Como tarea crucial en el procesamiento del lenguaje natural, la respuesta a preguntas de tablas ha recibido una atención significativa tanto de la comunidad académica como industrial. Permite realizar consultas inteligentes y responder preguntas sobre datos estructurados mediante la traducción del lenguaje natural a declaraciones SQL correspondientes. Recientemente, ha habido avances notables en la tarea de respuesta a preguntas de tablas en el dominio general, logrados a través del aprendizaje de indicaciones con modelos de lenguaje grandes. Sin embargo, en dominios específicos, donde las tablas suelen tener un mayor número de columnas y las preguntas tienden a ser más complejas, los modelos de lenguaje grandes tienden a generar declaraciones SQL o NoSQL inválidas. Para abordar el problema anterior, este documento propone un enfoque novedoso de respuesta a preguntas de tablas de pocos disparos. Específicamente, diseñamos una estrategia de construcción de plantillas de indicación para la generación estructurada de SQL. Utiliza plantillas de indicación para reestructurar la entrada para cada dato de prueba y estandariza la salida del modelo, lo que puede mejorar la integridad y validez del SQL generado. Además, este documento introduce un enfoque de selección de ejemplos contrastivos basado en los patrones y formatos de preguntas en contextos específicos del dominio. Esto permite que el modelo recupere rápidamente los ejemplos relevantes y aprenda características sobre la pregunta dada. Los resultados experimentales en los dos conjuntos de datos en los dominios de energía eléctrica e inspección estructural muestran que el enfoque propuesto supera a los modelos de referencia en todas las configuraciones de comparación.