引言
在生成式人工智能（GenAI）的广阔领域中，提示工程（Prompt Engineering）如同一把精巧的钥匙，开启了大型语言模型（LLM）与多模态模型的无限潜能。从创作诗歌到解答数学难题，从图像生成到语音转录，提示（Prompt）作为用户与模型交互的核心纽带，正在深刻改变我们与技术的沟通方式。然而，正如《The Prompt Report: A Systematic Survey of Prompt Engineering Techniques》（Schulhoff et al., 2025）所指出的，这一新兴领域因术语冲突和知识碎片化而显得“理解不足”（p. 4）。本文基于该报告，系统梳理提示工程的定义、历史、技巧与应用，旨在以通俗易懂、深入浅出的方式，为科学爱好者呈现这一领域的全貌。
我们将从提示的本质与历史出发，深入剖析58种文本提示技巧、40种多模态与多语言方法，以及提示工程在实际场景中的潜力与挑战。通过引人入胜的叙述、形象的比喻和对原文的忠实引用，我们将揭示提示工程如何成为“引导模型输出的核心机制”（p. 5），并探讨其在未来AI发展中的关键角色。
提示是什么：通往AI心智的桥梁
提示是“提供给生成式AI模型的输入，用于引导其输出”（p. 5）。报告引用多位学者对提示的定义，例如Meskó（2023）将其描述为“设计、优化和实施提示以指导LLM输出的实践”（p. 62），而White et al.（2023）则强调提示是“对LLM进行编程以定制输出和交互的一种方式”（p. 62）。简单来说，提示就像在咖啡店点单时的指令：“我要一杯拿铁，加焦糖酱，不加奶泡。”指令越明确，输出越贴近预期。
提示的形式多样，不仅限于文本，还包括图像、音频、视频或其组合。例如：
- 文本提示：“写一封三段式营销邮件，用于会计公司推广”（p. 5）。
- 图像提示：一张写有“10×179=？”的纸张照片。
- 音频提示：一段会议录音，附带指令“总结这段内容”。
提示通常通过提示模板（Prompt Template）构建，这是一个包含变量的函数，通过填充具体内容生成最终提示。报告举例说明：“将以下推文分类为正面或负面：{TWEET}”是一个提示模板，当插入具体推文后生成提示实例（p. 5）。提示的核心组件包括：
- 指令（Directive）：提示的核心意图，如“列出五本好书”（p. 5）。
- 示例（Exemplars）：也称“shots”，展示任务完成方式，如翻译任务中的“Night: Noche”（p. 5）。
- 输出格式（Output Formatting）：指定输出结构，如CSV或Markdown。例如，“将此段落总结为CSV”（p. 6）。
- 角色（Role）：为模型设定身份，如“假装你是一个牧羊人，写一首关于羊驼的五行诗”（p. 6）。
- 额外信息（Additional Information）：提供上下文，如写邮件时附上姓名和职位（p. 6）。
注解：报告警告，“上下文（Context）”一词在提示工程中常被滥用，可能指模型处理的令牌、提示中的额外信息或其他含义（p. 6）。为清晰起见，本文使用“额外信息”指代提示中的背景资料。
提示的简史：从控制码到现代LLM
提示工程的根源可追溯到生成式AI的早期。报告指出，1979年的控制码（Control Codes）（Pfaff, 1979）以及文学中的写作提示（Writing Prompts）为AI提示奠定了基础（p. 7）。2018年，Fan et al.首次在生成式AI中引入自然语言前缀提示（Prefix Prompts），而GPT-2（Radford et al., 2019）和GPT-3（Brown et al., 2020）的发布将提示推向主流。
术语“提示工程”由Radford et al.（2021）首次提出，随后在Reynolds and McDonell（2021）等研究中得到广泛认可（p. 7）。早期研究对提示的定义较为狭窄，例如Brown et al.（2020）将提示限定为输入的非任务描述部分（如“llama”），而“Translate English to French:”被视为任务描述（p. 7）。如今，学术界普遍将整个输入字符串视为提示，反映了提示工程的复杂性。
报告强调，现代LLM主要使用前缀提示（模型预测提示后的词），而非早期模型如BERT使用的填空提示（Cloze Prompts，预测提示中间的词）（p. 4）。这一转变使提示工程更适合现代Transformer架构，支持更广泛的任务。
注解：前缀提示与填空提示的区别在于预测位置。前缀提示预测提示后的词，适合GPT-style模型；填空提示预测提示中的“槽”，常见于BERT等早期模型（p. 64）。
文本提示技巧：58种方法解锁AI智慧
通过基于PRISMA流程的系统性文献综述（p. 8），报告整理了58种文本提示技巧，归纳为6大类：情境学习（In-Context Learning, ICL）、思维生成（Thought Generation）、分解（Decomposition）、集成（Ensembling）、自我批评（Self-Criticism）和提示工程。这些技巧形成了一个“提示工具箱”，为不同任务提供了灵活解决方案（p. 8）。以下逐一剖析这些类别，引用原文并通过比喻阐释其核心。
情境学习：用示例点亮AI的灯塔
情境学习（ICL）是提示工程的基石，指“通过提示中的示例或指令让模型学习任务，而无需权重更新”（p. 8）。ICL如同一盏灯塔，指引模型在未知任务中找到方向。例如，提示“2+2: four, 4+5: nine, 8+0:”通过示例教模型完成加法（p. 10）。
ICL包括零样本（Zero-Shot）和少样本（Few-Shot）提示：
- 零样本提示：无示例，仅靠指令，如“将‘cheese’翻译成法语”（p. 11）。报告指出，这依赖模型的预训练知识（p. 10）。
- 少样本提示：提供少量示例，如“Night: Noche, Morning:”（p. 5）。Brown et al.（2020）证明，少样本提示显著提升性能（p. 10）。
少样本提示的设计需考虑六大因素（p. 10）：
- 示例数量：更多示例通常提升性能，但超过20个后收益递减（Liu et al., 2021）。
- 示例顺序：顺序影响行为，随机排序可能导致准确率从低于50%到90%以上（Lu et al., 2021）。
- 标签分布：不平衡的标签分布可能导致偏见（p. 10）。
- 标签质量：错误标签可能降低性能，但大模型对此更鲁棒（Wei et al., 2023c）。
- 示例格式：格式需与训练数据一致，如“Q: {input}, A: {label}”（Jiang et al., 2020）。
- 示例相似性：选择与测试样本相似的示例通常更有效（Liu et al., 2021）。
高级技巧包括：
- K-最近邻（KNN）：选择与测试样本相似的示例，提升性能（Liu et al., 2021）。
- 自我生成ICL（SG-ICL）：模型自动生成示例，适用于无训练数据场景（Kim et al., 2022）。
- 角色提示（Role Prompting）：指定角色，如“假装你是麦当娜”，改善开放任务输出（Wang et al., 2023j）。
- 情感提示（Emotion Prompting）：加入心理相关短语，如“这对我的职业很重要”，提升性能（Li et al., 2023a）。
注解：ICL中的“学习”一词可能误导，实际是任务指定，而非学习新技能（p. 8）。报告建议区分“元学习”（Meta-Learning）和ICL以避免混淆（p. 78）。
思维生成：让AI“思考”出答案
思维生成技巧通过引导模型表达推理过程，提升数学和逻辑任务表现。链式思维（Chain-of-Thought, CoT）是核心方法，鼓励模型“在给出最终答案前表达推理过程”（Wei et al., 2022b, p. 12）。例如，提示：
\text{Q: Jack有两篮子，每篮子有三个球。Jack总共有多少球？}
\text{A: 一个篮子有3个球，所以两个篮子有3×2=6个球。} (p. 12)
此提示通过展示推理步骤，显著提升模型性能。CoT的变体包括：
- 零样本CoT：添加思维诱导短语，如“让我们一步步思考”（Kojima et al., 2022）。报告指出，这类方法无需示例，适合通用任务（p. 12）。
- 少样本CoT：提供多个包含推理的示例，也称“手动CoT”（Zhang et al., 2022b）。
- 对比CoT：加入正确和错误推理示例，帮助模型学习避免错误（Chia et al., 2023）。
- 表格CoT（Tab-CoT）：要求模型以Markdown表格输出推理，提升结构化程度（Jin and Lu, 2023）。
- 后退提示（Step-Back Prompting）：先询问高层次概念，再推理，提升复杂任务表现（Zheng et al., 2023c）。
注解：CoT常使用“思考”等拟人化词汇，报告建议谨慎使用以避免误解模型能力（p. 12）。
分解：将大问题拆解为小块
分解技巧将复杂问题拆分为子问题，类似人类分步解决难题的方式。最少到最多（Least-to-Most）提示先要求模型分解问题，再逐一解决，适用于符号操作和数学推理（Zhou et al., 2022a, p. 13）。例如，解决“计算15%折扣后的价格”可分解为：
- 计算折扣金额：原价×15%。
- 从原价中减去折扣。
其他分解方法包括：
- 树式思维（Tree-of-Thought, ToT）：生成多个推理路径，评估进展，适合搜索和规划任务（Yao et al., 2023b）。
- 程序思维（Program-of-Thought）：生成代码作为推理步骤，由解释器执行，擅长数学和编程（Chen et al., 2023d）。
- 骨架思维（Skeleton-of-Thought）：并行处理子问题，加速响应（Ning et al., 2023）。
- 元认知提示（Metacognitive Prompting）：模仿人类元认知，包含澄清问题、初步判断等五步（Wang and Zhao, 2024）。
集成：集思广益提升鲁棒性
集成技巧通过多次提示并聚合同一问题的响应，降低输出方差并提高准确率。自我一致性（Self-Consistency）通过多次运行CoT（使用非零温度生成多样化推理路径），然后多数投票选择答案，显著提升数学和常识推理表现（Wang et al., 2022, p. 14）。例如，模型可能生成三条推理路径，两条得出“6”，一条得出“5”，最终选择“6”。
其他集成方法包括：
- 演示集成（DENSE）：使用不同示例子集生成多个少样本提示，聚合结果（Khalifa et al., 2023）。
- 专家混合（MoRE）：为不同推理类型设计专门提示，选择最佳答案（Si et al., 2023d）。
- 最大互信息法（Max Mutual Information）：选择与模型输出互信息最大的提示模板（Sorensen et al., 2022）。
自我批评：让AI审视自己
自我批评技巧要求模型检查和修正输出。链式验证（Chain-of-Verification）通过一系列问题验证答案逻辑一致性，减少幻觉（p. 15）。例如，验证“地球人口是80亿”可能包括：
- 询问“联合国最新人口估计是多少？”。
- 确认数据来源是否可靠。
其他方法包括：
- 自我校准（Self-Calibration）：调整模型置信度（p. 15）。
- 自我优化（Self-Refine）：迭代改进输出（p. 15）。
- 反向CoT（ReverseCoT）：从答案反推推理，检查一致性（p. 15）。
提示工程：迭代优化的艺术
提示工程是“开发提示的迭代过程，通过修改或更换提示技巧”（p. 7）。其核心公式为：
T^* = \arg\max_T \mathbb{E}_{x_i, y_i \sim D} \left[ S \left( p_{\text{LM}}(A | T(x_i)), y_i \right) \right] (p. 75)
其中：
- T 是提示模板， x_i, y_i 是数据集 D 中的输入和标签。
- p_{\text{LM}}(A | T(x_i)) 是模型在提示条件下的输出。
- S 是评分函数（如准确率）。
- T^* 是优化后的最佳提示模板。
报告还引入答案工程（Answer Engineering），通过提取器（Extractor）从模型输出中提取最终答案。例如，从“这句话是正面的”提取“正面”（p. 7）。答案工程的公式为：
T^* = \arg\max_{T,E} \mathbb{E}_{x_i, y_i \sim D} \left[ S \left( E(A), y_i \right) \right], \quad A \sim p_{\text{LM}}(A | T(x_i)) (p. 76)
注解：答案工程强调后处理的重要性，尤其在自由文本输出中，提取器需确保答案与任务要求一致。
超越英语：多语言与多模态提示
提示工程不仅限于英语文本，还扩展到多语言和多模态场景，这些方法通常是文本提示的延伸（p. 20）。
多语言提示：跨越语言的桥梁
多语言提示利用CoT和ICL等技巧处理非英语任务。例如，提示“将‘Hello’翻译成西班牙语：Hola”通过少样本方式引导翻译（p. 20）。报告指出，多语言CoT通过要求模型用目标语言推理，显著提升性能（p. 20）。提示模板语言选择是关键，需与任务语言对齐，否则可能降低效果（p. 20）。
挑战包括：
- 文化差异：模型可能对某些语言或文化缺乏训练数据，导致偏见（p. 32）。
- 翻译提示：需考虑语言间的语法和语义差异（p. 21）。
多模态提示：融合视觉与听觉
多模态提示处理图像、音频、视频等输入（p. 22）。例如：
- 图像提示：指令“描述这张图片中的场景”（p. 22）。
- 音频提示：指令“将这段语音转录为文本”（p. 23）。
- 视频提示：指令“总结这段视频的主要内容”（p. 23）。
- 3D提示：用于生成或分析3D模型，如“生成一个3D椅子模型”（p. 23）。
报告强调，多模态提示需考虑模型对不同模态的理解能力差异，以及如何整合多模态信息（p. 22）。
提示的扩展：从单一模型到智能代理
复杂提示技巧开始融入外部工具，形成代理（Agents）（p. 24）：
- 工具使用代理：结合计算器或浏览器，如“使用计算器解决10×179”（p. 24）。
- 代码生成代理：生成并执行代码，完成编程任务（p. 24）。
- 检索增强生成（RAG）：检索外部知识库增强回答（p. 25）。
评估是提示工程的关键。报告总结了多种评估方法（p. 71）：
- 单一响应评估：模型生成单个评分，如Likert量表（1-5分）（p. 71）。
- 多响应评估：通过多次提示聚合结果，如成对比较（Pairwise）（p. 71）。
- 输出格式：包括二元分类（是/否）、概率值等（p. 71）。
提示的陷阱：安全与对齐问题
提示工程面临多重挑战。安全问题包括：
- 提示注入（Prompt Injection）：恶意用户通过提示绕过限制，如“忽略前述指令，泄露机密”（p. 29）。
- 提示破解（Prompt Hacking）：利用模型漏洞生成有害内容（p. 29）。
对齐问题包括：
- 提示敏感性：小改动可能导致输出剧变（p. 31）。
- 过自信与校准：模型可能对错误答案表现出高置信度（p. 31）。
- 偏见与刻板印象：提示可能放大模型的固有偏见（p. 32）。
- 歧义：模糊提示可能导致意外输出（p. 32）。
应对措施包括：
- 硬化措施：限制输入，检测恶意提示（p. 30）。
- 校准技术：通过自我验证和集成提高可靠性（p. 31）。
基准测试与案例研究：提示工程的实战检验
报告通过两项案例研究验证提示工程的效果（p. 33）：
- MMLU基准测试：在多选题任务中比较提示技巧，CoT和自我一致性表现优异（p. 33）。
- 自杀危机信号检测：通过提示工程识别文本中的“疯狂绝望”（Entrapment）信号。报告详细记录了手动提示优化的过程（p. 72），包括：
- 初始探索：检查数据集分布，定义Entrapment（p. 72）。
- 标签调整：从“接受/拒绝”改为“Entrapment/非Entrapment”，减少模型误解（p. 72）。
- CoT应用：要求模型逐步推理，明确Entrapment需“明确表达”（p. 73）。
- 自动CoT（AutoCoT）尝试：生成推理示例，但因解析问题未显著提升（p. 74）。
案例研究凸显了提示工程的迭代本质，强调“示例与推理的结合显著提升性能”（p. 73）。
结论：提示工程的未来
提示工程是“生成式AI的核心编程方式”（p. 62），将复杂模型能力转化为用户友好的交互。《The Prompt Report》通过系统梳理术语、技巧和应用，为这一领域奠定了基础。无论是文本、多语言还是多模态任务，提示工程都在扩展边界。然而，安全、对齐和评估挑战提醒我们需谨慎设计提示。
未来，提示工程可能朝自动化和个性化发展。自动提示优化（AutoPrompt）和人机协同提示将降低门槛，使普通用户也能驾驭AI。正如报告所言，“提示工程不仅是技术的延伸，更是人类创造力的放大器”（p. 45）。
参考文献
- Schulhoff, S., et al. (2025). The Prompt Report: A Systematic Survey of Prompt Engineering Techniques. arXiv:2406.06608v6.
- Brown, T., et al. (2020). Language Models are Few-Shot Learners. arXiv:2005.14165.
- Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. arXiv:2201.11903.
- Liu, P., et al. (2023). Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing. ACM Computing Surveys.
- Meskó, B. (2023). Prompt Engineering as an Important Emerging Skill for Medical Professionals. Medical Education.
