计算机科学与探索

作者：巴泽智, 张辉, 谢铮涵, 左晓栋, 侯健玮

单位：1. 中国科学技术大学 网络空间安全学院，合肥 2300312. 中国科学技术大学 公共事务学院，合肥 2300263. 中央网信办（国家网信办）数据与技术保障中心，北京 100048

关键词：大语言模型,提示工程,自动化提示工程,思维链,机器学习,进化算法,即插即用系统

基金：国家重点研发计划（2022YFB3103200）；国家社会科学基金重点项目（24AGL009）；国家社会科学基金重大项目（23&ZD335）。

基于提示学习的提示工程对于提升大语言模型的技术可及性、加速其推广扩散与应用开发至关重要。传统的提示工程过度依赖于提示词设计者的领域知识和使用经验，且不易满足提示空间较大的任务；相比之下，自动化提示工程能够自动化或半自动化地生成或优化提示词，以探索大规模的提示词组合，并通过自动优化技术提升提示词生成的稳定性。然而目前仍缺乏对自动化提示研究的系统性综述，因此，及时跟进该领域的最新研究成果，详细梳理并评述自动化提示工程的实现形式，提出自动化提示工程的未来研究方向。依据自动化提示工程实现形式在逻辑推理和效能导向两个维度的取舍上，将其分为基于思维链的自动化提示工程、基于类机器学习模型的自动化提示工程、基于进化算法的自动化提示工程以及使用预训练包的即插即用系统。全面评估自动化提示工程技术，构建其工作原理的理论解释框架，评估各类实现形式的适用性与局限性。最后，展望多模态大模型、强推理模型以及智能体中自动化提示工程的发展趋势。

来源：2025年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第12期