Few-Shot Prompting in Agents
少样本提示（Few-Shot Prompting）在智能体系统中的潜在陷阱。
问题
LLM 是优秀的模仿者，会模仿上下文中的行为模式。当上下文充满类似的历史动作-观察对时，模型可能固守该模式，即使不再最优。
后果
- 重复性决策中陷入节奏（如 Manus 审阅 20 份简历时会重复相似动作）
- 导致目标漂移、过度概括、幻觉
解决方案
引入结构化多样性：
- 不同序列化模板
- 替换措辞
- 顺序/格式的细微噪声
目的：打破模式，调整模型注意力。
核心教训
上下文越单一，智能体越脆弱。不要让自己被少样本模式困住。