在Few-shot Prompt中，示例的选择和排序对结果有何影响？如何优化？

影响：

• 示例质量：准确、格式规范的示例比随意示例效果好很多
• 示例多样性：涵盖多种Case类型比重复同一种类型好
• 标签分布：示例的标签/答案分布尽量均衡（如正负样本各一半，避免模型偏斜）
• 顺序效应：模型对最近看到的示例更敏感（Recency Bias），建议随机打乱顺序多次采样取平均结果

优化策略：

• 动态示例选择：基于用户Query的embedding检索最相似的K个示例
• 主动学习：找出模型最常出错的Case类型，重点补充该类示例
• 困难负例：不光给正例，给「容易搞错的Case」作为负例，明确告诉模型「这种不要这样做」
• 格式对齐：确保Few-shot示例的格式与期望的输出格式完全一致

工具支持：LangChain ExampleSelector、LlamaIndex FewShotPromptTemplate