在人工智能领域，一次提示（One-shot prompting）是一种通过提供单一示例或模板来指导AI模型执行特定任务的强大策略。这种方法特别适用于需要少量指导或特定格式的任务，而不需要用多个示例来压倒模型。本文将解释一次提示的概念及其应用、优势和挑战。
一次提示通过单一示例指导AI模型完成特定任务。这种方法使用最少的数据，使其高效且节省资源。例如，只需一个输入输出对即可进行翻译和情感分析。其优势包括提高准确性、实时响应、多功能性和数据效率。限制包括处理复杂任务、潜在过拟合和对示例质量的依赖。与零次提示相比，一次提示提供了更清晰的指导和更好的准确性，但在处理意外任务时可能会遇到困难。
一次提示涉及用单一示例指导AI模型执行特定任务。这种方法与零次提示（模型不接收示例）和几次提示（模型接收几个示例）形成对比。这种方法的本质是通过提供最少但必要的信息来指导模型的响应。
这是一种提示工程技术，通过单一输入输出对训练AI模型产生期望的结果。例如，当指导模型将“hello”翻译成法语，并准确提供翻译“Bonjour”时，模型从这个单一示例中学习，并能有效地将各种单词或短语翻译成法语。
示例1：用户：Q: 法国的首都是哪里？A: 法国的首都是巴黎。现在回答：“Q: 瑞士的首都是哪里？”响应：“瑞士的首都是伯尔尼。”在这个示例中，单一提示指导模型按照提供的格式产生准确答案。
一次提示：用户：服务很糟糕。情感：负面 用户：员工非常友好。情感：正面。