零样本提示（Zero-Shot Prompting ）是提示工程中最基础也是最神奇的技术之一。简单来说，它就是在不提供任何示例的情况下，直接告诉AI 模型你想要它完成什么任务，让模型完全依靠其预训练知识来理解并执行任务 ^[9] 。

想象一下，你雇佣了一位博学的助手，但你从来没有告诉过他如何做某项具体工作。你只是描述了任务本身，他就能凭借自己的知识和理解来完成。这就是零样本提示的工作原理。

1. 核心特征

零样本提示具有以下几个关键特征：

（1 ）无示例依赖性：不需要提供任何演示性的输入- 输出对，模型完全依靠任务描述来理解意图。

（2 ）预训练知识驱动：模型利用在大规模数据上预训练获得的知识来处理新任务。

（3 ）即时适应能力：能够处理训练时未明确见过的任务类型，展现出强大的泛化能力。

（4 ）简洁高效：提示结构简单直接，无需复杂的示例构造。

2. 零样本提示的工作原理

零样本提示的成功基于大语言模型的几个关键能力：

（1 ）语言理解能力：模型能够准确理解自然语言描述的任务指令。

（2 ）知识迁移能力：将预训练期间学到的知识应用到新的任务场景中。

（3 ）模式识别能力：从任务描述中识别出任务类型和所需的处理模式。

（4 ）推理能力：基于上下文信息进行逻辑推理和判断。

3. 技术原理

大语言模型在预训练过程中接触了大量包含各种任务类型的文本数据。这些数据包含了问答、分类、翻译、摘要等多种任务的自然表达形式。当我们使用零样本提示时，模型会：

（1 ）任务识别：分析提示文本，识别出任务类型。

（2 ）知识激活：激活相关的预训练知识。

（3 ）模式匹配：将当前任务与训练中见过的类似模式进行匹配。

（4 ）答案生成：基于识别的模式和激活的知识生成响应。

作为药剂师回答：

Q: 二甲双胍的适应症、禁忌症及与阿司匹林的相互作用？  

要求：  

1. 引用《中国 2 型糖尿病防治指南》  

2. 分点陈述（ max 200 字）  

4. 零样本提示的应用场景

1 ）文本分类任务

文本分类是零样本提示最常见的应用场景之一。

（1 ）基础情感分析提示词示例：

提示：请分析以下文本的情感倾向，分类为积极、消极或中性。

文本：今天的天气还不错，但是交通有点堵。

分类：

（2 ）高级情感分析提示词示例：

作为一位专业的情感分析师，请仔细分析以下客户评价的情感倾向。请从以下五个维度进行评分：非常积极 (+2) 、积极 (+1) 、中性 (0) 、消极 (-1) 、非常消极 (-2) 。

客户评价：这家餐厅的服务态度很好，但是菜品质量一般，价格偏高。

请提供详细分析和评分理由。

（3 ）主题分类提示词示例：

请将以下新闻标题分类到相应的新闻类别中。可选类别包括：政治、经济、科技、体育、娱乐、社会、国际。

新闻标题：某科技公司发布最新人工智能芯片，性能提升 300% 。

类别：

2 ）问答任务

零样本提示在问答任务中表现出色，能够处理各种类型的问题。

（1 ）事实性问答提示词示例：

请回答以下问题，如果不确定答案，请说明。

问题：世界上最高的山峰是什么？它的海拔高度是多少？

答案：

（2 ）推理性问答提示词示例：

提示：请仔细分析以下逻辑问题，并给出推理过程。

问题：如果所有的玫瑰都是花，所有的花都需要阳光，而这朵植物是玫瑰，那么这朵植物需要阳光吗？请解释你的推理过程。

3 ）文本生成任务

（1 ）创意写作提示词示例：

请以“未来城市”为主题，写一段 200 字左右的科幻小说开头。要求有鲜明的场景描述和引人入胜的情节开端。

（2 ）商业文案提示词示例：

提示：为一款新型智能手表撰写产品宣传文案。产品特点：超长续航、健康监测、防水防尘。目标客户：注重健康的年轻人群。字数控制在 100 字以内。

4 ）数据分析任务

数据解读提示词示例：

请分析以下销售数据，并提供洞察和建议。

数据：某电商平台 Q1 季度销售额为 1000 万， Q2 为 1200 万， Q3 为 1100 万， Q4 为 1300 万。其中，电子产品占比 40% ，服装占比 35% ，家居用品占比 25% 。

请分析销售趋势和产品结构，并提供改进建议。

5. 优化零样本提示的策略

1 ）清晰的任务描述

模糊提示（效果差）示例：

告诉我这个句子的意思。

句子： The cat sat on the mat.

清晰提示（效果好）示例：

请将以下英文句子翻译成中文，并解释其中的语法结构。

英文句子： The cat sat on the mat.

2 ）角色定义策略

通过为AI 分配特定角色，可以激活相关的知识域和思维模式。

基础提示示例：

分析一下这家公司的财务状况。

角色定义提示示例：

你是一位资深的财务分析师，拥有 20 年的上市公司分析经验。请从以下几个维度分析这家公司的财务状况：盈利能力、偿债能力、运营效率、成长性。请提供专业且易懂的分析报告。

6. 零样本提示的局限性与挑战

知识边界限制：模型只能基于预训练数据中的知识，对于全新的概念或最新信息可能无法准确处理。

l   复杂任务处理能力不足：对于需要多步推理或复杂逻辑的任务，零样本提示可能力不从心。

l   一致性问题：同样的提示在不同时间可能产生不同的结果，缺乏稳定性。

l   领域专业性不足：在高度专业化的领域，零样本提示可能无法达到专家级别的表现。

7. 小结

零样本提示作为提示工程的基础技术，展现了大语言模型强大的泛化能力和理解能力。虽然存在一些局限性，但通过合理的设计和优化，零样本提示能够在大多数常见任务中发挥出色的效果。

掌握零样本提示的关键在于：理解工作原理、明确任务需求、精确表达意图、合理设置期望。随着技术的发展，零样本提示将在人工智能应用中发挥越来越重要的作用，成为人机交互的重要桥梁。

=========================================

本文节选自 西电博导鲍亮与西交博导李倩创作的《大模型应用开发》，获得出版社和作者授权发布。