少提示，多微笑：MTP 结合语义工程替代提示工程
软件工程
2025-11-25 v1 人工智能
摘要
AI 集成编程正成为利用大语言模型（LLMs）构建智能系统的基础范式。Meaning Typed Programming（MTP）等最新方法通过利用代码中已有的语义来自动化提示生成。然而，许多现实应用依赖于上下文线索、开发者意图和领域特定推理，这些超出了静态代码语义本身所能表达的范围。为解决这一局限性，我们引入了语义工程（Semantic Engineering），一种轻量级方法，用于丰富程序语义，使基于 LLM 的系统能够更准确地反映开发者意图，而无需完整的手动提示设计。我们提出了语义上下文标注（SemTexts），一种语言级机制，允许开发者将自然语言上下文直接嵌入程序构造中。语义工程集成到 Jac 编程语言中，在提示生成过程中扩展 MTP 以纳入这些丰富的语义。我们进一步引入了一套旨在反映真实 AI 集成应用场景的基准套件。我们的评估表明，语义工程显著提升了提示保真度，在实现与提示工程相当性能的同时大幅减少了开发者工作量。
引用
@article{arxiv.2511.19427,
title = {Prompt Less, Smile More: MTP with Semantic Engineering in Lieu of Prompt Engineering},
author = {Jayanaka L. Dantanarayana and Savini Kashmira and Thakee Nathees and Zichen Zhang and Krisztian Flautner and Lingjia Tang and Jason Mars},
journal= {arXiv preprint arXiv:2511.19427},
year = {2025}
}