自ChatGPT问世以来，AI大模型已然成为整个科技界关注的焦点。为了更好地驾驭AI大模型，提示词（Prompt）的重要性也越来越受到重视，成为重要研究方向。

简单而言，提示词是一种与ChatGPT等AI大模型交互的特定输入文本，通过语言指令来引导产生期望的输出。提示词可以是问题、指令或者任何形式的文本输入，甚至自然语言。

与此同时，提示词工程（Prompt Engineering）这一全新的概念也应运而出，即是一种专门针对语言模型进行优化的方法。甚至，从中衍生出了全新的职位——提示词工程师。

然而，随着技术的快速革新，又一全新概念“自动提示词工程” （APE）浮出水面。显而易见，其定位就是自动生成或优化提示词，以提升AI模型的执行效率。

近日，谷歌研究者Heiko Hotz发布了一篇长文，介绍了自动提示词工程的概念、原理和工作流程，并通过代码从头实现了这一方法。

同时，北京大学-百川联合实验室近日也开发了一个自动提示工程系统（PAS），该系统基于 Transformer架构的大语言模型，旨在提高模型在特定任务上的表现。

研究人员通过三个benchmark对该系统进行了全面评估，并将其应用于六个顶尖的AI模型，评测结果显示PAS在性能上取得了显著提升，并展现出与各种超大模型的兼容性和适应性。此外，PAS在计算效率方面也表现出色，仅需9,000条微调数据便能展现卓越性能，且能够限制补充自动提示的长度，提升用户体验。

尽管AI大模型带来更自然和逼真的人机交互体验，但选对最适合的提示词仍然是一个不小的挑战，往往令人抓狂，将其比喻为“咒语”。所以，自动提示工程系统等工具的出现，让使用者提升效率并获得更好地驾驭体验。