给示例不给指令：贴上旧版和目标风格版，AI 照葫芦画瓢比讲道理准

一、问题的提出：为什么“讲道理”不管用

1.1 一个普遍存在的困境

任何长期使用LLM辅助写作的人都会遇到这样的场景：你需要把一段技术文档改写成更口语化的风格，于是你在提示词里写道“请用轻松、口语化的风格改写，避免过于正式的表达，像跟朋友聊天一样”。模型确实改了，但改出来的东西要么过于随意显得不专业，要么仍然保留着那种标志性的“AI腔”——句式工整得可疑，转折词用得过于频繁，每段结尾总喜欢来一句总结。

你继续调整指令：“不要太口语化，保持专业但亲切”“减少‘总之’‘值得注意的是’这类词”“句子长短交替”。每加一条指令，模型似乎都理解了，但产出的文本仍然差那么一口气。你陷入了一个怪圈：指令越写越多，效果提升却越来越小。

这不是你的提示词写得不好。这是指令驱动风格控制的一个结构性缺陷。

1.2 指令驱动 vs 示例驱动：一个思想实验

设想你要向一个从未见过“爵士乐”的人描述这种音乐风格。你可以说：“它是一种即兴的、有摇摆感的音乐，强调个人表达，和声复杂，节奏自由。”对方听完，大概率仍然不知道爵士乐听起来是什么样。但如果你直接放一首Miles Davis的《So What》给他听，他立刻就懂了——虽然他说不出定义，但他能识别、能模仿、能判断“像不像”。

风格就是这样一种东西：它可识别、可模仿，但极难用规则完整描述。LLM的风格控制面临完全相同的困境。当你用自然语言描述风格时，你实际上是在做一件信息论上极其低效的事情——把一个高维的风格分布压缩成几句低维的规则描述，然后期望模型能从这些规则中重建出完整的风格分布。

本文评述认为，这正是“给示例不给指令”策略的核心洞察：示例是风格分布的一个直接采样，而指令是风格分布的有损压缩。在信息传递效率上，一个精心选择的示例远胜于一段精心撰写的指令。

1.3 本文的分析主线

基于上述洞察，本文确立一条贯穿全文的分析主线：

风格的本质是分布而非规则。示例是分布的最短编码，指令是分布的有损压缩。因此，在风格迁移任务中，示例驱动的上下文学习在信息效率上天然优于指令驱动的规则遵循。

这条主线将指导我们完成从理论分析到工程实践的完整旅程。在第二章，我们从上下文学习的机制出发，解释为什么LLM具备从示例中提取风格模式的能力。第三章讨论示例构造的具体方法论。第四章深入提示设计的工程细节。第五章给出完整的实战流水线。第六章建立质量评估体系。第七章总结常见陷阱。第八章展望前沿方向。第九章给出可操作清单。

二、理论根基：上下文学习与风格作为分布

2.1 上下文学习的机制回顾

上下文学习（In-Context Learning, ICL）是GPT-3论文（Brown et al., 2020）首次系统描述的现象：模型无需更新参数，仅通过提示词中提供的少量示例，就能在新任务上表现出显著性能提升。这一发现颠覆了传统机器学习“训练-推理”两阶段的范式，也为此后所有少样本提示技术奠定了理论基础。

关于ICL的工作机制，学术界存在多种解释。一种观点认为模型在预训练过程中已经隐式学到了大量任务模式，示例的作用是“激活”对应的任务表征（Xie et al., 2022）。另一种观点从贝叶斯角度出发，认为ICL等价于隐式的贝叶斯推断——示例提供了似然信息，模型据此更新对任务的后验信念（Zhang et al., 2023）。还有研究从梯度下降的角度论证，Transformer的注意力机制在ICL中隐式执行了类似梯度更新的操作（Von Oswald et al., 2023）。

本文评述认为，无论具体机制如何，一个对工程实践至关重要的共识是：ICL的有效性高度依赖于示例与目标任务之间的分布匹配程度。示例越接近目标分布，模型的表现越好。这为“贴旧版和目标风格版”的策略提供了直接的理论支撑——当你同时提供输入（旧版）和期望输出（目标风格版）时，你实际上是在为模型构建一个极其精确的条件分布。

2.2 风格迁移的计算语言学视角

文本风格迁移（Text Style Transfer, TST）是NLP领域的经典任务，目标是在保持内容不变的前提下改变文本的风格属性（如情感极性、正式度、作者身份等）。传统方法通常需要平行语料或对抗训练，工程成本较高。基于LLM的少样本风格迁移则大幅降低了门槛。

Jin等人（2022）的研究表明，在少样本设置下，LLM的风格迁移能力显著优于此前的微调方法，尤其在风格属性难以形式化定义时优势更为明显。Reif等人（2022）进一步发现，示例的质量和多样性比数量更重要——3-5个精心选择的示例往往优于10个随机示例。这一发现直接指导了本文第三章的示例构造方法论。

笔者认为，风格迁移任务与一般文本生成任务的关键区别在于：风格是一种全局属性，它体现在词汇选择、句法结构、段落组织、修辞偏好等多个层面的统计规律中。单一维度的指令（如“用短句”）只能控制其中一个层面，而示例则天然携带了所有层面的联合分布信息。

2.3 为什么示例优于指令：信息论解释

从信息论的角度，我们可以给出一个简洁的解释。假设目标风格是一个定义在文本空间上的概率分布P(x|style)。指令驱动的方法试图用自然语言描述这个分布的若干特征，然后期望模型根据这些特征重建分布。这个过程可以形式化为：

P(x|style) ≈ P(x|f₁, f₂, ..., fₖ)

其中f₁到fₖ是你用自然语言描述的风格特征。问题在于，k通常远小于描述完整风格所需的维度数，且每个fᵢ本身也是模糊的自然语言描述，存在歧义。

而示例驱动的方法直接提供了从P(x|style)中采样的样本：

P(x|style) ≈ P(x | x₁~P(·|style), x₂~P(·|style), ..., xₙ~P(·|style))

每个示例xᵢ都是完整风格分布的一个采样点，携带了所有维度的联合信息。虽然n个示例的信息量仍然有限，但其信息密度远高于k条模糊的规则描述。

本文评述认为，这一信息论视角解释了一个工程中反复观察到的现象：当你给模型看一个“旧版→目标风格版”的对照示例时，模型不仅学到了“应该怎么改”，还学到了“不应该怎么改”——负例信息同样被编码在对照关系中。这是纯指令方法难以提供的。

2.4 与对比学习的深层联系

“旧版+目标风格版”的对照结构，与机器学习中的对比学习（Contrastive Learning）有着深层的形式对应。对比学习的核心思想是通过拉近正例对、推远负例对来学习表征。在风格迁移的提示中，旧版扮演了“负例”的角色，目标风格版扮演了“正例”的角色，模型需要在两者之间找到变换规律。

Gao等人（2021）提出的SimCSE表明，即使是简单的dropout操作也能构造有效的对比学习信号。在提示工程中，旧版与目标风格版之间的差异本身就是一种强对比信号——它明确告诉模型“变化的方向是什么”。

笔者认为，这种对比结构是“给示例不给指令”策略的精髓所在。单纯的“目标风格版”示例只能告诉模型“好的输出长什么样”，而“旧版+目标风格版”的对照则同时告诉模型“从哪里来”和“到哪里去”。后者提供的信息量几乎是前者的两倍。

三、示例构造方法论：旧版与目标风格版怎么选、怎么贴

3.1 示例选择的核心原则

示例的质量直接决定了风格迁移的效果。基于现有研究和工程经验，本文总结出以下核心原则：

原则一：内容无关性。示例的内容应与待改写文本不同，但风格应完全一致。如果示例内容与待改写内容过于相似，模型可能倾向于复制内容而非迁移风格。这类似于机器学习中训练集与测试集需要分离的原则。

原则二：风格一致性。所有示例的目标风格版必须保持高度一致的风格特征。如果示例之间风格不统一，模型会收到矛盾的信号，导致输出风格摇摆不定。Reif等人（2022）的实验表明，风格不一致的示例组合会导致性能显著下降。

原则三：差异显著性。旧版与目标风格版之间的差异应该足够明显，让模型能够清晰识别出“变换的方向”。如果两者差异过于细微，模型可能无法提取有效的变换模式。

原则四：长度适中。每个示例的长度建议控制在200-500字之间。过短的示例可能无法充分展示风格特征，过长的示例则会占用大量上下文窗口，且可能引入噪声。

3.2 示例数量的选择

示例数量是一个需要权衡的工程参数。根据现有研究（Brown et al., 2020; Liu et al., 2022; Min et al., 2022）和工程实践，本文给出以下参考：

Liu等人（2023）关于“Lost in the Middle”的研究表明，LLM对上下文中间位置的信息利用效率最低。因此，如果使用多个示例，建议将最重要的示例放在开头或结尾。

3.3 如何构造高质量的“旧版-目标风格版”对照

构造对照示例是整个流程中最需要人工投入的环节。以下是具体的操作步骤：

步骤一：确定风格维度。首先明确你要迁移的风格涉及哪些维度。常见的风格维度包括：正式度（正式↔口语）、情感色彩（中性↔热情）、句式偏好（长句↔短句）、修辞密度（朴素↔华丽）、人称使用（第三人称↔第一人称）等。建议一次只关注2-3个维度，过多维度会导致示例构造困难。

步骤二：选取旧版文本。旧版文本应该与待改写文本在风格上相似，但在内容上不同。例如，如果你要改写一篇产品介绍，旧版可以选取另一篇风格相似但产品不同的介绍文本。

步骤三：人工改写为目标风格版。这是最关键的一步。改写时需要注意：（1）保持内容信息不变，只改变风格；（2）改写后的文本应充分体现目标风格的所有维度；（3）避免过度改写导致信息丢失。

步骤四：验证对照质量。将构造好的对照示例给一位不了解任务的同事看，问他能否说出“变换的规律是什么”。如果能，说明对照质量合格；如果不能，说明差异不够显著或风格不一致。

3.4 一个完整的示例构造案例

以下是一个将“学术论文摘要”风格迁移为“技术博客开头”风格的示例构造过程：

在这个例子中，风格变换的规律非常清晰：从第三人称客观陈述变为第二人称互动、从被动语态变为主动语态、从正式术语变为口语化表达、从结论先行变为问题引入。模型通过对照就能提取这些变换规则，无需任何显式指令。

四、提示设计工程：从单示例到多示例的演进路径

4.1 基础模板设计

一个最小可用的“示例驱动风格迁移”提示模板如下：

请参考以下示例的风格变换规律，将【待改写文本】改写为目标风格。

--- 示例开始 ---
【旧版】：（旧版文本内容）
【目标风格版】：（目标风格版文本内容）
--- 示例结束 ---

【待改写文本】：（你的文本）
【目标风格版】：

这个模板的核心设计决策是：用“旧版”和“目标风格版”的标签明确标识对照关系，并在最后以待完成的“目标风格版：”作为生成提示。这种设计让模型清楚地知道它需要完成的任务是在给定旧版的情况下生成目标风格版。

4.2 多示例的组织方式

当使用多个示例时，组织方式会影响模型的表现。常见的组织方式有三种：

串行式：将所有示例按顺序排列，每个示例包含旧版和目标风格版。这是最直观的方式，适用于示例数量较少（2-3个）的情况。

分组式：先列出所有旧版，再列出所有目标风格版，让模型自行建立对应关系。这种方式在示例数量较多时可以减少上下文切换成本，但可能增加模型的认知负担。

交错式：将不同风格的示例交错排列，适用于需要模型区分多种风格的任务。这种方式对示例的标识要求更高。

本文评述认为，对于大多数工程场景，串行式是最稳妥的选择。它的认知负担最低，模型最容易理解任务结构。分组式虽然看起来更“整洁”，但实际效果往往不如串行式——这可能是因为串行式更接近自然语言中“先说什么、后说什么”的线性叙事模式。

4.3 关键细节：标签、分隔符与格式

提示设计中有几个容易被忽视但影响显著的细节：

标签的选择：使用“旧版/目标风格版”比使用“输入/输出”效果更好，因为前者携带了更多的语义信息——“旧版”暗示了“需要被替换”，“目标风格版”暗示了“期望达到的状态”。

分隔符的使用：在示例之间使用清晰的分隔符（如“---”或空行）可以帮助模型区分不同的示例单元。研究表明，适当的分隔符可以减少示例间的干扰（Lu et al., 2022）。

格式一致性：所有示例的格式必须完全一致。如果第一个示例用“【旧版】：”标注，第二个示例也必须用相同的标注方式。格式不一致会显著降低模型的表现。

4.4 进阶技巧：思维链与风格分析

在示例驱动的基础上，可以引入思维链（Chain-of-Thought, CoT）来进一步提升效果。具体做法是在示例中加入一段简短的“风格分析”，解释从旧版到目标风格版发生了什么变化：

--- 示例开始 ---
【旧版】：（旧版文本）
【风格分析】：将第三人称改为第二人称，增加反问句，减少专业术语，段落结尾用短句收束。
【目标风格版】：（目标风格版文本）
--- 示例结束 ---

Wei等人（2022）的研究表明，CoT可以显著提升LLM在复杂推理任务上的表现。在风格迁移任务中，风格分析起到了类似的作用——它将隐式的风格变换显式化，帮助模型更准确地提取变换规律。

不过，笔者认为，风格分析的使用需要谨慎。如果分析过于详细，可能退化为“指令驱动”模式，反而削弱了示例的作用。建议将分析控制在1-2句话，只点出最关键的2-3个变换维度。

五、实战流水线：从输入到输出的完整操作步骤

5.1 整体流程图

以下是一个完整的风格迁移工程流水线，适用于将任意旧版文本改写为目标风格：

5.2 完整代码示例（Python）

以下是一个可直接运行的Python脚本，演示了如何调用OpenAI API完成示例驱动的风格迁移：

import openai

def style_transfer(old_text, examples, model="gpt-4o"):
    """
    old_text: 待改写的旧版文本
    examples: list of (old_version, styled_version) tuples
    """
    prompt_parts = ["请参考以下示例的风格变换规律，将【待改写文本】改写为目标风格。\n"]
    
    for i, (old, styled) in enumerate(examples, 1):
        prompt_parts.append(f"--- 示例{i}开始 ---")
        prompt_parts.append(f"【旧版】：{old}")
        prompt_parts.append(f"【目标风格版】：{styled}")
        prompt_parts.append(f"--- 示例{i}结束 ---\n")
    
    prompt_parts.append(f"【待改写文本】：{old_text}")
    prompt_parts.append("【目标风格版】：")
    
    prompt = "\n".join(prompt_parts)
    
    response = openai.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        temperature=0.7,
        max_tokens=2000
    )
    
    return response.choices[0].message.content

# 使用示例
examples = [
    (
        "本研究采用定量分析方法，对500名参与者进行了问卷调查。结果显示，变量A与变量B之间存在显著正相关（r=0.62, p<0.01）。",
        "我们找了500个人做了个问卷。结果挺有意思的：A和B之间确实有关系，而且关系还不小（r=0.62）。"
    ),
    (
        "实验组的表现显著优于对照组（t=3.45, p<0.001），效应量为0.58，属于中等效应。",
        "实验组比对照组强了不少，统计上也很显著（t=3.45）。效应量0.58，算是中等水平吧。"
    )
]

result = style_transfer("本文提出的方法在三个数据集上进行了验证，平均准确率达到92.3%，优于所有基线方法。", examples)
print(result)

5.3 不同场景的参数调优建议

六、质量评估体系：如何判断“像不像”

6.1 三维评估框架

风格迁移的质量评估需要同时考虑三个维度：

风格一致性（Style Consistency）：输出文本是否体现了目标风格的核心特征？这是最核心的维度。评估方法包括人工评分（1-5分）和自动指标（如风格分类器的置信度）。

内容保真度（Content Preservation）：输出文本是否保留了原文的核心信息？风格迁移不应该以牺牲内容为代价。评估方法包括信息抽取对比、关键实体覆盖率等。

流畅度（Fluency）：输出文本是否读起来自然流畅？即使风格和内容都对了，如果读起来磕磕绊绊，也是不合格的。评估方法包括困惑度（Perplexity）计算和人工可读性评分。

6.2 自动评估指标

以下是几种常用的自动评估指标及其适用场景：

Zheng等人（2023）提出的MT-Bench表明，GPT-4作为评判者的评分与人类评分有较高的一致性（约80%），但存在位置偏差（偏好第一个回答）和长度偏差（偏好更长的回答）。在使用LLM-as-Judge时，建议随机化顺序并控制长度差异。

6.3 人工评估的最佳实践

尽管自动指标提供了便利，但风格迁移的最终判断标准仍然是人类感知。以下是人工评估的最佳实践：

盲评设计：评估者不应知道哪个输出来自哪种方法。建议将不同方法的输出随机打乱后呈现。

多维度评分：不要只问“好不好”，而是分别问“风格像不像”“内容有没有丢”“读起来顺不顺”。

足够样本量：建议至少收集30个评估样本，每个样本至少3位评估者，以确保统计显著性。

七、常见陷阱与反模式

7.1 内容泄漏

最常见的陷阱是示例内容与待改写内容过于相似，导致模型直接复制示例内容而非迁移风格。例如，如果你用一篇关于“机器学习在医疗中的应用”的文章作为示例，然后要求模型改写另一篇同样关于“机器学习在医疗中的应用”的文章，模型很可能会把示例中的具体内容混入输出。

解决方案：确保示例与待改写文本在主题上不同，但在风格上一致。如果无法避免主题重叠，可以在提示中明确要求“只迁移风格，不要复制示例中的具体内容”。

7.2 风格过拟合

当示例数量过少或风格特征过于独特时，模型可能过度拟合示例的表面特征，产生不自然的输出。例如，如果示例中恰好有大量问句，模型可能在输出中不恰当地插入问句。

解决方案：使用2-3个风格一致但表面特征不同的示例，让模型学习到风格的“不变性”而非表面模式。

7.3 指令与示例冲突

有时你既给了指令又给了示例，但两者传递的信号不一致。例如，指令说“保持正式”，但示例展示的是口语化风格。这种冲突会导致模型表现不稳定。

解决方案：如果决定使用示例驱动，就尽量减少指令的干预。如果必须加入指令，确保指令与示例传达的风格信号一致。

7.4 上下文窗口溢出

当示例过多或过长时，可能超出模型的上下文窗口限制，导致部分示例被截断或遗忘。

解决方案：控制示例总长度在上下文窗口的30%以内，优先保证待改写文本和最重要的示例完整呈现。

八、前沿预判：风格迁移的下一站

8.1 从少样本到零样本的风格控制

随着模型能力的提升，未来可能实现无需示例的精准风格控制。一种可能的路径是通过风格嵌入（Style Embedding）——将风格编码为连续向量，通过向量操作实现风格迁移。这种方式在图像生成领域已有成功先例（如StyleGAN），在文本领域仍处于早期探索阶段。

本文评述认为，即使零样本风格控制成为可能，示例驱动的方法仍将保有一席之地——因为示例不仅是风格信息的载体，也是人类与模型之间最自然的沟通方式。

8.2 多模态风格迁移

随着GPT-4V、Gemini等多模态模型的出现，风格迁移的边界正在扩展。未来，你可以给模型看一张设计稿的截图，然后要求它用相同的视觉风格生成文案。这种跨模态的风格迁移将极大拓展创意工作的可能性。

8.3 个性化风格适配

长期来看，每个用户都可以拥有自己的“风格档案”——一组精心构造的示例对，存储在本地或云端。当你需要AI帮你写作时，系统自动加载你的风格档案，生成符合你个人风格的文本。这种个性化风格适配将使得AI辅助写作从“通用工具”进化为“个人写作伙伴”。

8.4 风格迁移的可解释性

当前的一个关键挑战是：我们知道示例驱动的方法有效，但不完全清楚模型从示例中提取了什么。未来研究需要开发更好的可解释性工具，揭示模型内部风格表征的结构。这不仅有助于改进提示设计，也有助于建立用户对AI系统的信任。

九、总结与操作清单

9.1 核心结论

本文围绕“给示例不给指令”这一核心策略，从理论到实践进行了系统论述。核心结论可以概括为三点：

第一，风格是分布而非规则。用自然语言描述风格，本质上是对高维分布的有损压缩。示例是分布的直接采样，信息密度远高于指令。

第二，对照示例优于单侧示例。“旧版+目标风格版”的对照结构同时提供了正例和负例信息，与对比学习的形式对应，信息量更大。

第三，2-3个精心构造的示例是性价比最高的选择。超过5个示例边际收益极低，且可能引入噪声和上下文压力。

9.2 可操作清单

9.3 拓展资源

以下资源可以帮助你进一步深入学习和实践：

• Prompt Engineering Guide - Few-Shot Prompting：少样本提示的系统教程
• Brown et al. (2020) - Language Models are Few-Shot Learners：ICL的奠基性论文
• Liu et al. (2023) - Lost in the Middle：上下文位置对LLM表现的影响
• YouTube - Few-Shot Prompting Tutorials：视频教程合集
• OpenAI Cookbook：官方提示工程最佳实践