本研究提出了一种属性树提示学习方法，通过生成“概念-属性-描述”的结构化知识树，解决视觉-语言模型在提示学习中未充分利用类别名称上下文的问题。该方法引入视觉和文本提示，显著提升了零样本泛化、跨数据集迁移和少样本分类的性能。