深夜的创业孵化器里，你盯着屏幕上的医疗AI项目，手里攥着仅有的97条标注数据——这是某三甲医院心内科攒了三年的罕见病例。投资人刚刚发来最后通牒：“下周demo要是还分不清心肌炎和感冒，就撤资！” 这时你需要掌握的不是更多数据，而是让每个样本都变成会复制的孙悟空的毫毛。

一、为什么大模型需要小数据？

某AI法律咨询平台的血泪教训：他们用5万条通用案例训练出的模型，在遇到"直播打赏遗产纠纷"时，竟然建议当事人"给主播托梦解决"。问题核心在于，专业领域的知识密度是普通场景的100倍，而数据收集成本却是1000倍。

少样本学习的三大反常识：

1. 10个精准样本 > 1000个模糊样本
2. 数据越少，模板设计越要"心机"
3. 案例排列顺序比内容更重要

看个直观对比：

# 普通模板（大海捞针式）
basic_tem