English
This page is available in English
The whole page — instructions, buttons and results.
Switch to English免费中文少样本示例格式化工具：把输入/输出示例对整理为少样本提示词块，适配任意模型。浏览器本地运行。
中文少样本示例格式化工具
用一个简单的表单，拼出干净的中文少样本（few-shot）提示块——一句任务说明，再加几组可增减的「输入 / 输出」示例，随后直接复制到 DeepSeek、通义千问、豆包、Kimi、文心或智谱中使用。全部在你的浏览器本地拼接，不向服务器发送任何内容，也不会调用任何模型。
提示：本工具只负责拼接文本。请自行把结果复制到 DeepSeek / 通义千问 / 豆包 / Kimi 等模型中——不会调用任何模型，也不会向任何地方发送内容。
本中文少样本示例格式化工具的工作原理
写清任务说明
在「任务说明」一栏写下你要模型做的事，例如「把下面的客服留言归类为：咨询 / 投诉 / 退款」。任务一句话讲清楚做什么、按什么标准做，是整段少样本提示的总纲，会被放在示例之前作为开头。
添加几组输入 / 输出示例
点击「添加示例」，逐组填入「输入」与对应的理想「输出」。示例是少样本（few-shot）的核心：用两三组覆盖典型情形与边界情形的高质量示例，向模型「示范」你想要的格式、口径与判断标准，比长篇文字描述更有效。
增减示例、即时预览
需要更多示例就继续添加，不需要的点「移除」即可；空白的示例会被自动跳过。每改动一处，下方的少样本提示块都会实时重新拼接，示例自动编号，并在末尾补上「现在请处理：」与一个待填的「输入：」。
复制到 DeepSeek / 通义千问 / 豆包
点击「复制」，把拼好的少样本提示块粘贴到 DeepSeek、通义千问、豆包、Kimi、文心或智谱，再在末尾「输入：」后补上你的真实数据即可。全程在浏览器本地拼接，不向任何服务器发送内容。
本中文少样本示例格式化工具的工作原理
示例，比文字描述更能「教会」模型
少样本（few-shot）提示，是给中文模型提示词做的最简单而可靠的一次升级。与其用文字描述你想要的答案格式，不如直接给模型两三组做好的示例——一组组「输入」与对应的理想「输出」——让它自己归纳出其中的套路。对于分类、抽取、改写、格式转换这类「有固定套路」的任务，这通常比纯文字说明更稳定，因为模型是直接看到目标形态，而非靠猜测去推断。本工具替你保留这套结构：写一句任务说明，再添加几组输入/输出示例，它就会拼出一段干净的提示块——任务说明在前，每组示例自动编号并以「输入：」「输出：」标注，末尾再补上「现在请处理：」一行，留好待填的「输入：」。其成品，正是一位细心的提示工程师会手动拼出的少样本提示，只是几秒钟就生成好，可直接粘贴进任何模型。
顺序很重要。先放一句任务说明，告诉模型这是什么活、按什么标准做；这样当它读到示例时，会把它们当作对这一目标的「示范」，而非随意的文字。任务之后，由示例挑大梁。每一组示例都进一步固定你想要的格式与判断：输出该怎么措辞、要包含哪些字段、那些尴尬的中间情形该如何处理。由于本工具把每一组示例都用相同方式编号、格式化，模型看到的是一个稳定重复的结构，往往会忠实地延续下去——这正是少样本之所以擅长在后续大量输入上「锁定」一致输出形态的原因。
「不要去描述你想要的输出，而要直接示范它。两组好示例，往往比两段规则更能教会中文模型。」
几组好示例，胜过一大段规则
少样本的功夫，在于挑对示例，而非堆砌更多。两三组高质量示例，覆盖典型情形与你真正在意的边界情形——空值、歧义、异常输入——其效果会胜过十组随手写的示例。而且每一组示例在每一轮对话里都会占用上下文，臃肿的提示块既抬高 token 成本，又可能稀释模型本应遵循的指令。这门纪律和写好单元测试如出一辙：挑出能钉死你关心的行为的情形，干净地示范出来，然后就停。模型若能处理好这些，通常也能处理好其余的。
由于输出是结构化纯文本，同一段少样本提示块在各家中文大模型间通用，放到 ChatGPT、Claude 或 Gemini 上也同样好用；末尾的接力行给了模型一个明确的续写位置。又因为整个工具在本地运行，你可以放心反复打磨——加一组示例、改一处输出、再次复制、即时测试——而你输入的内容始终不会离开浏览器、不会发送到任何模型、也不会被保存。把第一版提示块当作草稿：跑一遍，看模型在哪里跑偏，再补上或打磨那一组恰好覆盖该情形的示例。两三轮下来，往往就能把一个平庸、忽好忽坏的回答，调成干净、可复用的稳定结果，最后还留下一段整洁、可重复使用的少样本提示。
两个好例子胜过十个，每个都吃上下文
少样本（few-shot）提示是在指令之外附上几组「输入 → 输出」示例，让模型照着示范的格式与口径作答，通常比纯文字描述更可靠。
示例的质量比数量更重要：两三组覆盖典型与边界情形的高质量示例，往往胜过十组随手写的示例。
把任务说明放在示例之前，能让模型先理解目标，再从示例中学习具体的格式与判断标准。
统一示例的格式（如固定用「输入：」「输出：」前缀）有助于模型稳定地套用同一种结构作答。
示例越多越占用每轮上下文，既增加成本也可能稀释指令，宜精不宜多。
在末尾加上「现在请处理：」并留一个空的「输入：」，相当于给模型一个明确的接力点，让它顺势补完输出。
少样本示例对分类、抽取、改写、格式转换等「有固定套路」的任务尤其有效。
示例里应包含你真正在意的边界情形（如空值、歧义、异常输入），模型才会照你的方式处理它们。
同一套少样本提示在 DeepSeek、通义千问、豆包、Kimi、文心、智谱上都适用，因为它本质就是结构化纯文本。
本工具完全在你的浏览器本地拼接提示块——输入内容不会上传、不会调用任何模型，也不会被保存。
常见问题
- 少样本提示是在给模型的指令里，额外附上几组「输入 → 输出」示例，让模型「照着做」。相比只用文字描述要求，示例能更直接地示范你想要的格式、口径与判断标准，因此结果通常更稳定、更贴近预期。
- 不会。本工具只是把你填写的任务说明与各组输入/输出示例，按固定模板拼接成一段少样本提示块，全程在你的浏览器本地完成，不调用 DeepSeek、通义千问或任何大模型，也不联网。生成的提示块需要你自己复制到所选模型里使用。
- 通常 2–5 组即可。少样本贵在「精」：用两三组覆盖典型与边界情形的高质量示例，往往胜过十组随手写的示例。示例越多越占用上下文、增加成本，也可能稀释指令，按需增减即可。
- DeepSeek、通义千问、豆包、Kimi、文心一言、智谱清言等主流中文大模型都适用；ChatGPT、Claude、Gemini 等也同样可用。因为输出是结构化纯文本，与具体厂商无关，你可以粘贴到对话框或系统提示中。
- 它是给模型的接力点：示例演示完格式后，这一行加上一个空的「输入：」，提示模型接下来该用同样的方式处理你的真实数据。你只需在「输入：」后补上要处理的内容，模型就会顺势给出对应的「输出」。
- 不会。所有拼接都用纯 JavaScript 在你的浏览器本地完成，你输入的任务与示例不会发送到任何模型、服务器或第三方，也不会被存储。
- 建议包含。如果你在意空值、歧义、异常输入等边界情形，就用示例明确示范该如何处理它们；否则模型只能猜。把你真正关心的「难例」放进示例，是少样本最有价值的用法之一。
- 两者配合最好。任务说明用一句话讲清目标与标准，作为总纲；示例则把抽象要求落到具体的输入/输出上。先写清任务、再用少量高质量示例示范，通常比单靠其中之一都更可靠。
- 可以。本工具产出的任务说明与少样本示例，正好可以作为智能体框架里系统提示的一部分，向其示范在固定任务上的标准输出。把它粘贴进去即可，与具体框架无关。
- 完全免费，无需注册或登录，也没有使用次数限制。它在你的浏览器中运行，不收集任何数据。
Related News
You may be interested in these recent stories from our newsroom.
-
The Evidence That AI Wrote PhantomRaven Is Its Comments
CrowdStrike calls the stealer almost certainly machine-generated, on redundant commenting, a leftover placeholder URL and token statistics.
-
Claude Opus 5 Wrote the Exploit. Three People Aimed It.
A forum image upload led to an over-permissioned login token, and from there into employee accounts and an internal code repository.
-
Google Gemini Breached Three Real Companies During a Security Test
A capture-the-flag exercise handed a model internet access it was never meant to have, aimed at a company that turned out to exist.
Pick up where you left off
Stored only in this browser — never sent to our servers.