Few-Shot Example Generation Skill 是一个面向大语言模型（LLM）的少样本示例生成与优化技能，主要用途是帮助使用者为提示（prompt）构建高质量的少样本示例，从而改善模型在具体任务上的表现。
主要能力 该技能提供以下能力：生成多样化的少样本示例；实现示例选择策略；优化示例排序以提升性能；创建动态示例检索；为特定任务设计示例格式；实现示例质量验证。
目标流程 该技能面向的目标流程包括：prompt-engineering-workflow（提示工程工作流）和 intent-classification-system（意图分类系统）。
使用方式与实现细节 在示例选择策略方面，该技能提供多种可选方案：
- 语义相似度（Semantic Similarity）：选择相似的示例；
- MMR 选择（MMR Selection）：进行多样化的示例选择；
- N-Gram 重叠（N-Gram Overlap）：基于词汇相似度；
- 随机采样（Random Sampling）：作为基线选择；
- 基于长度（Length-Based）：控制示例的规模大小。
配置选项 该技能支持以下配置项：示例数量、选择算法、示例格式（输入/输出结构）、最大 token 限制、示例存储后端。
最佳实践 资料中给出的最佳实践包括：在示例中覆盖边缘情况；平衡示例的多样性；优化示例排序；使用多样化输入进行测试；监控 token 使用量。
依赖 该技能依赖 langchain，以及用于语义选择的 sentence-transformers。
适用场景与限制 根据资料，该技能适用于提示工程工作流和意图分类系统等需要构建少样本示例的场景。关于具体的收费、价格、平台支持范围、实际效果或详细使用步骤，资料中暂未提供。