提示工程（Prompt engineering）

什么是提示工程

提示工程（prompt engineering）是设计输入文本、引导生成式人工智能（generative AI）系统产出目标结果的实践^[1]。在这种系统里，用户主要通过输入来影响输出：提示词中可以写任务说明、给出示例，或约定回答形式。模型不会因为一句提示而永久改变参数，但输入的措辞、示例和结构会改变它接下来生成的内容。因此，提示设计常被视为人与生成模型之间的直接接口。

思维链提示的例子

一个常被讨论的技术是思维链提示（chain-of-thought prompting），由 Wei 等人在 2022 年 1 月提出^[2]。它的做法是在提示中提供少量示范，让模型在给出最终答案前先展示中间推理步骤^[2]。Wei 等人报告，这种做法在算术、常识和符号推理任务上都能提升表现^[2]。在一个结果中，只用 8 个思维链示例提示一个 540B 参数模型，就在 GSM8K 数学应用题基准上达到最先进准确率，甚至超过了带验证器的微调 GPT-3^[2]。作者还发现，这种推理能力只有在足够大的语言模型中才会自然出现^[2]。

术语混乱与共享词汇

The Prompt Report 于 2024 年 6 月发表，指出这一领域存在术语冲突，对什么构成有效提示的理解也比较分散^[1]。为此，该综述给出了包含 33 个术语的词汇表，以及一个涵盖 58 种大语言模型（LLM）提示技术和 40 种其他模态技术的分类体系^[1]。它还总结了面向最先进模型的提示最佳实践，并对自然语言前缀提示文献做了元分析（meta-analysis）^[1]。

为什么重要，局限在哪里

术语之所以重要，是因为不同论文对技术的命名和描述并不一致；没有共享词汇，结果就难以复现和比较^[1]。思维链提示也说明了另一层限制：这种推理能力只有在足够大的语言模型中才会自然出现，因此一项技术对某个模型有效，未必能原样搬到小得多的模型上^[2]。The Prompt Report 的词汇表和分类体系，正是为了让关于提示的说法更精确、更可比较^[1]。

今天用在哪里

提示工程处在人们使用生成式 AI 的入口位置。它被用来交代任务、提供示例和塑造输出。The Prompt Report 同时收录大语言模型提示和 40 种其他模态技术，说明提示设计并不只针对纯文本模型^[1]。不过，领域内术语不统一、理解分散，仍是比较和复现提示方法的障碍^[1]。