要解决的问题
同一个模型，提示写法不同，效果可能差很多。提示工程研究如何设计、组织和优化提示，让模型稳定地完成任务。
发展趋势
从手工编写模板，逐步走向结构化提示、自动优化，以及声明式、程序化的编排：
- 手工模板：人工编写指令和示例。
- 结构化提示：用固定的格式区分角色、任务、约束、示例和输出格式。
- 自动优化：把提示当成可以搜索和优化的对象，由模型自己生成和筛选候选提示。
- 声明式编排：把由多次模型调用组成的流程写成程序，由框架自动优化其中的提示和示例。
代表工作
- Automatic Prompt Engineer（2022）：把提示看作可搜索的「程序」，让模型生成大量候选指令，再按效果筛选。
- DSPy（2023）：把语言模型流程写成声明式的模块，由框架自动编译、优化其中的提示和示例。
实践建议
把提示当作软件工件来管理：做版本控制、A/B 测试，积累失败样例库，改动提示后用固定样例回归测试。
开放问题
- 提示在不同模型、不同版本之间的可迁移性。
- 自动优化出的提示是否会过拟合评测集。
相关专题
- 推理能力与思维链：思维链最初就是一种提示技巧。
- 评测基准：提示优化需要可靠的评测。
- LLMOps与可观测性：提示的版本管理与线上监控。