当提示工程遇见软件工程：CNL-P 作为人机交互中自然且稳健的"API"
软件工程
2025-08-12 v1 人工智能
摘要
随着大语言模型（LLM）能力的不断增长，它们越来越多地应用于智能客服、代码生成和知识管理等场景。自然语言（NL）提示充当了人机 LLM 交互的"API"。为提升提示质量，人们已发展出提示工程（PE）的最佳实践，包括编写指南和模板。在此基础上，我们提出了受控自然语言用于提示（CNL-P），它不仅融入了 PE 的最佳实践，还借鉴了软件工程（SE）的关键原则。CNL-P 引入了精确的语法结构和严格的语义规范，进一步消除了 NL 的歧义，允许以声明式但结构化且准确的方式表达用户意图。这有助于 LLM 更好地理解和执行提示，从而产生更一致且更高质量的输出。我们还引入了一个基于 LLM 的 NL2CNL-P 转换工具，使用户能够以自然语言编写提示，然后将其转换为 CNL-P 格式，从而降低了 CNL-P 的学习门槛。特别地，我们开发了一个 lint 工具，用于检查 CNL-P 提示的语法和语义准确性，首次将静态分析技术应用于自然语言。大量实验表明，CNL-P 通过提示工程与软件工程的新型有机协同作用提升了 LLM 响应的质量。我们相信 CNL-P 能够弥合新兴提示工程与传统软件工程之间的差距，为以自然语言为中心的新编程范式奠定基础。
引用
@article{arxiv.2508.06942,
title = {When Prompt Engineering Meets Software Engineering: CNL-P as Natural and Robust "APIs'' for Human-AI Interaction},
author = {Zhenchang Xing and Yang Liu and Zhuo Cheng and Qing Huang and Dehai Zhao and Daniel Sun and Chenhua Liu},
journal= {arXiv preprint arXiv:2508.06942},
year = {2025}
}