同一个问题，AI 有时对、有时错。少样本提示先给例子，思维链让它分步想，两个技巧把正确率拉高一截。
同一个问题，AI 有时答对、有时答错，差别常常不在问题本身，而在你怎么问。两个技巧能明显拉高正确率：少样本提示（few-shot）和思维链（chain-of-thought，简称 CoT）。这一篇讲清它们是什么、什么时候用、怎么用。
一、少样本提示：一个例子胜过十句描述
少样本提示就是：在提问之前，先给 AI 一两个「合格答案」当示范。它看了范例，就会照着范例的结构、口吻和颗粒度来写，而不是用自己默认的腔调。
示例：「这是我认为合格的标题：『每天花 10 分钟写周报，领导以为我多干了一倍活』——带数字、有对比。请按这个标准，给这篇文章起 5 个标题：……（贴入文章）。要求：每个标题不超过 22 字，至少 2 个带数字。」
给范例的关键是「你觉得合格」，不是随便找一个。范例决定输出的天花板，范例差，输出就跟着差。
二、思维链：让 AI 先把步骤写出来
思维链的原理很朴素：让 AI 在给结论之前，先把推理步骤写出来。步骤摆在明面上，中间的错误就容易被发现、被纠正，而不是藏在一个「看似合理」的结论里。
示例：「公司本月收入 18.6 万，成本 12.2 万，上个月净利 4.1 万。请计算本月净利润，并和上月对比。要求：先列出计算步骤，再给结论。」
适合思维链的场景：计算题、逻辑题、多条件判断、需要推演的分析。日常聊天和简单查询不需要。
三、什么时候用哪个
| 情况 | 用哪个 |
|---|---|
| 简单问答、翻译、解释概念 | 都不用，直接问 |
| 要格式统一的输出（标题、邮件、列表） | 少样本提示 |
| 计算、推理、多条件判断 | 思维链 |
| 复杂任务，又要格式又要推理 | 两个叠加：先给范例，再让它分步 |
两个技巧叠用时，范例别太长，一两个就够，否则上下文被范例占满，反而稀释重点。
四、三个翻车点
1. 范例给错方向。范例是坏例子，AI 会照着坏样子写。给之前先问自己：这个范例我愿意直接交出去吗？
2. 步骤写太碎。「请一步一步想」会得到一大段自我辩解。明确说「只写关键步骤，结论放最后」，它就不会啰嗦。
3. 把中间推理当事实。思维链只是让错误可见，不代表步骤全对。数字、结论最后自己核一遍。
五、常见问题
这两个技巧需要付费功能吗？不需要，主流模型的普通对话都支持。
英文叫 few-shot 和 CoT，中文怎么说？少样本提示也叫上下文示例；思维链也叫链式思考提示。
每次都要给范例吗？不是。格式要求高的输出给范例最值；简单问答直接问就行。
适用模型：ChatGPT / Kimi / DeepSeek / 豆包 / Claude。适用场景：让 AI 做计算和数据分析；批量生成格式统一的文案；需要 AI 给出可核查的推理过程。