零樣本提示（Zero-shot Prompting）是什麼：先把任務說清楚

零樣本提示（Zero-shot Prompting）是在提示中沒有提供已解答的任務示範，直接用指示請模型處理新輸入。像「把這段公告整理成重點」就是常見形式。這裡的「零」指當次給的示範數量，不是模型沒有訓練，也不代表它不知道任何相關知識。

你仍然可以附上完整文件、分類規則與輸出要求。沒有例子和沒有背景資料，是不同事情。以下用家用電器說明書的整理情境，教你先建立清楚的零樣本基準，再依錯誤決定要補規則、補來源，還是改用少樣本示範。

零樣本並不是憑空學會一切

語言模型在訓練階段已接觸大量模式，有些還經過指令微調，學習依自然語言要求完成工作。Wei 等人的 FLAN 研究探討指令微調如何改善未見任務類型的零樣本表現。這項研究說明零樣本能力可能受訓練方式影響，不能把「這次沒給例子」理解為模型完全從零開始。

研究中的零樣本也需看評估設定：哪些任務未見過、訓練資料如何安排，都有特定定義。一般使用者在提示設計中說零樣本，通常只是表示這份提示沒有附輸入與標準答案配對。兩種說法相關，但不應把聊天操作直接當成嚴格的研究測試。

例如你要模型整理說明書，它可能已熟悉常見的說明文件形式；你今天提供的卻是某臺機器的實際內容。能寫出像使用說明的語氣，和能忠實整理這份文件，仍是兩回事。真正需要查核的是它有沒有遵守來源，而不是答案看起來是否流暢。

把任務拆成對象、動作與交付形式

比起只說「幫我看一下」，可寫成：「從以下除濕機說明中找出清潔濾網的步驟，依操作順序列出；保留停止使用的條件，未提到的部分不要補充。」這份提示沒有已完成示範，所以仍屬零樣本，但已告訴模型要看哪份資料、做什麼及如何輸出。

Google 的提示設計文件強調明確指示、限制與回覆格式。套用在這個案例時，先決定你要的是步驟摘要、警示擷取，還是新手解說。若一次要求全面評測、故障診斷和購買建議，就把不同任務混在一起，容易讓模型離開文件範圍。

也要定義資訊不足時怎麼辦。假設文件只說定期清潔，沒有具體頻率，預期輸出應保留「未載明頻率」。若你硬要求每個欄位一定填完整，可能誘使模型用一般經驗補上數字。缺漏欄位是一項有用結果，不是需要掩飾的回答瑕疵。

用說明書做一次完整練習

以下情境純屬示意。準備一段你有權使用、不含個資的機器說明，文字包含關機、拔除電源、取出濾網、依原廠方法清潔及乾燥後裝回。請模型列出原文提到的順序，另外標示任何需先滿足的條件，並要求不新增原文沒有的清潔工具。

預期輸出應能讓你回查每一步的來源。檢查是否漏掉拔除電源、是否把乾燥改成任意時間、是否自行加入清潔劑。這個例子是在教你驗證摘要忠實度，實際維護仍以該機器原廠說明為依據；不要把示意步驟套用到所有電器。

再準備另一段文字，把順序資訊寫在不同位置，或加入「不得用水清洗」等否定條件。若模型只會整理明顯的條列文，遇到段落敘述就漏掉限制，表示這份提示的適用範圍比你想像的小。這是需要調整來源組織或提示的證據，不是直接宣告零樣本方法失效。

先分類錯誤，再決定要加什麼

若模型漏了你已提供的條件，先把工作範圍寫得更明確，或將相關段落放在一起。若它總是用錯欄位，加入少量完整示範可能有幫助。若它不知道文件沒有提供的新版本功能，應補正確來源或查詢工具，少樣本格式示範不能創造缺少的事實。

零樣本特別適合作為起點，因為提示較短，較容易看出基本規則是否足夠。當你日後加入例子，才有清楚的比較對象。如果一開始就堆入大量範例、角色設定和例外條件，改進了什麼、哪一段真正有作用，反而較難確認。

不要因為模型第一次答錯就只加「務必正確」「絕對不能錯」。這些字沒有指出錯在哪裡。更有效的修正是：「警告條件需另外列出，不要合併成一般清潔步驟」，並用同一批資料重新檢查。這樣的變更能對應具體錯誤，也比較容易維護。

零樣本、少樣本與附資料可以一起理解

少樣本提示會附示範，零樣本則不附；但兩者都能提供檢索到的文件。你可以在沒有示範的情況下，請模型根據查到的操作手冊回答，所以零樣本並不排斥檢索增強生成。這些概念分別描述示範配置與事實來源，並不是只能擇一的產品類別。

同樣地，要求「分步列出」也不會自動把提示變成少樣本。它是在規定輸出形式，沒有展示一組已完成的任務答案。瞭解這個差別，可以讓團隊討論提示時更精確：到底要增加規則文字、增加示範，還是增加原始資料，每一種改動的成本與用途都不同。

最後留下穩定的驗證集，包含普通文件、資訊缺漏與否定條件。規則改版或模型更換後再跑一次，記錄哪些案例改善、哪些退步。零樣本不是低階用法；只要任務清楚、資料足夠且結果可驗證，簡單的提示本身就可能是合適方案。

驗證紀錄也應保留當時的原文版本。若手冊已更新，舊答案不一定仍正確；需要重新比較的是來源和摘要的一致性，而非要求模型維持舊說法。

少樣本提示（Few-shot Prompting）是什麼：用例子教清楚格式

檢索增強生成（RAG）是什麼：讓回答附上可查的依據

AI 名詞總索引：從 Loop Engineering 到生成式 AI

• AI 工具
• 教學
• AI 名詞解釋