本文综述提示工程研究，涵盖分解提示法（拆分复杂任务以提升符号与多步推理）、机器翻译（将翻译分解为词块序列）、结构化提示（使预训练模型零样本完成标注，体现通用语言学知识）、多语言大模型翻译（接近人类水平）、无监督提示（用高资源语言合成样本提升低资源摘要）、LLMLingua（实现最高20倍提示压缩）、MTPrompt等多维任务提示（在少样本任务领先）、提示性大模型（提升对话评估鲁棒性与多语言性），并发现提示性能难以用困惑度等解释，元语言判断弱于直接概率测量。