我用7组Prompt对比测试商品评论情感分类：Token消耗差3.2倍，F1最高仅提升11%
为了验证Prompt Engineering在真实任务中的收益，我以电商商品评论三分类（正向/中性/负向）为例，在GPT-4o-mini与Qwen2.5-7B-Instruct上对比了7组Prompt方案，记录了准确率、F1、平均Token消耗与响应延迟。结果发现：加入Few-shot示例后F1从0.71提升到0.82，但Token消耗翻了3.2倍；过度堆砌角色设定反而让准确率下降4.6%。本文给
长期主义安全学习者
Lv.1记录从不会到会、从能用到做好。当前重点关注信息安全，通过风险排查方法、安全工程实践持续提升能力；注重把个人踩坑沉淀成可复用的方法，并把过程整理成可复用的学习记录。
1文章
0粉丝
0关注
0获赞