用途：few-shot-patterns 是一套少样本提示设计方法，核心是通过提供输入输出示例来演示期望行为，让 AI 从示例中学习模式并应用到新输入。资料强调示例质量直接决定输出质量。
主要能力：说明示例为何有效，包括传达指令难以表达的隐式模式（格式、风格、推理方式）、消解指令歧义、校准输出质量与长度深度、以及教会 AI 处理棘手边缘情况。
设计原则：多样性——覆盖不同场景，包含简单、困难与边缘案例，变化输入格式与内容，必要时展示多种有效输出格式；清晰性——每个示例只演示一个明确模式，避免多义，使输入到输出的映射显而易见，去除无关差异；质量——每个示例都应是可交付水准，示例有缺陷 AI 会复制缺陷，投入时间打磨示例比写指令更值得；顺序——最具代表性的示例放最前，边缘案例放在常见案例之后，以最接近预期输入类型的示例结尾。
示例数量：零样本（无示例，依赖指令，适合简单明确任务）、单样本（一个示例，模式直接时足够）、少样本（3-5 个，适合复杂模式或细致质量要求）、多样本（5 个以上，收益递减，但对高度多变任务或一致性关键时有用）。需在示例数量与上下文窗口成本间权衡，示例越多留给其他上下文的空间越少。
反模式：示例雷同、只有完美示例、示例互相矛盾、示例质量低、示例过时。
设计产物：按任务类型建立示例库、示例质量评分标准、示例选择指南、示例维护与更新计划、示例有效性测试结果。
限制：资料未提供具体安装命令、代码示例、平台支持、收费或价格信息，暂未提供。