中文名稱：自動提示工程 英文名稱：Automatic Prompt Engineering
📌 定義（Definition）
Automatic Prompt Engineering是一種利用 AI 自動生成與優化提示（prompt） 的方法，其核心概念是：讓模型透過搜尋或評估機制，自動產生多個候選提示，再選出表現最好的提示，以提升模型輸出品質。
⭐原理與技術
傳統 Prompt Engineering 需要人工反覆修改提示內容，而 APE 會讓系統自動生成不同版本的 prompt，並透過測試任務結果來評估哪個提示效果最好，最後選出最佳提示。這種方法常結合 LLM 自我評估、搜尋策略或迭代優化來完成。
主要特點
- 任務導向：針對特定下游任務自動尋找最佳提示。
- 搜尋策略：可採用強化學習、演化演算法或梯度式優化。
- 評估機制：使用任務準確率或模型得分自動評估提示品質。
- 模型迭代：可在多輪生成與篩選中逐步改善提示。
方法概述
APE 通常包括三個階段：
- 提示生成：從模板、示例或語義空間中自動產生候選提示。
- 性能評估：利用語言模型在驗證資料上的輸出表現，為提示打分。
- 搜尋與優化：透過貪婪搜尋、貝葉斯優化或進化策略，選出最佳提示或生成新的候選。
🔗 應用領域
Automatic Prompt Engineering 已廣泛應用於問答系統、文本分類、程式生成與推理任務中。例如，它能自動生成更具可解釋性或高準確度的提示，顯著提升如 GPT 類模型在特定基準（benchmark）上的表現。該概念也為後續的 Prompt Optimization Frameworks 與 LLM 自我提示學習（Self-prompting） 奠定基礎。
3 題模擬練習題
題目 1
Automatic Prompt Engineering（APE）主要目的是什麼？
A) 透過手動撰寫大量提示來提高模型多樣性
B) 自動生成和優化提示，以提升模型的輸出品質
C) 只使用固定模板，不進行提示調整
D) 用於資料標註，而非模型提示設計
正確答案： B
詳解：
APE的核心在於系統自動生成多個候選提示，再透過評估機制選出效果最佳的提示，從而提升模型輸出品質。這和傳統完全依賴人工修改提示的方法相反，因此選項B正確。選項A描述的是人工操作，選項C則與APE自動優化相違背，選項D則為錯誤用途。
題目 2
下列哪一項不屬於 APE 中常用的搜尋策略？
A) 強化學習
B) 演化演算法
C) 梯度式優化
D) 隨機森林分類
正確答案： D
詳解：
APE中的提示生成與優化常採用如強化學習、演化演算法與梯度式優化這類連續或可搜尋的策略來自動改進提示，而「隨機森林分類」是機器學習中用於分類的算法，與提示搜尋和優化無直接關係，因此為正確答案。
題目 3
APE流程中，性能評估階段的主要任務是什麼？
A) 從模板中產生候選提示
B) 使用語言模型在驗證資料上測試提示效果並打分
C) 採用貪婪搜尋選出最佳提示
D) 編寫新的提示範本
正確答案： B
詳解：
性能評估是APE過程中的關鍵步驟，其目的是使用語言模型對驗證資料上的表現（如任務準確率或模型得分）進行測試，進而為不同提示打分，找出效果較好的提案。選項A屬於提示生成階段，選項C屬於搜尋與優化階段，選項D與自動化流程無關。