Zero-shot、Few-shot 與思維鏈：AWS 教的提示技巧與四類風險

上一篇整理了 AWS《Essentials of Prompt Engineering》教的基本功：提示的四個元素、推論參數與好習慣清單。這一篇接著寫課程的後半：真正動手時最常用的三個技巧、它們的延伸家族，以及我認為全課最值得的一段：提示的誤用與風險。

如果你已經會寫「還可以」的提示，這篇的技巧會讓它們變成「穩定可靠」的提示。

三個基本技巧：zero-shot、few-shot、思維鏈

zero-shot 是最省事的做法：不給任何範例，直接把任務丟給模型，靠它的通用能力接招。課程提到兩個觀察：模型越大、能力越強，zero-shot 的效果越好；經過指令微調（instruction tuning）的模型，zero-shot 表現也會更好。

few-shot 則是在提示裡附上幾組「輸入與期望輸出」的示範，讓模型照著模仿；只給一個範例時也叫 one-shot。挑範例有兩個重點：要能代表你想要的任務、涵蓋多樣的輸入與輸出，而且要清楚簡潔。

思維鏈（Chain-of-Thought）是把複雜的推理任務拆成中間步驟，可以搭配 zero-shot 或 few-shot 一起用；最經典的觸發語就是「Think step by step」。課程建議在需要多步驟或一連串邏輯推理的任務上使用，例如比較兩個方案的金額、解數學應用題。

進階技巧家族

AWS 的補充資料裡還介紹了一整個技巧家族，多半是思維鏈的延伸：

• 思維樹：讓模型產生多個可能的下一步，再用樹狀搜尋逐一展開，適合需要探索不同方向的問題。
• 最少到最多：先請模型列出子問題，再依序解決；後面的子問題可以借用前面的答案。
• 自我優化：請模型作答、自我評判，再依評判重寫，重複到滿意或達到停止條件為止。
• 產生知識的提示：先請模型產出與任務相關的事實，再根據這些事實完成任務，答案的品質通常更好。
• 指示性促進：在提示裡放進想要的關鍵字當線索，引導輸出往特定方向走。

不用全部背下來。這個家族的共通精神只有一個：與其期待模型一步到位，不如把思考的過程設計進提示裡。

提示的誤用與風險

課程後段花了一整課講提示的誤用（misuse）與風險，這是多數提示工程教材會省略、但寫應用的人絕對不能跳過的部分。它把常見的風險分成幾類：

• 資料汙染（poisoning）：把惡意或偏頗的資料混進模型的訓練資料，讓模型輸出偏頗或有害的內容。
• 劫持與提示注入（hijacking / prompt injection）：把指令藏進提示或輸入內容，讓模型照攻擊者的意圖行動，例如大量產製不實資訊。課程也提醒，注入手法本身是中性的，也能用來客製模型行為，例如翻譯時保留產品名稱。
• 暴露（exposure）：模型不小心把訓練或推論時接觸到的敏感資料吐了出來，例如在推薦內容裡透露某位客戶買過什麼書。
• 提示洩漏（prompt leaking）：模型被誘導說出自己收到的系統指示，讓攻擊者摸清系統怎麼運作，再對症下藥。
• 越獄（jailbreaking）：用精心設計的提示繞過模型的安全限制。課程的例子很傳神：直接問「怎麼闖進一輛車」會被拒絕，但要求模型扮演接受採訪的職業竊賊，它就開始回答了。

把技巧變成習慣

這門課後半的安排很聰明：先給你三個立刻能用的技巧，再給一整個延伸家族，最後潑一盆冷水提醒你風險。我的建議是照這個順序練：先用 few-shot 把手上一個常做的任務範本化；再對需要推理的任務加上思維鏈；最後回頭檢查你的應用，有沒有把使用者輸入直接當成指令。

三步做完，你對提示工程的理解就會從「會問問題」升級成「會設計系統」。