如何让 AI 来自己优化提示词？
从宝玉老师那看到一个有意思的项目自监督提示优化（SPO），核心流程如下：
１.种子输入：仅需提供初始提示词和少量测试问题（无需标注答案）。
２.优化阶段：AI根据当前最优提示生成改进版
３.测试阶段：用新旧提示分别生成两版输出
４.评估阶段：AI自动比较两版输出，选出更优结果对应的提示
５.优选保留：获胜的提示成为下一轮优化的基准
６.循环迭代：达到预设迭代次数或性能稳定时停止
运作机制：
＊模仿进化算法，但仅保留新旧候选者进行”两两对决”
＊通过LLM自带的因果推理能力，将输出质量映射回提示词优劣判断
＊优化过程中自动对齐模型对任务的内部认知
该方法在实验数据中展现出比人工设计提示词平均提升1.9个百分点的效果，特别适合缺乏标注数据但需高频调整提示词的真实场景应用。
从这套方法生成的女友扮演提示词来看，效果相当好。
参考文献：
[1] 相关介绍地址：https://mp.weixin.qq.com/s/7vildpEbVKQ25wFAy0ch2g
[2] 代码：https://github.com/geekan/MetaGPT/tree/main/examples/spo
[3] 论文：Self-Supervised Prompt Optimization：https://arxiv.org/pdf/2502.06855
（文：NLP工程化）