英文：Zero-shot Prompting 分类：foundation
不提供任何示例、仅用任务描述（指令）让模型直接执行的提示方式。它依赖模型预训练积累的通用能力，是最便捷的调用方式，适合快速验证与简单任务。
零样本效果取决于指令清晰度、任务表述与模型规模（规模越大越强）。优化手段包括明确的角色设定、输出格式约束、步骤分解（如"先…再…"）与自校验指令；复杂任务零样本常不稳定，需配合少样本或思维链。
GPT-3 验证零样本能力随规模涌现，指令微调（InstructGPT）大幅提升零样本表现，2023 年后零样本成为衡量模型通用能力（MMLU 等基准）的标准评测方式。
日常问答、快速原型、新任务冷启动与批量简单处理；工程上零样本+输出 schema 约束（JSON）用于数据清洗与自动化抽取流水线。
相关词条：Transformer · 注意力机制 · 自注意力 · 少样本提示 · 人类反馈