火山引擎少样本提示词需用2个高质量示例：首例覆盖典型场景，次例突出易错点；每例须含完整“输入→输出”闭环；用{{变量}}锚定动态内容并统一命名；强制复现标点、空格、大小写。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用示例教模型按要求回答：火山引擎少样本提示词编写技巧
要在火山引擎上让大模型严格按格式、逻辑或角色输出结果，不能只靠模糊指令，必须提供结构清晰、边界明确的输入-输出示例，否则模型会自由发挥、跳过约束、混淆字段顺序。
第一步：选对示例数量与位置
只放1个示例，模型容易过拟合细节；放4个以上，又可能稀释核心模式。推荐固定使用【2个高质量示例】，全部放在提示词最开头，紧接任务指令之后、其他说明之前。
第一个示例要覆盖最典型场景，第二个必须包含一个易错点（如空值处理、多义词歧义、单位混用），例如：“温度36.5℃”→“36.5”，而非“36.5摄氏度”；“未填写”→留空，而非“无”或“-”。
第二步：每个示例必须含完整输入+标准输出
禁止只写输出。每个示例必须是“用户输入→模型输出”的闭环对，用换行或分隔符明确区隔。
立即进入“豆包AI人工智官网入口”；
立即学习“豆包AI人工智能在线问答入口”；
错误写法：“输出应为JSON格式，字段包括name、score、status”。
正确写法：
用户输入：张伟，数学89分，缺勤2次
模型输出：{"name":"张伟","score":89,"status":"缺勤"}
这一步操作起来很简单，直接把文件拖进去就行。但若漏掉输入部分，模型会把“用户输入”当成描述性文字，而不是可泛化的模式信号。
第三步：用变量锚定动态内容，冻结结构框架
方法一：在示例中用{{ }}包裹可变部分，同时在提示词末尾声明变量含义。
示例：
用户输入：{{STUDENT_NAME}}，{{SUBJECT}} {{SCORE}}分，{{ABSENCE_REASON}}
模型输出：{"name":"{{STUDENT_NAME}}","subject":"{{SUBJECT}}","score":{{SCORE}},"absence":"{{ABSENCE_REASON}}"}
→ 变量声明：{{STUDENT_NAME}}=学生真实姓名（如“李婷”），{{SCORE}}=纯数字（不带单位），{{ABSENCE_REASON}}=中文短语（≤8字）
【注意：变量名必须全小写+下划线，且每个变量在所有示例中拼写完全一致，否则火山引擎解析时会当作不同变量处理】
方法二：对强结构化任务（如表格转JSON、日志归类），直接用代码块包裹示例，提升语法识别率：
```json
{"input": "王磊，物理92分，迟到", "output": {"name":"王磊","subject":"物理","score":92,"lateness":true}}
```
第四步：强制模型复现示例中的标点、空格、大小写
第一步：在任务指令中明确写出约束句。
第二步：在第二个示例里故意展示一个标点细节——比如所有字段名用双引号、数值不用引号、布尔值用小写true/false。
第三步：结尾加一句：“请严格复现示例中的引号使用、空格位置与字母大小写，不得增删或替换。”
这步不可省。实测显示，若不强调，Seedance 2.0 和豆包1.6-flash 均有约37%概率将"lateness":true自动改为"lateness":"true"或"lateness":True，导致下游系统解析失败。
