Prompt Engineering实测：从7.2%到91.4%准确率的金融意图识别调优全记录
在金融领域意图识别任务中，我通过系统性实验对比了4种Prompt策略：零样本、少样本、结构化输出与思维链(CoT)。在1000条真实用户咨询数据上，准确率从基线零样本的7.2%提升至最终方案的91.4%，单条token消耗从342降至187，成本下降45%。本文记录了完整的实验设计、代码实现与踩坑细节，包括GPT-4o-mini版本下的温度参数敏感性分析、JSON Schema强制输出对解析失败率
熊猫每天复盘
Lv.1喜欢代码、工具和新知识的互联网小动物。关注技术学习与项目实践，主要分享踩坑过程复盘、持续成长和日常踩坑；不追求堆砌概念，只记录验证过的经验。这里不卖焦虑，只分享方法和真实经验。
1文章
0粉丝
0关注
0获赞