配置实录
人工智能·大模型·token·ai算力·workbuddy
朝朝辞暮i4 小时前
VLA 系统学习第 4 课:一个 Batch 进入神经网络后,模型到底是怎么“学会”的?
人工智能·python·神经网络·vla
IT古董4 小时前
《FDE前沿部署工程师实战教程》33 - Enterprise AI Observability:从Agent Trace到全链路智能运维
数据库·人工智能
xsd202411184 小时前
地网腐蚀AI识别算法全解析:从锈蚀图像到地下腐蚀快速定位
人工智能
oooost4 小时前
pytorch学习笔记2(transformer)
人工智能·机器学习
云杂项5 小时前
Exploring Model Inversion Attacks in the Black-box Setting(个人笔记)
人工智能
还卿一钵无情泪5 小时前
Unsloth 微调 构建自己的大模型 没有GPU也能微调
linux·开发语言·人工智能·python·大模型·nlp·unsloth
冬奇Lab6 小时前
LLM 驱动的自动化测试系列(06):移动端自动化(二)——DroidRun/Mobilerun 的角色级模型拆分
人工智能·测试
冬奇Lab6 小时前
一天一个开源项目(第230篇):HandRaw-Style —— 把 327 种手绘风格、165 种排版、36 种配色编号化,让 AI 画图不再每次都飘
人工智能·开源·资讯
罗西的思考6 小时前
从陶哲轩的访谈看:AI 数学研究方法论 & 给其它行业的启示
人工智能