Recientemente, el aprendizaje basado en indicaciones ha mostrado un rendimiento impresionante en varias tareas de procesamiento de lenguaje natural en escenarios de poca cantidad de datos. El estudio previo sobre la exploración de conocimiento mostró que el éxito del aprendizaje por indicaciones contribuye al conocimiento implícito almacenado en los modelos de lenguaje preentrenados. Sin embargo, cómo este conocimiento implícito ayuda a resolver tareas posteriores sigue sin estar claro. En este trabajo, proponemos un método de aprendizaje por indicaciones guiado por el conocimiento que puede revelar conocimiento relevante para la clasificación de texto. Específicamente, se diseñaron una plantilla de indicaciones de conocimiento y dos marcos de trabajo multi-tarea, respectivamente. Los experimentos demostraron la superioridad de combinar conocimiento y aprendizaje por indicaciones en la clasificación de texto con poca cantidad de datos.