还记得去年还在为Few-shot提示词的效果反复调试，现在Self-Consistency这种技术已经成了标配。提示词工程就像搭积木——初期靠现成的积木块（比如模板、例子），后期就得自己设计连接件（动态策略）。今天咱们就聊聊这两者怎么配合用，以及为什么别迷信"多给例子就能变强"的玄学说法。
Few-shot的核心是数据驱动。比如让模型生成诗歌，给5首不同风格的例子，它就会模仿这些模式。但问题来了：如果输入的领域和例子差距太大？比如问医疗诊断却给菜谱做类比，效果立刻崩盘。这时候需要领域适配，但手动写适配例子太耗时。我遇到过客户抱怨："我们行业术语多，每换一个产品都要重写提示词。"
这时候Self-Consistency登场了。它不是简单堆例子，而是通过多次推理取共识。比如回答数学题时，先让模型独立生成3种解法，再筛选最一致的答案。2023年MIT的研究发现，这种方法在GSM8K数据集上准确率比单轮提示提升14%。关键不在于例子数量，而在于逻辑自洽性。有个段子说AI工程师的日常工作就是和模型斗智斗勇：你让它"多思考"，它反而开始循环论证；你让它"简洁"，它又输出超长推理链。Self-Consistency某种程度上是个折中方案。
不过要注意，这俩技术不是非此即彼的关系。Few-shot适合低延迟场景，比如客服机器人快速回复；Self-Consistency更适合高容错任务，比如代码生成或法律文书审核。我曾测试过LLaMA-7B处理用户请求：当用Few-shot+检索增强时，响应速度快3倍，但错误率高出22%；而Self-Consistency版本虽然慢半拍，但能自动修正歧义。
进阶玩法是混合使用。比如先用Few-shot建立基础框架，再用Self-Consistency优化关键步骤。举个实际案例：在知识问答中，先提供3个相关文档摘要作为上下文（Few-shot），然后要求模型对每个候选答案分别给出置信度评分，最终取最高分的解释（Self-Consistency）。这样既保证覆盖广度，又避免过度发散。
最后吐槽下业界误区。总有人说"多给例子就能碾压模型"，结果把GPT-4当数据库喂了50条数据——效果还不如精心设计的单轮指令。提示词工程的精髓在于精准沟通，而不是信息轰炸。记住：好的提示词应该像程序员写API接口——明确输入输出的契约，而不是把需求写在便签上贴满显示器。