回答要点
没有“加一个案例平均提高多少”的通用数字；可能明显改善，也可能不变或变差。 首先要确定，你希望这个例子教会 AI 什么：输出格式、措辞风格、分类标准，还是一套解题方法。
完整解答
Min 等在12个模型的分类和选择题实验中发现，即使打乱示例里的标签，部分设置的表现也没有明显下降；输入分布、可选标签和格式本身发挥了重要作用。这说明示例的收益未必全部来自“看懂了正确解法”，也可能来自识别任务形式。它不意味着可以随便给错误示例。论文
模型之间也有差异。Gemini 官方指南鼓励用示例说明期望模式；DeepSeek-R1 初版报告则指出，少样本提示会损害其部分评测表现，并建议先直接说明问题及输出格式。这不是禁止给 R1 上传任务材料，也不是证明示例在所有 R1 任务中都无效。Gemini 指南、R1 报告 §3、§5
据此，新手可以先看哪里说不清：如果“用这种版式”比一长串描述更直观，就给一个有代表性的示例，并标明模仿范围；如果任务已经明确，示例只是在重复显而易见的答案，可以先不加。复杂规则若有例外，一个正例通常不足以说明边界，应再给能区分规则的情况。
以下示例只展示“结论—依据—下一步”的结构。请用本次资料重新作答，不沿用示例里的事实和结论。
想知道对自己的任务究竟提高多少，应比较同一模型、同一批新问题在有无示例时的结果，并重复生成。格式通过率、事实正确率和满意程度分开看；一次输出变好，只能说明这次有帮助。
引用文献
1. Min 等（2022），Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?，EMNLP